• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    改進(jìn)的PCNN模型在多光譜與全色圖像融合中的應(yīng)用研究

    2014-03-05 18:27:04段先華操佳佳劉佳
    現(xiàn)代電子技術(shù) 2014年3期
    關(guān)鍵詞:圖像融合

    段先華+操佳佳+劉佳

    摘 要: 介紹了PCNN模型原理,提出了基于雙通道自適應(yīng)的PCNN多光譜與全色圖像融合算法。該算法首先將RGB空間的多光譜圖像轉(zhuǎn)換為HSV彩色空間,然后將HSV彩色空間中的非彩色通道(V通道)的灰度像素值和全色圖像的像素灰度值分別作為PCNN?1及PCNN?2的神經(jīng)元輸入,利用方向性信息作為自適應(yīng)鏈接強(qiáng)度系數(shù),對非彩色通道圖像和全色圖像進(jìn)行自適應(yīng)分解,再將點(diǎn)火時間序列送入判決因子得到新的非彩色通道圖像,最后將原多光譜圖像的H通道分量、S通道分量及新的V通道分量經(jīng)HSV空間逆變換獲得最終的融合圖像。實(shí)驗(yàn)結(jié)果表明,該算法不僅解決了鏈接強(qiáng)度系數(shù)自動設(shè)置的問題,而且充分考慮到圖像邊緣和方向特征的影響,無論在主觀視覺效果,還是客觀評價(jià)標(biāo)準(zhǔn)上均優(yōu)于IHS、PCA、小波融合等其他圖像融合算法,同時降低了計(jì)算復(fù)雜度。

    關(guān)鍵詞: 遙感圖像; 圖像融合; PCNN模型; HSV彩色空間

    中圖分類號: TN911.73?34 文獻(xiàn)標(biāo)識碼: A 文章編號: 1004?373X(2014)03?0055?06

    Application research of modified PCNN model in multispectral

    and panchromatic images fusion

    DUAN Xian?hua, CAO Jia?jia, LIU Jia

    (College of Computer Science and Engineering, Jiangsu University of Science and Technology, Zhenjiang 212003, China)

    Abstract: The principle of PCNN model is introduced, and an image fusion algorithm of multispectral and panchromatic based on adaptive dual?channel PCNN is proposed. Firstly the multispectral image of RGB space is converted to HSV color space, and then the gray level of achromatic channel (channel V) in HSV color space and gray level of panchromatic images are entered as PCNN?1 and PCNN?2 neurons respectively, using orientation information as an adaptive link strength factor to achieve adaptive decomposition for achromatic channel and panchromatic images. The duration of ignition sequence is sent to judgment factor to get new of achromatic channel image. Finally the final fused image is obtained through HSV space inverse transformation of H channel component, S Channel component and new V?channel component of original multispectral image. Experimental results show that the algorithm not only solved the problem of automatically setting linking strength factor, but also took full account of the effect of image edge and directional characteristics. No matter the subjective visual effect, or objective evaluation standards they are all better than other image fusion algorithms such as IHS, PCA, wavelet transform image fusion, the computational complexity is reduced in the meantime.

    Keywords: remote sensing image; image fusion; PCNN model; HSV color space

    0 引 言

    多光譜圖像具有較高的光譜分辨率和較低的空間分辨率,全色圖像的空間分辨率較高,但具有較低的光譜分辨率。在遙感應(yīng)用領(lǐng)域,有時會要求圖像的空間分辨率和光譜分辨率都比較高,但由于技術(shù)條件的限制,很難提供這樣的數(shù)據(jù)。因此,為了獲得較高的空間分辨率同時保留多光譜圖像的光譜特性,將多光譜圖像和全色圖像進(jìn)行融合成為了圖像融合領(lǐng)域的研究熱點(diǎn)。自 20 世紀(jì)研究者們開始對遙感圖像融合技術(shù)關(guān)注以來,針對多光譜與全色圖像融合提出了大量算法,大致可分為兩大類[1]:基于彩色空間分量替換的融合方法和基于多分辨率分析的融合方法?;诓噬臻g分量替換的融合一般是在圖像的像素灰度空間上進(jìn)行融合,如 IHS[2]、Brovey[3]及 PCA變換法[4]等均屬于此類算法。而基于多分辨率分析的融合是先對待融合的多源圖像進(jìn)行圖像變換,對變換后的系數(shù)進(jìn)行重新組合,依據(jù)分解方式不同可分為基于金字塔變換的融合算法、基于小波變換的融合算法以及基于多尺度幾何變換的融合算法[5]?;诓噬臻g分量替換和基于多分辨率分析的融合算法是通過特征點(diǎn)的融合增強(qiáng)來獲取關(guān)于目標(biāo)或區(qū)域更完整的信息,多用于像素級的圖像融合。與像素級融合相比,決策級融合更完善,實(shí)時性最好[6]。決策級圖像融合是指對來自不同傳感器的多幅圖像信息進(jìn)行邏輯或統(tǒng)計(jì)推理的過程。首先對獲取的多傳感器圖像進(jìn)行處理,然后得出各自的決策,最后再根據(jù)一定的融合規(guī)則作出最優(yōu)的結(jié)論。目前,基于神經(jīng)網(wǎng)絡(luò)的決策級融合算法是研究的熱點(diǎn)。脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)作為單層模型的神經(jīng)網(wǎng)絡(luò),不需要訓(xùn)練過程即可實(shí)現(xiàn)模式識別、圖像分割及目標(biāo)分類等,因此非常適合實(shí)時的圖像融合處理[7]。Wei Li等人提出了一種基于小波包分解與PCNN相結(jié)合的圖像融合方法[8],它將PCNN網(wǎng)絡(luò)的脈沖輸出量作為圖像融合的準(zhǔn)則,但實(shí)驗(yàn)結(jié)果表明該方法融合圖像后易出現(xiàn)邊緣移位的現(xiàn)象。武治國等人設(shè)計(jì)實(shí)現(xiàn)了一種基于自適應(yīng)PCNN和小波變換的融合技術(shù)[9],該方法充分利用PCNN同步激發(fā)特性,使用小波系數(shù)圖的局部熵作為神經(jīng)元的自適應(yīng)鏈接強(qiáng)度,取得了較好的融合結(jié)果。本文在綜合分析了 PCNN 原理的基礎(chǔ)上,結(jié)合一種直觀的顏色模型(HSV顏色模型),提出一種基于雙通道自適應(yīng)的 PCNN 圖像融合算法。

