齿轮视觉测量是以光学影像法为基础的一种实时齿轮并行测量技术,与测量仪器精密化、集成化、智能化的发展趋势相适应。边缘定位是决定齿轮视觉测量系统测量精度的关键因素之一。在对齿廓表面进行严格清洗的前提下,测量环境、操作方式等因素也会使得待测齿轮齿廓表面受到灰尘、油污等杂质的污染,造成齿轮视觉测量获取的待测齿轮图像齿廓边缘位置发生改变、产生粗大误差,对齿廓边缘提取精度产生直接影响,进而影响了齿轮视觉测量精度。如何对齿轮视觉测量获取的原始信息进行数据处理,更好地消除外部干扰对齿轮视觉测量信息的影响,提高齿轮视觉测量方式的耐环境性和测量真实性是机械制造行业齿轮视觉测量领域亟待解决的问题之一。为了解决齿廓视觉测量图像边缘失真影响齿距偏差视觉测量精度问题,本文以齿轮视觉测量图像边缘失真补偿技术为研究目标,在二维待测齿轮视觉测量图像边缘信号转化为齿廓边缘法向偏距一维信号的基础上,进行齿廓视觉测量图像边缘失真区域判别、面向失真补偿的边缘失真分类和基于相邻同名齿廓相似性的局部失真区域信号补偿的算法研究,主要完成下述工作:（1）根据渐开线直齿圆柱齿轮的渐开线特性,通过待测齿轮视觉测量图像位置信息与灰度信息的特征级多源数据融合,进行图像分割及齿廓图像边缘过渡带像素点信息处理;建立齿廓边缘过渡带内像素点法向偏距与其极径的映射关系,将二维待测齿轮视觉测量图像边缘信号转换为齿廓边缘法向偏距的一维信号。（2）根据渐开线直齿圆柱齿轮本身的精度特点,改进小波包分解重构方法、提出齿廓边缘信号变权重小波包分解重构算法,实现齿廓边缘信号μk提取。将齿廓边缘信号μk分解为齿廓边缘动态分量信号μk和齿廓平均迹线信号εk。在齿廓边缘信号变权重小波包分解重构算法基础上设计变阈值迭代逼近算法,实现了齿廓图像边缘失真区域判别,满足了齿廓图像边缘失真信号补偿的定位精度要求。（3）根据失真补偿的需要,将齿廓图像边缘失真信号定义为正常型、忽略型、报警型、剔除型、补偿型五种类型。基于齿廓图像失真信号的高维、小样本和不可分特性,提出一种基于最优分类特征的偏二叉树孪生支持向量机多分类算法,实现了齿廓图像边缘失真信号分类,满足“按需补偿”的齿廓图像边缘失真信号补偿需求。（4）基于相邻同名齿廓的相似性分析,进行了边缘失真信号补偿算法研究。根据渐开线直齿圆柱齿轮相邻同名齿廓相似性和支持向量机回归分析原理,提出两种齿廓视觉测量图像边缘失真区域补偿算法:基于相邻同名齿廓均值的失真区域补偿算法和失真区域支持向量机回归补偿算法。失真区域信号补偿后构建的齿廓边缘修正信号进行相对法分度圆齿距测量,解决了边缘失真信号影响相对法分度圆齿距测量精度的问题,提高了齿轮视觉测量精度。齿轮视觉测量试验表明:在变权重小波包分解与信号重构算法拟合齿廓边缘位置的基础上,变阈值迭代逼近算法可快速自动识别图像失真区域。失真区域边界的径向定位精度达到2.5像素（50μm）,能够满足图像边缘失真补偿的定位精度要求。在小样本齿廓图像失真非平稳瞬态信号数据条件下,基于最优分类特征的偏二叉树孪生支持向量机多分类算法的齿廓图像边缘失真分类准确率达96.96%,可满足后续“按需补偿”的失真信号补偿要求。基于相邻同名齿廓均值的失真区域补偿算法和失真区域支持向量机回归补偿算法获取的失真区域边缘补偿信号与该齿廓清洗后未出现边缘失真时的测量信号相比较,误差在3μm内;利用失真区域信号补偿后构建的齿廓边缘修正信号进行相对法分度圆齿距测量,与通过无边缘失真的齿廓边缘信号的测量结果相比较,误差在2μm内,解决了齿廓视觉测量图像边缘失真影响齿轮视觉测量精度问题,提高了齿轮视觉测量的实时性、耐环境性和测量数据真实性,可用于齿轮加工制造或产品验收过程中的生产检验和成品测试。