表面粗糙度是机械加工中描述表面微观形貌最常用的参数,是评定加工表面各种微小加工痕迹的参量,直接影响到机器和仪表的使用性能和寿命。因此,表面粗糙度的测量与评价具有重要的研究意义。本文利用纹理分析法,提出了一种基于激光散斑的表面粗糙度测量新方法。以激光散斑的统计特性和计算机纹理分析理论为基础,通过对机加工表面的激光散斑纹理图像进行建模,提取能表征表面粗糙度的纹理特征参量,研究其与表面粗糙度之间的关系；同时搭建了实验测量系统,计算对比了纹理模型对不同机加工表面的测量结果,还研究了系统实验参数改变时实验结果的变化,讨论了系统的鲁棒性。可以实现用一幅激光散斑纹理图像对表面粗糙度的测量。论文主要研究内容和创新工作如下：1.基于纹理分析方法研究了激光散斑特性与表面粗糙度间的关系,提出了能表征表面粗糙度的激光散斑纹理分析模型。通过对机加工表面的激光散斑图像进行纹理分析,提取纹理特征参量,建立表面粗糙度Ra与纹理特征中某个参量之间的单一性关系,从而实现利用纹理特征参量表征表面粗糙度。2.研究了模型方法中的马尔可夫随机场模型(高斯—马尔可夫模型和吉布斯—马尔可夫模型),分别提出了基于高斯—马尔可夫模型和吉布斯—马尔可夫模型的激光散斑表面粗糙度提取方法。高斯—马尔可夫模型根据邻域像素的大小和方向,提取了二阶-六阶邻域模型的纹理特征参量；吉布斯—马尔可夫模型用一阶、二阶基团定义邻域像素,提取了表征基团聚集的纹理特征参量β2-β9作为该模型特征参量。3.研究了信号处理方法中的小波纹理模型,提出了基于小波模型的激光散斑表面粗糙度提取方法。对激光散斑纹理图像进行小波变换,构造了包含大量表面粗糙度信息的高频子带系数之间的系数共生矩阵,提取出该共生矩阵的均值、方差、能量和熵四个纹理特征参量。4.提出了利用以上两种模型的结合—小波域马尔可夫模型的纹理分析法,即利用小波域马尔可夫模型从激光散斑中提取表面粗糙度信息。该模型结合了小波的多分辨率、高判别力和马尔可夫捕获局部统计规律特性,捕获了小波系数尺度内和尺度间统计相关性。提取出纹理特征参量,研究其与Ra间的关系。5.搭建了系统实验平台。利用以上纹理模型分析法,对不同机加工表面(车削、立式铣床和卧式铣床),研究模型纹理特征参量与表面粗糙度的关系,并对该三类模型结果进行分析比较。结果表明,小波域马尔可夫模型不但可以在较大范围内特征化车削、立式铣床和卧式铣床机加工表面的表面粗糙度,而且特征化表面粗糙度效果最好。同时利用该实验平台,还研究了试验样块与CCD的测试距离、激光与样块表面纹理相对方向、散斑大小、激光功率等实验参数改变时,模型纹理特征参量的变化情况,结果表明,小波域马尔可夫模型最稳定,最适合表征表面粗糙度。论文采用三类纹理分析方法进行建模,提取出能够表征表面粗糙度的纹理特征参量。根据计算结果,分析对比了三类纹理模型,总结出适合于表面粗糙度测量的最优纹理模型。该表面粗糙度测量系统硬件仅由激光器、CCD和计算机构成,具有系统结构简单,操作方便,非接触、无损等优点,对表面粗糙度在线检测具有一定的参考价值。另外,在测量前,需用相同材料和相同加工方法的标准件提前进行标定。