    1 PCNN模型及其改進(jìn)

    1.1 PCNN模型及其基本原理

    PCNN是一種不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的新型神經(jīng)網(wǎng)絡(luò),它是由若干個神經(jīng)元互相連接而成的反饋型網(wǎng)絡(luò),構(gòu)成PCNN神經(jīng)元是一個綜合的動態(tài)非線性系統(tǒng),它包括接受域、調(diào)制耦合器和脈沖產(chǎn)生器三部分,如圖1所示。同時PCNN模型具有神經(jīng)元捕獲特性,即某神經(jīng)元點(diǎn)火后,會引起亮度與該神經(jīng)元相近的鄰近神經(jīng)元捕獲點(diǎn)火,這是一種自動實(shí)現(xiàn)信息耦合和信息傳遞的過程。

    在PCNN模型中,接受域包括反饋輸入和連接輸入域,分別接受來自其他神經(jīng)元的輸出[Yij]與外部激勵信號[Sij,]然后再經(jīng)漏電容積分及加權(quán)求和后形成反饋輸入信號[Fij]和連接輸入信號[Lij;]對于調(diào)制部分,將來自反饋域和連接域的信號按照非線性原理相乘調(diào)制,得到內(nèi)部活動信號[Uij,]而突觸間的連接強(qiáng)度系數(shù)[β]的取值決定了[Uij]的活躍程度;脈沖產(chǎn)生器將[Uij]與動態(tài)閾值[θij]相比較,若[Uij>θij,]脈沖發(fā)生器打開(稱該神經(jīng)元點(diǎn)火),輸出為1,通過反饋,[θij]在閾值發(fā)生器中迅速提高,當(dāng)其值大于[Uij]時,脈沖發(fā)生器就關(guān)閉了,輸出為0,從而形成了脈沖信號。上述模型每個神經(jīng)元[Nij]的離散數(shù)學(xué)方程表達(dá)式如下:

    [Fij(n)=e-αFF(n-1)+VFklMijklYkl(n-1)+Sij] (1)

    [Lij(n)=e-αLLij(n-1)+VLklWijklYkl(n-1)] (2)

    [Uij(n)=Fij(n)(1+βLij(n))] (3)

    [θij(n)=e-αθθ(n-1)+VθYij(n-1)] (4)

    [Yij(n)=1,Uij(n)θij(n)0,Uij(n)<θij(n)] (5)

    其中:[(i,j)]為神經(jīng)元的標(biāo)號;[k,l]表示與周圍神經(jīng)元連接的范圍;[Fij(n)]是神經(jīng)元在第[n]次迭代時的反饋輸入;[Sij]為外部輸入激勵,通常是點(diǎn)[(i,j)]的像素灰度值;[Lij(n)]是神經(jīng)元的線性連接輸入;[β]為突觸間的連接強(qiáng)度系數(shù);[Uij(n)]是神經(jīng)元的內(nèi)部活動項(xiàng);[θij(n)]為變閾值函數(shù)輸出;[Yij(n)]則是第[n]次迭代時[(i,j)]神經(jīng)元的二值輸出;[Mijkl]和[Wijkl]是神經(jīng)元的突觸連接權(quán)系數(shù)矩陣;[αF,][αL,][αθ]為時間衰減常數(shù),[VF,][VL,][Vθ]為放大系數(shù);[n]表示迭代次數(shù)。

    圖1 PCNN的神經(jīng)元模型

    1.2 PCNN模型的改進(jìn)

    PCNN是一種多參數(shù)的神經(jīng)網(wǎng)絡(luò),其應(yīng)用效果的好壞在很大程度上取決于參數(shù)的設(shè)置,因此就存在最優(yōu)參數(shù)尋找的問題。近年來,對于連接系數(shù)、閾值放大系數(shù)及迭代次數(shù)等參數(shù)設(shè)置仍需通過反復(fù)實(shí)驗(yàn)來逐步設(shè)定,明顯制約著PCNN應(yīng)用的深度和廣度。目前,已有學(xué)者對PCNN參數(shù)自動設(shè)定問題進(jìn)行了深入研究[10?13],主要集中在以下兩類:一類是在固定其他參數(shù)的情況下,只討論某單個參數(shù)的自動設(shè)定方法;另一類是簡化PCNN模型,在減少參數(shù)個數(shù)的情況下,討論其自動設(shè)定方法,這類是現(xiàn)階段研究的熱點(diǎn)。為了彌補(bǔ)PCNN在圖像處理中存在參數(shù)自適應(yīng)差的缺點(diǎn),對傳統(tǒng)模型進(jìn)行簡化和改進(jìn)。假設(shè)神經(jīng)元的反饋輸入[Fij]只接受外部刺激輸入信號[Sij,]則圖1的神經(jīng)元模型采用文獻(xiàn)[14]提出的簡化模型,如圖2所示。

    因此,簡化的PCNN模型中式(1)用下式表示:

    [Fij(n)=Sij] (6)

    為減少計(jì)算量,提高計(jì)算效率,將PCNN每個神經(jīng)元輸出的閾值[θij(n)] 作為神經(jīng)元的輸出,則式(5)表示為:

    [Yij(n)=θij(n),Uij(n)θij(n)0,Uij(n)<θij(n)] (7)

    圖2 PCNN神經(jīng)元的簡化模型

    1.3 自適應(yīng)鏈接強(qiáng)度[β]的確定

    鏈接強(qiáng)度[β]的大小直接關(guān)系到輸入源圖像在最終融合圖像中所占的權(quán)重,因此[β]的選取對PCNN模型的應(yīng)用效果會產(chǎn)生較大的影響。PCNN中鏈接強(qiáng)度[β]應(yīng)與圖像該像素處的特征信息有一定的關(guān)系,這種關(guān)系會隨著圖像特征變化的不同而自適應(yīng)的調(diào)整。本文根據(jù)人眼視覺對方向特征和邊緣等信息更加敏感的特點(diǎn)以及圖像自身擁有的特征明顯和不明顯這兩類差異區(qū)域的基本特性,利用方向性信息作為自適應(yīng)鏈接強(qiáng)度。

    對于給定的一幅圖像[I],第[(i,j)]個像素表示為[I(i,j),]同時定義局部圖像的方向信息[15](Orientation Information)測量如下:

    [O(I(i,j))=dθmax-dθmin] (8)

    [dθmax=max0°θ180°(dθ)] (9)

    [dθmin=min0°θ180°(dθ)] (10)

    [dθ=fAL-fAR] (11)

    [fAL=(i,j)∈ALI(i,j)] (12)

    [fAR=(i,j)∈ARI(i,j)] (13)

