傅志中， 王琦艺， 李晓峰， 徐 进

(1.电子科技大学 信息与通信工程学院,成都 611731；2.昆明物理研究所,昆明 650223)

0 引 言

在实际应用场景中，由于人为操作原因或拍摄场景恶劣，传感器失真等原因都会导致图像质量降质，其中一种最常见的图像降质为图像模糊[1]。当前大量图像处理应用及实验教学应用中，如图像分割[2]、目标提取与识别[3-5]等，都假设待处理图像是清晰的。文献[6-7]中研究了运动原因导致图像模糊的运动去模糊技术，实现了模糊图像的清晰化处理，为后续图像处理任务提供清晰化图像。但是，由于模糊函数的病态特性，损失的信息不可恢复，基于算法复原的图像清晰度仍然不能满足应用需求。因此，迫切需要对图像的模糊与清晰程度进行预先判定，剔除模糊图像，仅保留清晰图像用于图像处理任务，提高图像处理任务性能。

图像模糊检测方法可大致分为三类：提取图像特征进行阈值设定,建立评价模型对图像进行评估,利用图像抠图方法定位模糊区域。基于上述3类方法的模糊判断有：段兴涛等利用图像的四向差分特征，用阈值法判断模糊图像的存在；文献[8-10]中利用图像的边缘梯度分布的拟合标准差、Haar小波分解的边缘类型判断出图像边缘的模糊程度；Su等[11]提出利用图像像素奇异值之间的关系，直接实现图像的模糊区域定位。

近几年又发展出了基于DA的模糊图像识别方法[12]，该方法基于LMDR度量学习，提高了模糊图片的识别性能，但其需要前期大量的样本进行学习训练，过程繁琐且不能给出图像模糊程度的定量描述。……