[发明专利]基于小波包纹理分析的非接触式表面粗糙度测量方法

权利要求书

1.一种基于小波包纹理分析的非接触式表面粗糙度测量方法，其特征在于，包括以下步骤：

(1)获取表面粗糙度激光散斑图像；

(2)对步骤(1)中获取的激光散斑图像进行小波包分析，该小波包分析采用的算法步骤为：

S1：选择具有正交性、紧支撑性、以及对称性和光滑性好的sym系列小波基函数：

S2：在步骤S1确定的sym系列小波基函数的基础上对激光散斑图像进行一层分解，选择小波基函数；

使用sym系列小波基函数对激光散斑图像进行一层分解，选择小波基函数分解得到高频细节香农熵值之和占总香农熵值的比例最小的sym小波基函数作为最优小波基函数；

其中，香农熵的计算公式为：

其中，p(i，j)表示散斑图像在(i，j)位置的灰度值，

M表示激光散斑图像所对应灰度图矩阵的行数，

N表示激光散斑图像所对应灰度图矩阵的列数；

S3：在步骤S2确定最优小波基函数的基础上，对激光散斑图进行小波包建模分析，寻找最优小波支；

分别计算并比较每个节点分解后的三个高频子节点的香农熵值，找出熵值最小的一支与其父节点的熵值进行比较，若熵值最小的子结点的熵值大于父节点的熵值，则去除子结点，保留父节点，该父节点则为最优支；若熵值最小子结点的熵值小于父节点的熵值，则将该子节点继续分解，直到找出熵值最小的一支，则该支为最优小波支；

其具体的步骤如下：

S3.1：用步骤S2确定的小波基函数对所述的激光散斑图像进行第一层分解；

S3.2：提取高频节点的小波包系数并计算香农熵，比较三个高频节点的香农熵值，找出香农熵值最小的一个节点(i，j)，其香农熵值为E_i，j；

S3.3：继续对节点(i，j)进行小波包分解，得到4个子节点，分别为(i+1，4*j)、(i+1，4*j+1)、(i+1，4*j+2)、(i+1，4*j+3)；提取其中三个高频子节点的节点系数并分别计算香农熵值，比较并找出三个高频子节点中香农熵值最小的点(i+1，k)，定义其熵值为E_i+1，k；

S3.4：比较E_i，j与E_i+1，k的值：

若E_i，j＜E_i+1，k，则保留(i，j)点，去除其子节点，节点(i，j)为最优支；

若E_i，j＞E_i+1，k，则将(i+1，k)继续分解，并重复步骤S3.3直至找出香农熵值最小的节点(i+n，m)；

S3.5：将香农熵值最小的节点所在的层数作为分解层数；

S3.6：由各小波支熵值最小节点所组成的小波支为最优小波支；

(3)提取经步骤(2)处理后激光散斑图像最优支节点的纹理特征值，选择与表面粗糙度具有单调相关性的纹理特征值，并通过归一比较寻找与表面粗糙度单调相关性最好的纹理特征值，该纹理特征值能较好的特征化表面粗糙度信息；

与表面粗糙度单调相关性最好的特征值为方差V，方差V的计算公式为：

其中，

其中，p(i，j)表示散斑图像在(i，j)位置的灰度值；

σ表示散斑图像灰度值的均值；

M表示激光散斑图像所对应灰度图矩阵的行数；

N表示激光散斑图像所对应灰度图矩阵的列数；

(4)根据步骤(3)确定能特征化表面粗糙度的纹理特征值方差V，建立其与被测样品的表面粗糙度模型；

(5)采集待测物体表面激光散斑图像，计算纹理特征值方差V，代入步骤(4)中建立的表面粗糙度模型，计算出实际的表面粗糙度值。

2.根据权利要求1所述的基于小波包纹理分析的非接触式表面粗糙度测量方法，其特征在于，步骤(1)中，激光散斑图像的获取方法为：在待测物体表面的法线方向设置一台黑白CCD，利用半导体激光器对待测物体表面进行照射，激光器照射方向与待测物体表面法线之间的夹角为10°，半导体激光器照射出的光斑直径为4～6mm。