    式中:[AL]和[AR]分別代表給定的局域圖像的左右區(qū)域;[lθ]是通過像素[(i,j)]的線,具體說明如圖3所示。通過方向信息測量可以檢測出所有的像素并且計(jì)算出空域的方向角度,為了減少計(jì)算量和復(fù)雜性,在[5×5]滑動窗口中進(jìn)行方向信息的測量。如果一個圖像塊是平滑的,沒有尖銳的邊緣和豐富的紋理,那么方向信息值就很小。所以,利用方向性信息作為自適應(yīng)鏈接強(qiáng)度[β]的數(shù)值是合理的。

    假設(shè)源圖像分別為[I1,][I2;][β1ij,][β2ij]分別是[I1,][I2]對應(yīng)通道的鏈接強(qiáng)度系數(shù),則:

    [β1ij=11+e-ηO(I(i,j))β2ij=11+eηO(I(i,j))] (14)

    其中:[O(I(i,j))=O(I1(i,j))-O(I2(i,j))],[η>0]是一個常數(shù)調(diào)節(jié)因子,用來調(diào)節(jié)鏈接強(qiáng)度[βij]的數(shù)值。若[O(I1)>O(I2),]則圖像鄰域內(nèi)[I1]比[I2]的方向信息明顯,對應(yīng)神經(jīng)元的鏈接強(qiáng)度[βij]就較大,則在最終融合圖像中所占的加權(quán)權(quán)重就越大。因此,根據(jù)圖像鄰域窗內(nèi)像素的方向信息變化情況來自適應(yīng)地調(diào)整PCNN的鏈接強(qiáng)度,從而更符合人眼視覺對邊緣和方向特征等信息更加敏感特點(diǎn),更加有利于提高圖像融合效果。

    圖3 方向信息測量

    2 HSV彩色空間傳遞

    HSV(Hue、Saturation、Value)模型在1978年由Alvy Ray Smith創(chuàng)立,是對RGB色彩空間中點(diǎn)的關(guān)系的表示,它嘗試描述比RGB更準(zhǔn)確的感知顏色聯(lián)系,并仍保持在計(jì)算上簡單。HSV 顏色模型是面向用戶的,對用戶來說是一種直觀的顏色模型,符合人眼對顏色的感覺。

    2.1 RGB空間到HSV空間轉(zhuǎn)換

    由于HSV是設(shè)備依賴的RGB的簡單變換,(H,S,V)三元組定義的顏色依賴于所使用的特定紅色、綠色和藍(lán)色。每個獨(dú)特的RGB設(shè)備都伴隨著一個獨(dú)特的HSV空間。RGB空間與HSV 空間的轉(zhuǎn)換關(guān)系如式(15)~式(17)所示。式中,(r,g,b)分別是一個顏色的紅、綠和藍(lán)分量,max等價(jià)于r,g和b中的最大者,min等于這些值中的最小者。

    [h=0°if max=min60°×g-bmax-min+0°if max=r and gb60°×g-bmax-min+360°if max=r and g

    [s=0if max=0max-minmaxotherwise] (16)

    [v=max] (17)

    2.2 HSV空間到RGB空間轉(zhuǎn)換

    通過式(18)~式(23)把圖像從HSV空間轉(zhuǎn)換到RGB空間。

    [hi=h60 mod 6] (18)

    [f=h60-hi] (19)

    [p=v×(1-s)] (20)

    [q=v×(1-f×s)] (21)

    [t=v×(1-(f×s)×s)] (22)

    [(r,g,b)=(v,t,p)if hi=0(q,v,p)if hi=1(p,v,t)if hi=2(p,q,v)if hi=3(t,p,v)if hi=4(v,p,q)if hi=5] (23)

    3 融合算法實(shí)現(xiàn)過程

    圖4為基于雙通道自適應(yīng) PCNN 的多光譜與全色圖像融合算法的實(shí)現(xiàn)框圖,下面將對此框圖做詳細(xì)描述。

    圖4 雙通道自適應(yīng)PCNN圖像融合示意圖

    3.1 彩色空間轉(zhuǎn)換

    根據(jù) 2.1節(jié)內(nèi)容,利用HSV變換對配準(zhǔn)后的多光譜圖像進(jìn)行RGB?HSV彩色空間轉(zhuǎn)換,將其分解為H(色調(diào))、S(飽和度)、V(亮度)3個通道。

    3.2 雙通道 PCNN 參數(shù)設(shè)置

    選取彩色空間轉(zhuǎn)換后V通道的灰度像素值和全色圖像的像素灰度值分別作為PCNN?1及PCNN?2的神經(jīng)元輸入,每個神經(jīng)元與其3×3鄰域中的其他神經(jīng)元相連,并按式(14)計(jì)算連接系數(shù)[β。]然后將其與反饋輸入和連接輸入加權(quán)到內(nèi)部活動項(xiàng),并積累到超出一個動態(tài)門限,從而產(chǎn)生一個輸出脈沖。每個神經(jīng)元的輸出只有兩種狀態(tài):點(diǎn)火或者不點(diǎn)火。PCNN模型的主要參數(shù)設(shè)置如下:平衡因子[σ=-0.1,]閾值衰減時間值[αE=0.5,]閾值放大系數(shù)[VE=220,][η]= 0.01,輸入的像素值為歸一化后的灰度值。

    3.3 自適應(yīng)融合處理

    根據(jù)上述參數(shù)設(shè)置,將V通道圖像和全色圖像的像素值輸入雙通道PCNN,在PCNN分解結(jié)束后得到輸出點(diǎn)火時間圖[Y1ij、][Y2ij。]然后,將雙通道PCNN分解輸出的點(diǎn)火時間圖[Y1ij]和[Y2ij]輸入到判決因子中,根據(jù)神經(jīng)元點(diǎn)火時間情況判斷目標(biāo)是在V通道圖像中[IA]還是在全色圖像中[IB,]即:

    [F(i,j)=(r,g,b)=IA(i,j),Y1ij(i,j)>Y2ij(i,j)IB(i,j),Y1ij(i,j)

    3.4 彩色空間逆變換

    在進(jìn)行彩色空間逆變換時,原多光譜圖像的彩色通道H和S保持不變,而非彩色通道V被判決因子輸出的灰度融合圖像[F(i,j)]所替代。

    4 實(shí)驗(yàn)結(jié)果分析

    為了測試本文融合算法的有效性,用兩組IKONOS 衛(wèi)星圖像進(jìn)行仿真實(shí)驗(yàn),采用IKNOS 1 m全色和4 m的多光譜數(shù)據(jù),采用最近鄰法進(jìn)行重采樣,避免插值引起的光譜退化,像元分辨率為1 m,完成全色和多光譜數(shù)據(jù)空間上的配準(zhǔn)。并與目前常用的IHS、PCA、小波融合(小波基是長度為13的Daubechies小波基,小波變換級數(shù)[n=3])以及鏈接強(qiáng)度取固定值(0.01,0.03)的方法進(jìn)行融合結(jié)果比較,結(jié)果如圖5,圖6所示。

