一种基于信号检测论的纹理粗糙度量化评价方法技术

本发明专利技术公开了一种基于信号检测论的纹理粗糙度量化评价方法，包括：进行纹理粗糙度感知实验，记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率，结合不同纹理样本的客观纹理参数，计算得到粗糙度辨别力指标；根据相关性，以客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出，建立纹理粗糙度感知评价模型，并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重；将待评价的客观纹理参数代入模型，及输出得到对应的纹理粗糙度量化值。本发明专利技术有效增加了在有限实验对象情况下主观感知结果的稳定性，提高了评价的准确性可广泛应用在机械手对纹理粗糙度感知预测中。

A Quantitative Evaluation Method of Texture Roughness Based on Signal Detection Theory

The present invention discloses a quantitative evaluation method of texture roughness based on signal detection theory, which includes: texture roughness perception experiment, recording the recognition results of different texture samples perceived by the subjects and correctly answering texture probabilities after perception by contrast to normal distribution table, and calculating rough texture parameters of different texture samples. Degree discrimination index; According to correlation, taking objective texture parameters as input and texture roughness quantization value based on signal detection theory as output, a texture roughness perception evaluation model is established, and the weight of objective texture parameters in the model is obtained by fitting with non-linear least squares method; the objective texture parameters to be evaluated are substituted into the model, and the corresponding texture roughness is obtained by output. Roughness measurements. The method effectively increases the stability of subjective perception results in the case of limited experimental objects, improves the accuracy of evaluation, and can be widely used in texture roughness perception prediction of manipulators.

