买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长沙理工大学申请的专利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获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120747075B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511223940.1，技术领域涉及：G06T7/00；该发明授权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是由夏清;吴爕桂;张云菲;李斌;郑琼;朱丽红设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一种基于高光谱影像纹理特征的路面抗滑性能预测方法，其特征在于：包括以下步骤： 步骤1：获取路面的机载高光谱影像并裁剪出路面区域，以及测量路面样本点的抗滑性能指标，作为训练标签； 步骤2：筛选光谱特征波段，即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； 其中，针对每个波段通过小波分解得到的每个分解层，均执行：首选，在所述分解层的高频分量上计算出香农熵和能量；然后，计算出分解层对应的得分；接着，对所有分解层的得分进行加权求和，作为波段得分；最后，以所述波段得分筛选光谱特征波段； 其中，分解层对应的得分，E为能量，F为香农熵，是一个极小值； 步骤3：筛选纹理参数，即计算每个光谱特征波段对应高光谱影像的纹理参数，筛选出每个光谱特征波段中与抗滑性能相关性最大的纹理参数，形成纹理参数数据集； 步骤4：构建基于XGBoost模型的路面抗滑性能预测模型，将纹理参数数据集作为模型输入，利用训练标签进行模型训练；其中，引入基于耦合约束的分阶段网格搜索方法优化XGBoost模型的超参数组合得到CGS-XGBoost模型，进而构建出基于CGS-XGBoost模型的路面抗滑性能预测模型，所述超参数组合包括；树深max_depth、基学习器数量T及学习率；具体如下： 首先，采用等间隔步长初始化部分树深max_depth、基学习器数量T及学习率，进而构建多组超参数组合，且定义在固定树深的情况下，学习率与基学习器数量T存在耦合关系：，为常数，表示学习率与基学习器数量的平衡因子； 其次，基于GridSearchCV算法，采用交叉验证对不同超参数组合进行预搜索，计算出各个超参数组合的误差，进而选择误差最小的超参数组合确定每个树深max_depth下的最优值； 接着，基于离散的树深max_depth和对应离散的最优值，使用插值方法将离散的最优值扩展到完整的树深范围； 然后，基于完整的树深范围及对应最优值和学习率，计算出基学习器数量，进而构建出超参数组合集合； 最后，基于GridSearchCV算法，采用交叉验证对超参数组合集合中的超参数组合进行筛选确定最优的超参数组合； 步骤5：将待测路面的机载高光谱影像的纹理参数输入训练后的路面抗滑性能预测模型得到抗滑性能指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙理工大学，其通讯地址为：410000 湖南省长沙市天心区赤岭路45号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。