    在融合效果的客觀評價(jià)中,從信息熵、空間頻率、相關(guān)系數(shù)、光譜扭曲度、偏差指數(shù)5方面進(jìn)行比較。其中,信息熵和光譜扭曲度均取R、G、B三個波段的均值。表1,表2給出了上述各種融合算法所對應(yīng)的客觀評價(jià)結(jié)果。

    表1 第一幅IKONOS衛(wèi)星圖像下不同方法的融合性能評價(jià)

    [融合方法\&信息熵\&空間頻率\&相關(guān)系數(shù)\&光譜扭曲度\&偏差指數(shù)\&IHS\&7.425 6\&27.263 0\&0.721 8\&29.430 1\&0.287 2\&PCA\&7.410 6\&26.681 4\&0.728 4\&27.000 1\&0.255 0\&小波方法\&7.613 5\&26.079 4\&0.769 3\&27.284 8\&0.266 6\&鏈接強(qiáng)度固定\&7.621 4\&29.073 4\&0.769 0\&27.310 3\&0.266 8\&自適應(yīng)鏈接強(qiáng)度\&7.621 2\&29.069 5\&0.893 5\&17.379 0\&0.182 3\&]

    表2 第二幅IKONOS衛(wèi)星圖像下不同方法的融合性能評價(jià)

    [融合方法\&信息熵\&空間頻率\&相關(guān)系數(shù)\&光譜扭曲度\&偏差指數(shù)\&IHS\&7.626 4\&57.287 7\&0.627 0\&36.328 3\&0.695 44\&PCA\&6.934 7\&35.331 1\&0.623 2\&41.237 4\&0.493 41\&小波方法\&7.639 4\&56.519 9\&0.656 6\&33.483 4\&0.579 99\&鏈接強(qiáng)度

    固定\&7.827 0\&64.980 5\&0.651 9\&41.036 1\&0.443 31\&自適應(yīng)鏈接

    強(qiáng)度\&7.673 3\&58.556 4\&0.815 1\&25.331 0\&0.440 49\&]

    從實(shí)驗(yàn)結(jié)果圖5,圖6及表1,表2可以看出,本文提出的融合方法除了在光譜能力保持方面略遜于小波融合方法,其他各項(xiàng)客觀評價(jià)上都明顯優(yōu)于其他算法。綜合視覺分析的主觀評價(jià)得出以下結(jié)論:

    (1) 從信息熵來看,IHS 算法、PCA算法和小波融合算法(圖5(c)~(f)、圖6(c)~(f))在融合圖像信息的提取上沒有改進(jìn)的PCNN模型算法對圖像信息的提取效果好,因?yàn)楦倪M(jìn)的PCNN模型算法是通過相似狀態(tài)神經(jīng)元同步激發(fā)特征來實(shí)現(xiàn)的,因此相比之下信息提取效果更優(yōu)。

    (2) 從空間頻率來看,IHS 算法和 PCA 算法和小波融合算法由于沒有進(jìn)行任何方向性的提取,其邊緣信息的保存量最低,空間活躍程度較小;而改進(jìn)的自適應(yīng) PCNN 融合算法在處理圖像時,其輸出具有尺度和位移不變性,空間活躍程度較大,融合效果更優(yōu)。

    (3) 從相關(guān)系數(shù)、光譜扭曲度、偏差指數(shù)來看,IHS 算法,PCA算法利用全色圖像直接替換第一主分量,與第一主分量圖像的相似程度小,往往不能得到很好的結(jié)果,小波圖像融合是通過特征點(diǎn)的融合來獲取目標(biāo)或區(qū)域更完整的信息,光譜能力保持得較好,而改進(jìn)的 PCNN模型算法由于將全色圖像與第一主分量進(jìn)行了融合,相似程度提高了,融合圖像的光譜能力保持最好。

    (4) 采用自適應(yīng)鏈接強(qiáng)度的算法,除了信息熵和空間頻率略低于取固定值(0.01,0.03)鏈接強(qiáng)度的算法,其他指標(biāo)包括相關(guān)系數(shù)、光譜扭曲度和偏差系數(shù)要明顯好于取固定值的鏈接強(qiáng)度。而且固定值是經(jīng)過反復(fù)試驗(yàn)對比后確定的,通用性比較差。所以,根據(jù)圖像本身來自適應(yīng)地取鏈接強(qiáng)度更具有通用性。

    5 結(jié) 論

    本文在綜合分析了PCNN原理的基礎(chǔ)上,結(jié)合一種直觀的顏色模型(HSV顏色模型),提出一種基于雙通道自適應(yīng)的PCNN多光譜與全色圖像融合算法。該算法首先將RGB空間的多光譜圖像轉(zhuǎn)換為HSV彩色空間,然后通過簡化傳統(tǒng)的PCNN模型及利用方向性信息作為自適應(yīng)鏈接強(qiáng)度系數(shù)對全色圖像和HSV彩色空間中的非彩色通道(V通道)圖像進(jìn)行自適應(yīng)分解,再將點(diǎn)火時間序列送入判決因子得到新的非彩色通道圖像,最后將原多光譜圖像的H通道分量、S通道分量及新的V通道分量經(jīng)HSV空間逆變換獲得最終的融合圖像。實(shí)驗(yàn)結(jié)果表明,該算法不僅解決了傳統(tǒng)PCNN模型用于圖像處理時參數(shù)過多且無法自動設(shè)置的問題,而且充分考慮到像素間的相關(guān)性及噪聲突變影響,無論在主觀視覺效果,還是客觀評價(jià)標(biāo)準(zhǔn)上均優(yōu)于IHS、PCA等其他圖像融合算法,同時降低了計(jì)算復(fù)雜度。

    參考文獻(xiàn)

    [1] 周前祥,敬忠良,姜世忠.不同光譜與空間分辨率遙感圖像融合方法的理論研究[J].遙感技術(shù)應(yīng)用,2003,18(1):41?46.

    [2] CHIBANI Y, HOUACINE A. The joint use of IHS transform and redundant wavelet decomposition for fusing multispectral and panchromatic images [J]. International Journal of Remote Sensing, 2002, 23(18): 3821?3833.

    [3] ZHANG Y. A new merging method and its spectral and spatial effects [J]. International Journal of Remote Sensing, 1999, 20(10): 2003?2014.

