本课题研究的图像是无人机在500米左右的中低空对地面感兴趣的目标连拍获得的。通过分析和解析这些航拍图像,实现对地质环境的监测。然而,由于无人机对机载器件硬件的限制(内存小、传输通道少),将拍摄的图像序列传至地面之前,需对图像进行质量评价、筛选出清晰图像。因此,分析出一种准确度高、实时性好的航拍图像质量评价算法具有重要意义。本文结合图像模糊原理,通过计算图像清晰度和亮度实现了航拍图像的质量评价。其主要研究内容如下:　　第一,从图像质量评价的两种基本方法——主观评价和客观评价进行阐述,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。　　第二,首先分析了影响航拍图像质量的主要因素——清晰度和亮度;其次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、图片尺寸大以及对算法实时性的要求,引出本文的算法。　　第三,为了提高算法的实时性,本文根据人眼视觉特性,将图像分块,提取人眼感兴趣的区域,从而减少参与计算的像素点,缩短图像质量评价的时间。　　第四,分析了影响航拍图像质量的主要因素及人类视觉系统.结合人眼视觉特性,对现有的研究方法进行改进,形成了基于清晰度和亮度的航拍图像质量评价算法。算法综合考虑了图像的清晰度和亮度,用平均边缘宽度衡量图像的清晰度,用指数直方图修正的方法衡量图像亮度,并将二者的综合值作为航拍图像质量评价指标。　　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(GMG)和结构相似度算法(SSIM)对一图像序列进行评价。通过对不同算法的实验结果进行分析发现,本文提出的算法较其它算法具有更高的准确率和算法实时性的同时,该方法也能较好的符合了人眼主观感受。