散斑法是表面粗糙度测量领域的研究热点之一，该方法可以通过建立散斑图像特征参数与表面粗糙度评定参数之间的关系，实现对工件表面粗糙度的高效和无损测量。然而，该方法在特征参数选取阶段缺乏统一的标准，工件的机加工方法也会对特征参数和表面粗糙度评定参数之间的关系产生影响。这可能导致选取的特征参数仅适用于某种加工工艺下的表面粗糙度测量，并且特征参数之间还可能存在冗余问题。针对以上问题，文中从采集的激光散斑图像中提取了多个特征参数，引入斯皮尔曼相关系数，制定简约规则对提取的特征参数进行预筛选，提出了改进的序列后向选择算法以剔除冗余特征。实验结果表明：文中提出的方法筛选出了一组与不同加工工艺的表面粗糙度均强相关的特征，并解决了特征冗余问题，利用这组特征建立的表面粗糙度测量模型能100%识别试件的加工类型，并实现对其表面粗糙度较高精度的测量，改进的序列后向选择算法将平磨、卧铣、立铣和研磨试件表面粗糙度测量模型的平均绝对百分比误差分别降低了1.22%、0.62%、4.99%和1.61%，解决特征冗余问题的同时建立的模型性能更优。