    [4] JIA Y H. Fusion of Landsat TM and SAR images based on principal component analysis [J]. Remote Sensing Technology and Application, 1998, 13(1): 46?49.

    [5] 焦李成,譚山.圖像的多尺度幾何分析:回顧和展望[J].電子學(xué)報(bào),2003,31(12A):1975?1981.

    [7] 史飛.脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用研究[D].蘭州:蘭州大學(xué),2003.

    [8] 武治國,王延杰,李桂菊.應(yīng)用小波變換的自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用[J].光學(xué)精密工程,2010,18(3):708?715.

    [9] 李玲玲,丁明躍,周成平,等.一種基于提升小波變換的快速圖像融合方法[J].小型微型計(jì)算機(jī)系統(tǒng),2005,26(4):667?670.

    [10] 苗啟廣,王寶樹.基于局部對比度的自適應(yīng) PCNN 圖像融合[J].計(jì)算機(jī)學(xué)報(bào),2008,31(5):875?880.

    [11] WANG Zhao?bin, MA Yi?de. Dual?channel PCNN and its application in the field of image fusion [C]// Proceedings of 3rd International Conference on Natural Computation. Haikou, China: ICNC, 2007, 1: 755?759.

    [12] 李敏,蔡騁,談?wù)?基于修正PCNN的多傳感器圖像融合方法[J].中國圖象圖形學(xué)報(bào),2008,13(2):284?290.

    [13] 苗啟廣,王寶樹.一種自適應(yīng)PCNN多聚焦圖像融合新算法[J].電子信息學(xué)報(bào),2006,28(3):466?470.

    [14] CHAI Y, LI H F, GUO M Y. Multifocus image fusion scheme based on features of multiscale products and PCNN in lifting stationary wavelet domain [J]. Optics Communications, 2011, 284(5): 1146?1158.

    [15] WANG Xin?nian, LIANG De?qun. Orientation information measure based image restoration [C]// Proceedings of 2003 International Conference on Machine Learning and Cybernetics. Xian, China: ICMLC, 2003, 5: 2925?2930.

    [7] 史飛.脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用研究[D].蘭州:蘭州大學(xué),2003.

    [8] 武治國,王延杰,李桂菊.應(yīng)用小波變換的自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用[J].光學(xué)精密工程,2010,18(3):708?715.

    [9] 李玲玲,丁明躍,周成平,等.一種基于提升小波變換的快速圖像融合方法[J].小型微型計(jì)算機(jī)系統(tǒng),2005,26(4):667?670.

    [10] 苗啟廣,王寶樹.基于局部對比度的自適應(yīng) PCNN 圖像融合[J].計(jì)算機(jī)學(xué)報(bào),2008,31(5):875?880.

    [11] WANG Zhao?bin, MA Yi?de. Dual?channel PCNN and its application in the field of image fusion [C]// Proceedings of 3rd International Conference on Natural Computation. Haikou, China: ICNC, 2007, 1: 755?759.

    [12] 李敏,蔡騁,談?wù)?基于修正PCNN的多傳感器圖像融合方法[J].中國圖象圖形學(xué)報(bào),2008,13(2):284?290.

    [13] 苗啟廣,王寶樹.一種自適應(yīng)PCNN多聚焦圖像融合新算法[J].電子信息學(xué)報(bào),2006,28(3):466?470.

    [14] CHAI Y, LI H F, GUO M Y. Multifocus image fusion scheme based on features of multiscale products and PCNN in lifting stationary wavelet domain [J]. Optics Communications, 2011, 284(5): 1146?1158.

    [15] WANG Xin?nian, LIANG De?qun. Orientation information measure based image restoration [C]// Proceedings of 2003 International Conference on Machine Learning and Cybernetics. Xian, China: ICMLC, 2003, 5: 2925?2930.

    [7] 史飛.脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用研究[D].蘭州:蘭州大學(xué),2003.

    [8] 武治國,王延杰,李桂菊.應(yīng)用小波變換的自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用[J].光學(xué)精密工程,2010,18(3):708?715.

    [9] 李玲玲,丁明躍,周成平,等.一種基于提升小波變換的快速圖像融合方法[J].小型微型計(jì)算機(jī)系統(tǒng),2005,26(4):667?670.

    [10] 苗啟廣,王寶樹.基于局部對比度的自適應(yīng) PCNN 圖像融合[J].計(jì)算機(jī)學(xué)報(bào),2008,31(5):875?880.

    [11] WANG Zhao?bin, MA Yi?de. Dual?channel PCNN and its application in the field of image fusion [C]// Proceedings of 3rd International Conference on Natural Computation. Haikou, China: ICNC, 2007, 1: 755?759.

    [12] 李敏,蔡騁,談?wù)?基于修正PCNN的多傳感器圖像融合方法[J].中國圖象圖形學(xué)報(bào),2008,13(2):284?290.

    [13] 苗啟廣,王寶樹.一種自適應(yīng)PCNN多聚焦圖像融合新算法[J].電子信息學(xué)報(bào),2006,28(3):466?470.

    [14] CHAI Y, LI H F, GUO M Y. Multifocus image fusion scheme based on features of multiscale products and PCNN in lifting stationary wavelet domain [J]. Optics Communications, 2011, 284(5): 1146?1158.

    [15] WANG Xin?nian, LIANG De?qun. Orientation information measure based image restoration [C]// Proceedings of 2003 International Conference on Machine Learning and Cybernetics. Xian, China: ICMLC, 2003, 5: 2925?2930.

