喜文飞，高 炜，钱堂慧，黄鸿志，朱 江

（1.云南师范大学 地理学部，云南 昆明650500；2.云南师范大学 信息学院，云南 昆明650500；3.云南海钜地理信息技术有限公司，云南 昆明650000；4.苍穹数码技术股份有限公司，北京100081）

无人机在获取影像过程中，由于在空中拍摄的姿态稳定性较差，拍摄的影像难免会模糊，如图1所示。因此，在飞行拍摄任务结束后，需要将模糊的影像筛选出来，只保留清晰的影像参与后期的数据处理。传统的图像筛选主要依靠工作者的先验知识进行人工筛选。该方法在视觉疲劳等其他因素的干扰下，会造成模糊图像的漏选和多选问题。因此，一般会采用多人多次观察并相互检查的方法以保证图像筛选的准确性[1-4]。这种方法耗时较长、工程量较大，对于拍摄图像数量较少时可采用。而专业的无人机航拍图像数量可能几百甚至上千张，因此，这种人工筛选图像的方式就显得力不从心，所以需要一种自动检测模糊图像的方法。文献[5-6]中，有学者基于边界清晰度的原则来进行模糊度的识别。文献[7]中利用不同方向梯度的统计来进行模糊程度的测量。文献[8]是在模糊类型为运动模糊且运动方向不变的前提下，对模糊核进行估计，利用模糊核的知识对模糊区域进行提取，但自然图像模糊类型很多，对模糊核的估计存在很大难度。文献[9]提出一种有意义的模糊测度，通过对梯度幅度进行双高斯混合模型的拟合，实现了标准差与功率谱相结合的模糊测度，然后运用贝叶斯分类器，基于块进行模糊物体分割。……