La fotogrametría depende críticamente de la calidad de las imágenes utilizadas para reconstruir modelos 3D precisos y detallados. La selección de imágenes de alta calidad no solo mejora la precisión y resolución de los modelos 3D resultantes, sino que también contribuye a la eficiencia del proceso fotogramétrico al reducir la redundancia de datos y las demandas computacionales. Este estudio presenta un enfoque novedoso para la evaluación de la calidad de la imagen adaptado a aplicaciones fotogramétricas que utiliza los descriptores de puntos clave típicamente encontrados en la coincidencia de imágenes. Utilizando un modelo clasificador LightGBM, esta investigación evalúa la efectividad de los descriptores de puntos clave como SIFT, SURF, BRISK, ORB, KAZE, FREAK y SuperPoint en la predicción de la calidad de la imagen. Estos descriptores son evaluados por su capacidad para indicar la calidad de la imagen en función de los patrones de imagen que capturan. Los experimentos realizados en varios conjuntos de datos de imágenes disponibles públicamente muestran que los métodos basados en descriptores superan a las métricas tradicionales de calidad de imagen sin referencia como BRISQUE, NIQE, PIQE y BIQAA y un método simple de evaluación de calidad de imagen basado en nitidez. Los resultados experimentales resaltan el potencial de utilizar métodos de evaluación de calidad de imagen basados en descriptores de puntos clave para mejorar el flujo de trabajo fotogramétrico mediante la selección de imágenes de alta calidad para modelado 3D.