模糊图像的处理和分析是视觉与图像领域的一个难题。一般情况下图像模糊的成因和相关参数是未知的，通过数学方法进行图像复原或重建往往需要大量的运算而且效果不佳。近年来被广泛应用于图像识别的SIFT算法在处理模糊图像时很难提取出有效的匹配点，因此对其识别能力也非常有限。本文研究了解决上述难题的一个新思路，结合SIFT算法的优势，提出了一个可以有效识别模糊图像的技术并完成了算法实现。为了识别模糊图像，新算法模拟各种图像模糊成因来扩建数据库图像集，形成模糊图像空间用以确认待识别图像的身份。这样既回避了对模糊图像的复原和重建，又显著提高了SIFT算法匹配待识别图像和数据库图像的效率。模糊图像空间的构建方式包括：通过高斯函数模拟因数字噪声等因素引起的图像模糊效果；通过直方图调整模拟因光照引起的图像模糊效果；通过运动滤波算子模拟因运动引起的图像模糊效果。在算法复杂度方面，模糊图像空间构建可以离线完成，在线部分所增加的计算成本并不明显。仿真实验验证了新算法的有效性。