[发明专利]基于小波布朗运动纹理融合模型测量表面粗糙度的方法

说明书

本发明属于表面粗糙度检测技术领域，具体涉及一种基于小波布朗运动纹理融合模型测量表面粗糙度的方法，包括以下步骤：(1)获取激光散斑图像；(2)确定最优小波基函数；(3)确定最优小波分解层数；(4)对获取的激光散斑图像进行二维小波分解；(5)利用小波布朗运动纹理融合的方法进行建模分析，获得数学模型；(6)将待测工件的表面纹理特征参数代入步骤(5)所获取的数学模型中，计算得到待测工件表面的粗糙度；本发明在实践与理论方面利用小波与布朗运动纹理融合的方法建立了激光散斑图像纹理特征参数与表征表面粗糙度参数之间的数学模型，从而通过单幅激光散斑图像便可对待测工件的表面粗糙度进行在线、快速、非接触式的测量。

技术领域

本发明属于表面粗糙度检测技术领域，具体涉及一种基于小波布朗运动纹理融合模型测量表面粗糙度的方法。

背景技术

表面粗糙度是指加工表面具有的较小间距和微小峰谷的不平度，属于微观几何形状误差。国防航天等高精尖产业对其要求越加严格，其直接或间接的影响了加工生产的效率以及仪器仪表的性能和寿命。

目前表面粗糙度测量方法主要包括接触式触针测量方法和光学非接触式测量方法。非接触测量方法由于不会损坏被测表面，得到了快速的发展和应用，光学检测法以其快速、抗干扰、高精度和可以实现在线测量的特点发展尤为迅速。其中，光学探针法易受外界干扰影响，测量效率低；激光干涉法技术复杂，光学系统的调整时间长；激光散射法测量精度不高，测量范围窄，理论计算与实测结果有一定偏差；激光散斑法测量精度较高，但散斑对比度法测量范围小，只适用于R_a＜0.3μm的表面；散斑相关法通常需要两幅图像才能实现，对偏心和震动敏感，不适合于在线测量。可见，都无法实现表面粗糙度的在线、非接触测量。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于小波布朗运动纹理融合模型测量表面粗糙度的方法。单一的纹理模型具有一定的局限性，纹理融合模型综合使用不同的纹理分析方法，实现各类方法的优缺点互补，建立的粗糙度测量模型更加准确、稳定，从而为实现表面粗糙度的在线、实时自动化测量提供新的解决方案。

为了实现上述目的，本发明采用以下技术方案予以实现：

一种基于小波布朗运动纹理融合模型测量表面粗糙度的方法，包括以下步骤：

(1)搭建实验平台，获取待测工件的一幅激光散斑图像；

(2)利用步骤(1)中获取的激光散斑图像确定最优小波基函数；

(3)确定最优小波分解层数；

(4)对步骤(1)中获取的激光散斑图像进行二维小波分解；

(5)利用小波布朗运动纹理融合的方法进行建模分析，获得数学模型；

(6)将待测工件的表面纹理特征参数代入步骤(5)所获取的数学模型中，计算得到待测工件表面的粗糙度。

本发明中，确定最优小波基函数的步骤为：

(2.1)根据激光散斑图像的对称性和拟周期性，选择具有对称性和光滑性的db系列小波基函数；

(2.2)选择db系列的小波支函数对获取的激光散斑图像进行二维小波分解，分解层数为8层。通过对不同小波支函数所分解的信号在低频子带的熵值稳定大小及稳定程度选择具体的小波支函数；

其信息熵的计算公式为：

其中，p(i，j)表示激光散斑图像在点(i,j)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；

本发明中，确定最优小波分解层数按如下步骤进行：