无人机具有操作简单、费用低廉,并且可到达人类无法涉足地区等特点,利用其获得的图像也具有清晰度高、内容丰富、视角大等优点。因此,无人机航拍技术已广泛用于环境、水文、地质、气象等领域。本课题研究的图像正是使用该技术在500米左右的中低空,对地面感兴趣的目标连拍获得,主要应用于地质环境监测。由于实际操作中无人机对机载器件硬件的限制,在将图像序列传至地面之前,需要对拍摄的多幅图像进行质量评价,筛选出清晰图像。因此,针对航拍图像质量评价,分析出一种准确度高、实时性好的算法具有重要意义。本文通过对现有的图像质量评价算法的深入研究和探讨,在分析图像失真原因的基础上,结合图像模糊原理,通过计算边缘点扩散度实现了航拍图像的质量评价。其主要研究内容如下:1.从图像质量评价的两种基本算法——主观评价、客观评价进行阐述,扼要分析了国内外图像质量评价的研究现状和发展方向,其中重点探讨了客观评价算法中基于无参考型评价算法的研究。2.首先分析了影响航拍图像质量的主要因素,然后归纳比较了目前基于无参考型图像使用较广泛的几种评价算法,最后针对本文研究图像的特点—图像细节丰富、场景复杂、图片尺寸大以及现实中对算法实时性的要求,引出本文采用的算法。3.为了提高算法的实时性,在边缘检测之前,首先对图像分块,并根据人眼视觉对图像区域关注度不同,提取图像感兴趣区域。然后针对感兴趣区域进行8方向的Sobel算子边缘检测。在边缘检测过程中,通过判断边缘点8个方向中梯度幅值模值的大小,得到边缘点的梯度值和梯度方向,最后对得到的边缘点进一步筛选,获到噪声点较少的二值图像。4.利用确定的边缘点及其边缘方向,返回至灰度图块中,根据其边缘类型,计算每一个边缘点沿其梯度方向扩散的宽度。考虑到人眼对图像不同区域关注度不同的特性,最终结果采用区域加权后的平均宽度值。其中计算的边缘宽度越小,表明图像越清晰,质量越好。为了验证算法的准确性,本文最后分别使用本文算法、平均梯度算法、拉普拉斯算法、四邻域算法等对一序列图像进行评价,得到每种算法的图像评价排序,利用可信度最高的主观评价结果值对比每种算法的优良性。实验发现,本算法较其它算法具有更高的准确率,算法实时性也优于其它算法。但是本算法对大雾天气等造成的失真,评价结果不是很理想,这也是下一步需要继续研究的地方之一。