    猜你喜歡
    圖像融合
    基于區(qū)域匹配度的拉普拉斯金字塔圖像融合算法
    基于小波變換的多模態(tài)醫(yī)學(xué)圖像的融合方法
    PCA與小波變換的ECT圖像融合方法
    灰色關(guān)聯(lián)度在紅外與微光圖像融合質(zhì)量評價(jià)中的應(yīng)用研究
    林火安防預(yù)警與應(yīng)急處理系統(tǒng)設(shè)計(jì)
    基于Matlab的遙感圖像IHS小波融合算法的并行化設(shè)計(jì)
    科技視界(2016年11期)2016-05-23 08:13:35
    Contourlet變換系數(shù)加權(quán)的醫(yī)學(xué)圖像融合
    科技視界(2015年30期)2015-10-22 10:32:37
    一種新的IHS圖像多次融合的方法
    農(nóng)業(yè)物聯(lián)網(wǎng)雙光譜熱成像圖像融合模型設(shè)計(jì)
    基于壓縮感知的圖像融合方法
    国产成人福利小说| 久久人人爽人人爽人人片va| 亚洲人成网站在线播| 综合色丁香网| 春色校园在线视频观看| 1024手机看黄色片| 国产乱来视频区| 简卡轻食公司| 天天躁日日操中文字幕| 久久久久网色| 人妻少妇偷人精品九色| 精品99又大又爽又粗少妇毛片| 免费av观看视频| 身体一侧抽搐| 在线观看一区二区三区| 国产精品三级大全| 一个人观看的视频www高清免费观看| 97在线视频观看| 国产亚洲5aaaaa淫片| 精品国产三级普通话版| 日韩精品有码人妻一区| 日韩一区二区三区影片| 成人av在线播放网站| 99久久成人亚洲精品观看| 欧美激情国产日韩精品一区| 一级黄色大片毛片| 三级男女做爰猛烈吃奶摸视频| 亚洲人成网站在线观看播放| 国产亚洲5aaaaa淫片| 国产高清不卡午夜福利| 精品一区二区三区人妻视频| 精品一区二区三区人妻视频| 男女啪啪激烈高潮av片| 国产精品福利在线免费观看| 国内揄拍国产精品人妻在线| 久久人人爽人人爽人人片va| 嫩草影院新地址| 久久久久网色| 欧美3d第一页| 亚洲久久久久久中文字幕| 午夜精品一区二区三区免费看| 国产一区有黄有色的免费视频 | av又黄又爽大尺度在线免费看 | 男人的好看免费观看在线视频| 丰满少妇做爰视频| 国产黄色视频一区二区在线观看 | 91午夜精品亚洲一区二区三区| 国产高潮美女av| 日韩av在线免费看完整版不卡| av在线观看视频网站免费| 免费看a级黄色片| 免费av毛片视频| 国产成人福利小说| 天天躁日日操中文字幕| 欧美色视频一区免费| 非洲黑人性xxxx精品又粗又长| 亚洲成人久久爱视频| 麻豆成人午夜福利视频| 久久国内精品自在自线图片| 六月丁香七月| 搡老妇女老女人老熟妇| 午夜亚洲福利在线播放| 最近手机中文字幕大全| 在线免费十八禁| 最近的中文字幕免费完整| 99热全是精品| 亚洲图色成人| 国产午夜精品一二区理论片| 高清视频免费观看一区二区 | 中文字幕人妻熟人妻熟丝袜美| 欧美成人免费av一区二区三区| 桃色一区二区三区在线观看| 蜜桃亚洲精品一区二区三区| 高清在线视频一区二区三区 | 黄色日韩在线| 精品国产一区二区三区久久久樱花 | 热99re8久久精品国产| 国产69精品久久久久777片| 欧美成人午夜免费资源| 夜夜爽夜夜爽视频| av在线亚洲专区| 久久亚洲国产成人精品v| 亚洲av二区三区四区| 2021天堂中文幕一二区在线观| 91av网一区二区| 麻豆国产97在线/欧美| 最近中文字幕高清免费大全6| 91久久精品国产一区二区成人| 日本欧美国产在线视频| 国产麻豆成人av免费视频| 干丝袜人妻中文字幕| 国产又黄又爽又无遮挡在线| 国产又黄又爽又无遮挡在线| 国产日韩欧美在线精品| 欧美变态另类bdsm刘玥| 亚洲国产高清在线一区二区三| 亚洲自拍偷在线| 久久亚洲精品不卡| 99久久中文字幕三级久久日本| 精品午夜福利在线看| 欧美激情在线99| 亚洲综合精品二区| 成人av在线播放网站| 亚洲av不卡在线观看| 青春草视频在线免费观看| 日韩,欧美,国产一区二区三区 | 国国产精品蜜臀av免费| 国产免费视频播放在线视频 | 欧美色视频一区免费| 极品教师在线视频| 成人美女网站在线观看视频| 少妇的逼水好多| 麻豆成人av视频| 波野结衣二区三区在线| 永久网站在线| 亚洲欧美精品专区久久| 又粗又硬又长又爽又黄的视频| 搡老妇女老女人老熟妇| 秋霞伦理黄片| 日韩欧美在线乱码| 夫妻性生交免费视频一级片| 国产av在哪里看| 搡女人真爽免费视频火全软件| 国产成年人精品一区二区| 亚洲高清免费不卡视频| 欧美成人免费av一区二区三区| 美女被艹到高潮喷水动态| h日本视频在线播放| 亚洲成色77777| 91久久精品电影网| 亚洲av成人精品一二三区| 国产国拍精品亚洲av在线观看| 一级毛片久久久久久久久女| 久久久久网色| 亚洲欧美精品综合久久99| 午夜免费男女啪啪视频观看| 国产精品99久久久久久久久| 日本免费在线观看一区| 亚洲精品日韩在线中文字幕| 国产精品久久久久久精品电影| 国产黄色小视频在线观看| 免费黄色在线免费观看| 精品人妻一区二区三区麻豆| 欧美日本视频| 亚洲电影在线观看av| 久久欧美精品欧美久久欧美| 国产一区亚洲一区在线观看| 少妇猛男粗大的猛烈进出视频 | 男女啪啪激烈高潮av片| 亚洲成人精品中文字幕电影| 美女大奶头视频| 久久久久久久午夜电影| 男女视频在线观看网站免费| 啦啦啦啦在线视频资源| 欧美97在线视频| 欧美区成人在线视频| 久久精品国产自在天天线| 亚洲精品国产成人久久av| 乱系列少妇在线播放| 亚洲在线观看片| 精品国产一区二区三区久久久樱花 | 久久鲁丝午夜福利片| 日韩欧美 国产精品| 亚洲av男天堂| 噜噜噜噜噜久久久久久91| 久久韩国三级中文字幕| 亚洲国产精品成人综合色| 