1.基于图像DCT域的SVD分解的模糊检测方法，首先计算待测图像的梯度图像，图像的边缘信息可以从梯度图中得到，然后把梯度图进行分块，并进行DCT变换，因为DCT域的交流系数反映了图像的边缘和清晰度，接着用差分矩阵来分析DCT域的交流系数信息，并计算差分矩阵的奇异值，通过奇异值构造响应函数来表示块的图像的模糊程度，最终用均值和方差进行归一化来消除图像内容的影响；具体步骤如下：步骤1：计算待检测图像的梯度图，并对梯度图像进行分块，块的大小为p×p；

步骤2：对每个梯度图像块进行DCT变换，得到DCT系数并去掉直流系数；

步骤3：计算DCT系数的水平方向和垂直方向的差分矩阵；

步骤4：计算差分矩阵的奇异值，并由响应函数得到块的响应；

步骤5：对所有块的响应求和，得到整幅图像的响应E；

步骤6：对图像进行分块(块大小同步骤1)，计算每个图像块的均值和方差，对所有块的均值和方差分别求和，得到整幅图像的均值C和方差V；

步骤7：用步骤6得到的C和V对步骤5中E进行归一化，得出最终的模糊分数S；

步骤8：通过比较S与选取的阈值T的大小，将图像分为清晰和模糊两类。

2.根据权利要求1所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤1具体过程如下：计算待测图像I的梯度图G，公式如下：

Ix＝I*[-101],Iy＝I*[-101]T其中*是卷积操作，然后对梯度图像G进行分块，每个分块设为Bk，k＝(1,2,...,N)，N是图像块的总个数，块大小为p×p，实验中p＝6。

3.根据权利要求2所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤2具体过程如下：将图像块Bk变换到DCT域Dk，并去掉直流系数，公式如下：Dk＝DCT(Bk)

其中i,j∈{1...p}。

4.根据权利要求3所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤3具体过程如下：分别计算水平方向和垂直方向的差分矩阵，公式如下：其中i∈{1,...,p},j∈{1,...,p-1}；

其中i∈{1,...,p-1},j∈{1,...,p}。

5.根据权利要求4所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤4具体过程如下：计算差分矩阵的奇异值，公式如下：

(:)表示把矩阵转成一个列向量，F的大小为p(p-1)×2，然后对F进行奇异值分解得到奇异值s1,s2；由响应函数e得到图像块的响应；

ek＝s1×s2-α(s1+s2)2

其中α是常数，实验中α＝0.01。

6.根据权利要求5所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤5具体过程如下：计算待测图像所有块的响应进行求和，得到整张图像的总响应E,公式如下：其中N为图像块的总个数。

7.根据权利要求6所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤6具体过程如下：对待测图像分块，过程同步骤1，并计算每块的均值ck和方差vk，然后计算所有块的均值之和C，方差之和V，公式如下：

8.根据权利要求7所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤7具体过程如下：用C和V对E进行归一化，得到最终的模糊分数S，公式如下：

9.根据权利要求8所述的基于图像DCT域的SVD分解的模糊检测方法，其特征在于步骤8具体过程如下：首先确定清晰图像与模糊图像间的阈值T；通过步骤8可以得到清晰图像和模糊图像的模糊分数S，分析这两类图像得到的数据S，可以看出清晰图像比模糊图像的S要高很多；为了保证实验数据的充分，在LIVE图像库中选取大量样本进行测试，确定最后的阈值T；最终选择的阈值为T＝15，当T＞15表示图像是清晰的，当T≤15表示图像是模糊的。