[发明专利]利用高阶高斯回归滤波和Radon变换提取表面特征的方法

权利要求书

1.利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，具体步骤为：

S1.测试得到缸体表面的测试数据z(t)，利用高阶高斯回归滤波方法计算缸孔表面的滤波中线C(t)，得到表面粗糙度数据f(t)＝z(t)-C(t)，t为缸体表面测试点的坐标值；

S2.求解表面粗糙度数据f(t)所有的极小值点并进行Radon变换，Radon变换为从角度θ和距离l上对表面数据进行泛函积分从而得到数组[a_lθ]，a_lθ为数组元素；

S3.将数组[a_lθ]的每列的数据累加得到一个数组其中thr为Radon变化积分线距中心点距离的最大值，将数组作图得到极大值点主要分布的三个θ值；

S4.提取极大值点主要分布的三个θ值在数组[a_lθ]的三列数据，统计三列数据中的极大值点并得到极大值点的纵坐标l；统计所有极大值点的θ和l的数据从而得到所有沟槽的中心线信息；

S5.依据所有沟槽的中心线信息和表面粗糙度数据得到所有沟槽的宽度信息，从而依据获得缸体表面沟槽信息以评估缸体的加工过程。

2.根据权利要求1所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，步骤S2中f(t)所有的极小值点的求法为：以f(x,y)替代f(t)，x和y分别为t的横坐标和纵坐标；选择f(x,y)的单列数据，当f(i-1)＞f(i)且f(i+1)＞f(i)时，f(i)为一个极小值点，f(i-1)、f(i)、f(i+1)分别指选取的单列数据第i-1、i和i+1点的数据；选择f(x,y)的单行数据，当f(j-1)＞f(j)且f(j+1)＞f(j)时，f(j)为一个极小值点，f(j-1)、f(j)、f(j+1)分别指选取的单行数据第j-1、j和j+1点的数据。

3.根据权利要求2所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，步骤2中求得的极小值点的f(t)值设置有预设的阈值，f(t)超过所述预设的阈值的点则判断为非极小值点。

4.根据权利要求1所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，步骤S4中统计三列数据中的极大值点的求法为：对于主要分布的三个θ值在数组[a_lθ]的三列数据，当a(k-1)＜a(k)且a(k+1)＜a(k)时，a(k)为一个极大值点，a(k-1)、a(k)、a(k+1)分别指选取的单列数据第k-1、k和k+1点的数据。

5.根据权利要求1所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，利用高斯滤波公式计算滤波中线C(t)，计算公式为：

其中，ξ为高阶高斯滤波的自变量，s(t)为滤波算子，L为边界值。

6.根据权利要求5所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，引入归一化的滤波算子利用归一化高斯滤波公式计算滤波中线C(t)，计算公式为：

7.根据权利要求6所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法，其特征在于，利用迭代的高阶高斯回归滤波算法计算滤波中线C(t)，该算法具体步骤为：

(1)迭代初始值δ(1)＝1，迭代次数i＝M，M为自然数，收敛条件ε＞0；

从i＝1开始，计算第i次的滤波中线C(t)，计算公式为；

式中，δ(i)为稳健性函数，β₁(t)为高阶高斯滤波的第一系数，β₂(t)为高阶高斯滤波的第二系数；

(2)计算第i+1次的稳健性函数δ(i+1)；

式中，C_B＝4.4×Median(|z(ξ)-C(ξ)|)，C_B为第三系数；

(3)迭代终止条件|δ(i+1)-δ(i)|≤ε，迭代终止的第i次的滤波中线C(t)即为所求。