在现免费观看毛片| 中文字幕精品亚洲无线码一区| 国产91av在线免费观看| 午夜福利网站1000一区二区三区| 狠狠狠狠99中文字幕| videos熟女内射| 久久久亚洲精品成人影院| 偷拍熟女少妇极品色| 亚洲图色成人| 村上凉子中文字幕在线| 一级毛片我不卡| a级一级毛片免费在线观看| 亚洲精品成人久久久久久| 一本久久精品| 色5月婷婷丁香| 亚洲怡红院男人天堂| av女优亚洲男人天堂| 特级一级黄色大片| 天堂√8在线中文| 欧美3d第一页| av在线蜜桃| 国产黄色小视频在线观看| 老女人水多毛片| 欧美又色又爽又黄视频| 春色校园在线视频观看| 两性午夜刺激爽爽歪歪视频在线观看| 变态另类丝袜制服| 直男gayav资源| 国产爱豆传媒在线观看| 嫩草影院新地址| 成人美女网站在线观看视频| 久久精品夜夜夜夜夜久久蜜豆| 久久久国产成人免费| 亚洲欧美日韩东京热| 国产男人的电影天堂91| 欧美成人午夜免费资源| 中文欧美无线码| 男插女下体视频免费在线播放| 久久亚洲国产成人精品v| 久久久久久伊人网av| 久久久久性生活片| 国产女主播在线喷水免费视频网站 | 卡戴珊不雅视频在线播放| 精品国内亚洲2022精品成人| 亚洲成人中文字幕在线播放| 51国产日韩欧美| av天堂中文字幕网| 在线观看美女被高潮喷水网站| 真实男女啪啪啪动态图| 国产不卡一卡二| 99在线视频只有这里精品首页| www.av在线官网国产| 床上黄色一级片| 免费黄网站久久成人精品| 精品人妻偷拍中文字幕| 美女cb高潮喷水在线观看| 特级一级黄色大片| 男女国产视频网站| 成人美女网站在线观看视频| 亚洲国产精品专区欧美| 国产精品蜜桃在线观看| 欧美日本亚洲视频在线播放| 精品人妻熟女av久视频| av天堂中文字幕网| 视频中文字幕在线观看| 欧美高清成人免费视频www| 日日撸夜夜添| 免费黄网站久久成人精品| 日韩精品青青久久久久久| 日韩欧美精品免费久久| 九草在线视频观看| or卡值多少钱| 久久久a久久爽久久v久久| 少妇人妻一区二区三区视频| 插阴视频在线观看视频| 大香蕉久久网| 一个人免费在线观看电影| 青春草视频在线免费观看| 久久精品久久久久久噜噜老黄 | 欧美bdsm另类| 欧美xxxx性猛交bbbb| 欧美日韩综合久久久久久| 一级二级三级毛片免费看| 观看免费一级毛片| 免费播放大片免费观看视频在线观看 | 午夜福利在线在线| 国产精品嫩草影院av在线观看| 国产精品国产高清国产av| 亚洲精品国产成人久久av| 久久人妻av系列| 五月伊人婷婷丁香| 欧美3d第一页| 国产精品国产三级专区第一集| 亚洲欧美清纯卡通| 欧美最新免费一区二区三区| 日韩成人av中文字幕在线观看| 啦啦啦韩国在线观看视频| 久久99热这里只有精品18| 三级毛片av免费| 成人亚洲欧美一区二区av| 国产黄色小视频在线观看| 国产伦精品一区二区三区四那| 亚洲综合色惰| 久久精品国产亚洲av天美| 只有这里有精品99| 在线免费观看不下载黄p国产| 亚洲电影在线观看av| 丝袜美腿在线中文| 伊人久久精品亚洲午夜| 成人漫画全彩无遮挡| 99热精品在线国产| 爱豆传媒免费全集在线观看| 久久久久久久久久久丰满| 2021天堂中文幕一二区在线观| 精品欧美国产一区二区三| 亚洲成色77777| 天美传媒精品一区二区| 国产精品人妻久久久久久| 国产亚洲91精品色在线| 久久久精品大字幕| av又黄又爽大尺度在线免费看 | 亚洲国产精品sss在线观看| 最近2019中文字幕mv第一页| 欧美精品一区二区大全| 亚洲精品国产av成人精品| 欧美不卡视频在线免费观看| 岛国在线免费视频观看| 久久精品国产亚洲av涩爱| 色综合站精品国产| 国产伦精品一区二区三区四那| 免费不卡的大黄色大毛片视频在线观看 | 国产av一区在线观看免费| 亚洲国产精品sss在线观看| 热99re8久久精品国产| 精品一区二区三区人妻视频| 日本欧美国产在线视频| 永久网站在线| 久久久色成人| 1000部很黄的大片| 日韩亚洲欧美综合| 身体一侧抽搐| 午夜精品在线福利| 亚洲第一区二区三区不卡| 亚洲五月天丁香| 日本熟妇午夜| 舔av片在线| 一级毛片aaaaaa免费看小| 亚洲av男天堂| 日韩欧美国产在线观看| 久久久久久伊人网av| 成年av动漫网址| 97人妻精品一区二区三区麻豆| 少妇熟女欧美另类| 国产精品国产三级专区第一集| 国产精品久久久久久精品电影小说 | 青青草视频在线视频观看| 国产色爽女视频免费观看| 日本与韩国留学比较| 成人毛片a级毛片在线播放| 高清午夜精品一区二区三区| av在线播放精品| a级一级毛片免费在线观看| 久久婷婷人人爽人人干人人爱| 99久国产av精品国产电影| 国产在线男女| 国产成人91sexporn| 熟女人妻精品中文字幕| 国产精品1区2区在线观看.| 中国国产av一级| 免费观看精品视频网站| av免费在线看不卡| 国产一级毛片在线| 日韩av在线免费看完整版不卡| 亚洲综合精品二区| 人妻制服诱惑在线中文字幕| 男女国产视频网站| 国产一区有黄有色的免费视频 | 亚洲成人av在线免费| 久久人人爽人人爽人人片va| 九九爱精品视频在线观看| 又粗又爽又猛毛片免费看| 女人十人毛片免费观看3o分钟| 国产一区有黄有色的免费视频 | 级片在线观看| 精品一区二区三区人妻视频| 国国产精品蜜臀av免费| 亚洲精品456在线播放app| 日韩欧美在线乱码| av国产免费在线观看| 欧美激情在线99| 免费看av在线观看网站| 全区人妻精品视频| 青青草视频在线视频观看| 又黄又爽又刺激的免费视频.