摘要
本发明公开了一种基于高光谱影像纹理特征的路面抗滑性能预测方法及系统,该方法包括:采集路面的机载高光谱影像;对高光谱影像每个波段进行小波变换得到高频分量,以及在高频分量上计算香农熵和能量,进而利用香农熵和能量构建波段得分用以筛选出反映路面特点的光谱特征波段;再基于光谱特征波段的纹理特征筛选纹理参数,形成纹理参数数据集;最终,将纹理参数数据集输入CGS‑XGBoost模型中进行训练并预测出其他未知路面的抗滑性能结果。本发明技术方案拓展了现有评价指标对路表纹理表征的局限性,从宏观影像纹理角度出发预测抗滑性能,避免了传统方法测量区域小的弊端,显著提高了路面抗滑性能预测的准确性及广泛性。
技术关键词
XGBoost模型
影像纹理特征
性能预测方法
机载高光谱
性能预测模型
灰度共生矩阵
路面
超参数
学习器
网格搜索方法
对比度
误差
标签
插值方法
样本
数据
系统为您推荐了相关专利信息
性能指标数据
性能预测模型
模型构建方法
资产配置信息
深度强化学习算法
性能预测模型
采样点
纳米材料
动力学特性数据
构型
可编程交换机
网络流量分类方法
流状态信息
XGBoost模型
特征值
深度学习模型
动态关联分析
XGBoost模型
Sigmoid函数
数据预处理方法