图像作为视觉信息的来源，蕴含了大量有价值的信息，在图像的获取、存储、传输、显示等过程中不可避免的会引入一些干扰因素，如噪声、模糊、数据丢失等，这些都会造成图像质量的下降，图像质量的好坏直接影响到信息量的获取。课题组有两套图像模糊质量判定技术：分别基于红外图像和可见光图像的模糊质量判定，目前技术主要应用在人脸识别项目的前期人脸图像的质量判定中，其作用为在特征提取前判定人脸图像的模糊程度，将清晰图像保留、模糊图像滤除，以在一定程度上提高人脸识别的准确性。在实验室自有的红外图像数据集（5000张运动模糊图像、8300张清晰图像）上能够达到滤除超过90%的模糊图像同时能够保留超过75%的清晰图像的效果。

而针对可见光图像的质量判定，能够对多种失真类型的图像（高斯模糊、JPEG2000压缩、白噪声污染等）进行准确判定。图像质量判定可以广泛应用于遥感、医学、气象、通信等众多的科学与工程应用，如镜头自动聚焦过程中随时进行质量判定，保证获取高质量清晰图像；图像筛选过程中进行质量评价，滤除低质量图像，使得信息获取更加高效准确；对于低质量图像的修复图像进行评价，使得在传输过程中降质的图像信息得以恢复。