【技术实现步骤摘要】
一种基于信号检测论的纹理粗糙度量化评价方法
本专利技术涉及一种基于信号检测论的纹理粗糙度量化评价方法，属于纹理力触觉建模与表达

技术介绍
纹理是人体获取物体表面感知信息的关键因素，人体对纹理的触觉感知机制复杂，通过量化主观感知，并建立主观感知评价模型，能指导对不同客观属性下的感知结果预测，用于对建立虚拟纹理的有效性验证。传统研究中，对触觉感知评价方法主要有客观评价方法与主观评价方法两种。张建凯利用有限元模型，建立了手指触摸物体时物体客观属性与粗糙度之间的感知模型，预测在不同工况表面下手指感知的敏感性。模型输出为振动频率，以此作为触觉感知的直接相关评价依据，而并不是触觉感知结果。汪莉等人通过CHARMM力场模拟触觉感知信息，建立客观属性与触觉感知之间的评价模型。近期的，有部分神经网络的研究量化触觉的感知结果。周嵘等人利用BP神经网络，对人体触摸过程中的力信号进行识别分类，实现触觉感知信息分类预测。上述方法都是从客观属性到客观响应的研究，存在不符合人体主观感知的缺陷。在对人体主观触觉感知量化评价研究中，龙慧利用精神物理学中的静电力触觉在现效果主观评价方法，量化人体对静电力触觉的粗糙度，并建立静电频率、波形、振幅与感知评价结果之间的模型。触觉主观评价方法评价结果更符合人体感知规律。目前研究手段主要从主观感知实验开始，获取人体主观感知结果，量化并建立评价模型。传统的人体主观感知的测量心理学实验方法主要有恒定刺激法、评分法、最小变化法等，其中，评分法是量化人体主观感知最直接的心理学评测方法，实验过程中，受试者感知刺激变化强弱，主观对其进行打分。前人研究中，这种心理学评测人体主观感知的方法被大量应用在虚拟环境表达研究中。XiaoyingGuo等人设计的心理学实验利用评分法分析视觉主观纹理粗糙度感知与客观纹理属性之间的相关性。钟兴建等人研究中，利用评分法获取人体触觉主观感知与振动频率、振动幅值之间的量化关系，从而建立振动式反馈的虚拟纹理触觉模型。评分法能有效量化主观感知结果，但受试者之间的评价标准不统一，评价过程易受环境、记忆等因素影响，在有效实验对象情况下难以做到实验结果稳定。恒定刺激法是一种感知差异的心理学评测方法，受试者通过感知标准刺激和比较刺激做出差异性评判，若感知不到差异则进入下一个比较样本直至感受到差异。此类实验方法通常用于测量人体感知差别阈限值，一般针对差别阈限对感知做定性分析。最小变化法也是一种比较差异性的心理学实验方法，刺激按“渐强”或“渐弱”交替变化，且设置变化数量相等，感知起点参数水平设置随机，直至受试者感受到差异为止。Bekesy通过最小变化法分析声音信号频率与人体听觉感知分辨之间的关系线性关系，指导后续听觉建模信号频率的处理。同样，最小变化法也无法做到量化主观感知的效果。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术的不足，提供一种基于信号检测论的纹理粗糙度量化评价方法，通过建立客观参数与主观感知之间评价模型，解决现有的纹理粗糙度评价方法中无法有效将客观属性到主观感知结合建立量化的评，主观感知结果不稳定，导致粗糙度评价不准确的问题。本专利技术具体采用以下技术方案解决上述技术问题：一种基于信号检测论的纹理粗糙度量化评价方法，包括以下步骤：步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验，记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率；步骤2、根据感知后虚报纹理概率和感知后正确回答纹理概率，结合所感知不同纹理样本的客观纹理参数，计算得到粗糙度辨别力指标；步骤3、根据所感知不同纹理样本的客观纹理参数与粗糙度辨别力指标之间的相关性，以所感知不同纹理样本的客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出，建立纹理粗糙度感知评价模型，并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重；步骤4、将待评价的客观纹理参数代入求得权重后的纹理粗糙度感知评价模型，及输出得到对应的纹理粗糙度量化值。进一步地，作为本专利技术的一种优选技术方案，所述步骤1中不同纹理样本包括标准纹理样本和带噪声纹理样本。进一步地，作为本专利技术的一种优选技术方案，所述步骤2中不同纹理样本的客观纹理参数包括纹理信号分布和纹理噪声分布。进一步地，作为本专利技术的一种优选技术方案，所述步骤2中计算得到粗糙度辨别力指标，采用公式：d′粗糙度＝Z击中-Z虚报其中，d′粗糙度为粗糙度辨别力指标，Z虚报与Z击中分别为感知后虚报纹理概率和感知后正确回答纹理概率。进一步地，作为本专利技术的一种优选技术方案：，所述步骤3中建立纹理粗糙度感知评价模型，具体为：其中，R为纹理粗糙度量化值，H为纹理高度，L为纹理空间周期，D为纹理颗粒大小，k1为模型中的偏量权重系数，k2为模型中非线性根式分量的权重系数，k3为模型中变量H的权重系数，k4为模型中线性变量L的权重系数，k5为模型中非线性指数分量的权重系数。本专利技术采用上述技术方案，能产生如下技术效果：本专利技术，首先通过信号检测论方法，进行不同纹理客观参数的粗糙度感知心理物理学实验，计算辨别力指标以量化主观感知结果；其次，分析粗糙度辨别力指标与纹理客观参数之间的相关性，根据相关性强弱确定客观参数在粗糙度感知评价模型中的表达形式；最后利用非线性最小二乘法计算客观参数在模型中的权重大小k1,k2,k3,k4,k5，建立纹理粗糙度感知评价模型，是以纹理的客观参数的纹理空间周期L、纹理高度H、纹理颗粒大小D为输入，粗糙度主观感知结果中基于信号检测论的粗糙度量化值R为输出的感知模型。利用信号检测论的心理学实验方法获取主观感知结果，以辨别力指标作为粗糙度主观感知结果的度量，有效增加了在有限实验对象情况下主观感知结果的稳定性，提高了评价的准确性，为建立粗糙度主观感知评价模型提供了一种新的思路。与现有技术相比，本专利技术具有以下优点：本专利技术是基于主观感知结果建立的粗糙度感知评价模型，评价结果更符合人体主观感知。利用信号检测论的心理学实验方法量化主观感知结果，以辨别力指标作为主观感知衡量参数，使得在有限的实验对象、实验次数下主观感知结果更稳定。根据恒定刺激的方法做预实验，分析人体粗糙度感知阈值范围，并知道信号检测论的参数水平设置，使得信号检测论实验设计合理性提高，可广泛应用在机械手对纹理粗糙度感知预测中。附图说明图1为本专利技术的基于信号检测论的纹理粗糙度量化评价方法的原理示意图。图2为本专利技术感知实验中纹理样本示意图。图3为本专利技术感知实验中实施者实验状态示意图。具体实施方式下面结合说明书附图对本专利技术的实施方式进行描述。如图1所示，本专利技术设计了一种基于信号检测论的纹理粗糙度量化评价方法，该方法以纹理空间周期L、纹理高度H、纹理颗粒大小D为例，利用信号检测论设计粗糙度感知实验，并通过辨别力指标计算量化粗糙度感知结果。利用ANOVA相关性分析纹理客观参数与辨别力指标之间的相关性强弱，及利用非线性最小二乘法计算各个客观纹理参数权重大小，建立粗糙度感知评价模型。本方法具体包括以下步骤：步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验，记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率。本专利技术中本文档来自技高网...

【技术保护点】
1.一种基于信号检测论的纹理粗糙度量化评价方法，其特征在于，包括以下步骤：步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验，记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率；步骤2、根据感知后虚报纹理概率和感知后正确回答纹理概率，结合所感知不同纹理样本的客观纹理参数，计算得到粗糙度辨别力指标；步骤3、根据所感知不同纹理样本的客观纹理参数与粗糙度辨别力指标之间的相关性，以所感知不同纹理样本的客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出，建立纹理粗糙度感知评价模型，并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重；步骤4、将待评价的客观纹理参数代入求得权重后的纹理粗糙度感知评价模型，及输出得到对应的纹理粗糙度量化值。

【技术特征摘要】
1.一种基于信号检测论的纹理粗糙度量化评价方法，其特征在于，包括以下步骤：步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验，记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率；步骤2、根据感知后虚报纹理概率和感知后正确回答纹理概率，结合所感知不同纹理样本的客观纹理参数，计算得到粗糙度辨别力指标；步骤3、根据所感知不同纹理样本的客观纹理参数与粗糙度辨别力指标之间的相关性，以所感知不同纹理样本的客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出，建立纹理粗糙度感知评价模型，并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重；步骤4、将待评价的客观纹理参数代入求得权重后的纹理粗糙度感知评价模型，及输出得到对应的纹理粗糙度量化值。2.根据权利要求1所述基于信号检测论的纹理粗糙度量化评价方法，其特征在于，所述步骤1中不...

【专利技术属性】
技术研发人员：吴涓，吴淼，邵知宇，欧阳强强，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32