| 村上凉子中文字幕在线| 国产亚洲av嫩草精品影院| 国产又色又爽无遮挡免| 久久久久久伊人网av| 桃色一区二区三区在线观看| 全区人妻精品视频| 日日干狠狠操夜夜爽| 午夜视频国产福利| 高清日韩中文字幕在线| 建设人人有责人人尽责人人享有的 | 亚洲经典国产精华液单| 黄色配什么色好看| av在线蜜桃| 亚洲国产精品成人综合色| 久久这里有精品视频免费| eeuss影院久久| 欧美成人免费av一区二区三区| 欧美日韩精品成人综合77777| 99久国产av精品| 久久精品国产自在天天线| 国产91av在线免费观看| 国产精品一及| 欧美97在线视频| 床上黄色一级片| 亚洲av中文字字幕乱码综合| 亚洲av电影在线观看一区二区三区 | 综合色丁香网| 免费无遮挡裸体视频| 欧美zozozo另类| 国产黄片美女视频| 99久久精品国产国产毛片| 午夜福利在线观看免费完整高清在| 国内精品宾馆在线| 男女啪啪激烈高潮av片| 久久精品久久久久久久性| 久久国产乱子免费精品| 欧美成人午夜免费资源| 只有这里有精品99| 春色校园在线视频观看| 水蜜桃什么品种好| 国产片特级美女逼逼视频| 日本一本二区三区精品| 日日啪夜夜撸| 18禁在线播放成人免费| 日韩视频在线欧美| 国产 一区精品| 久久精品国产亚洲av涩爱| 一边亲一边摸免费视频| 日本三级黄在线观看| 2021天堂中文幕一二区在线观| 在现免费观看毛片| 黄色日韩在线| 我要搜黄色片| 国产在线男女| 国产精品人妻久久久影院| 亚洲美女搞黄在线观看| 人人妻人人澡欧美一区二区| 成人性生交大片免费视频hd| 最近中文字幕2019免费版| 69人妻影院| kizo精华| 有码 亚洲区| 亚洲在线自拍视频| 亚洲综合色惰| 成人鲁丝片一二三区免费| 亚洲av日韩在线播放| 日日摸夜夜添夜夜爱| 国产毛片a区久久久久| 亚洲高清免费不卡视频| 国产免费一级a男人的天堂| 国产麻豆成人av免费视频| 久久99蜜桃精品久久| 晚上一个人看的免费电影| 久久99热这里只有精品18| 一级爰片在线观看| 亚洲最大成人av| 天天一区二区日本电影三级| 一区二区三区乱码不卡18| 国产熟女欧美一区二区| 亚洲高清免费不卡视频| 九草在线视频观看| 成人毛片a级毛片在线播放| 亚洲真实伦在线观看| 精品一区二区三区视频在线| 我的老师免费观看完整版| 卡戴珊不雅视频在线播放| 国产一区有黄有色的免费视频 | 别揉我奶头 嗯啊视频| 日本五十路高清| 国产淫片久久久久久久久| 中文亚洲av片在线观看爽| 欧美激情在线99| 欧美+日韩+精品| 嫩草影院精品99| av专区在线播放| 中文精品一卡2卡3卡4更新| 最近最新中文字幕大全电影3| 亚洲av成人精品一二三区| 蜜桃亚洲精品一区二区三区| 免费看a级黄色片| 国产麻豆成人av免费视频| 精品一区二区三区人妻视频| 亚洲精品国产av成人精品| 免费av不卡在线播放| 日韩av在线大香蕉| 亚洲国产精品合色在线| 校园人妻丝袜中文字幕| av国产免费在线观看| 99热这里只有精品一区| 久久精品影院6| 尾随美女入室| 天天躁日日操中文字幕| 男的添女的下面高潮视频| 免费看av在线观看网站| 日日撸夜夜添| 久久久欧美国产精品| 成人午夜高清在线视频| 大话2 男鬼变身卡| 成人鲁丝片一二三区免费| 九九久久精品国产亚洲av麻豆| 国产成人精品一,二区| 国产高清国产精品国产三级 | 久久久久网色| 国产真实伦视频高清在线观看| 色尼玛亚洲综合影院| 床上黄色一级片| 搞女人的毛片| 春色校园在线视频观看| av在线观看视频网站免费| av线在线观看网站| 麻豆国产97在线/欧美| 两性午夜刺激爽爽歪歪视频在线观看| 男插女下体视频免费在线播放| 亚洲精品日韩在线中文字幕| 亚洲不卡免费看| 中文精品一卡2卡3卡4更新| 国产午夜精品论理片| 亚洲国产最新在线播放| 又粗又爽又猛毛片免费看| 亚洲国产成人一精品久久久| 国产亚洲91精品色在线| 两性午夜刺激爽爽歪歪视频在线观看| 国产精华一区二区三区| 亚洲乱码一区二区免费版| 天堂影院成人在线观看| 中国国产av一级| .国产精品久久| 亚洲欧美一区二区三区国产| 国内揄拍国产精品人妻在线| 成人一区二区视频在线观看| 日韩成人av中文字幕在线观看| 全区人妻精品视频| 国产亚洲一区二区精品| 美女黄网站色视频| 亚洲无线观看免费| 最近手机中文字幕大全| 日本与韩国留学比较| 日韩欧美国产在线观看| 成人漫画全彩无遮挡| 最近中文字幕2019免费版| 国产中年淑女户外野战色| 成人国产麻豆网| 欧美潮喷喷水| 卡戴珊不雅视频在线播放| 欧美精品一区二区大全| 欧美另类亚洲清纯唯美| 精品久久国产蜜桃| 99久久九九国产精品国产免费| 在线免费十八禁| 亚洲乱码一区二区免费版| 中文字幕亚洲精品专区| 国内揄拍国产精品人妻在线| 成年免费大片在线观看| 亚洲国产精品国产精品| 久久久久精品久久久久真实原创| 蜜桃亚洲精品一区二区三区| av免费观看日本| 欧美极品一区二区三区四区| 欧美日韩精品成人综合77777| 国产av一区在线观看免费| 黑人高潮一二区| 国产午夜精品一二区理论片| 久久99热这里只频精品6学生 | 久久鲁丝午夜福利片| 一二三四中文在线观看免费高清| 女人久久www免费人成看片 | 少妇高潮的动态图| 卡戴珊不雅视频在线播放| 国产伦在线观看视频一区| 少妇裸体淫交视频免费看高清| 欧美最新免费一区二区三区| 欧美激情在线99| h日本视频在线播放| 成人无遮挡网站| h日本视频在线播放| 春色校园在线视频观看| 国产乱人视频| 麻豆乱淫一区二区| 久久99蜜桃精品久久| 久久草成人影院| 色综合亚洲欧美另类图片| 成人美女网站在线观看视频| 久久人人爽人人爽人人片va| 久久久久久久久久成人| 久久韩国三级中文字幕| 熟女电影av网| 亚洲国产色片| 波多野结衣高清无吗| 色视频www国产| 亚洲自拍偷在线| 国产大屁股一区二区在线视频| 高清av免费在线| 国产午夜精品一二区理论片| 欧美性感艳星| 亚洲最大成人中文| 亚洲婷婷狠狠爱综合网| 免费观看在线日韩| 久久精品夜色国产| 亚洲自拍偷在线| 国产精品久久电影中文字幕| 亚洲av男天堂| 免费av观看视频| 国产免费视频播放在线视频 | 日本-黄色视频高清免费观看| 麻豆成人午夜福利视频| av.在线天堂| 日韩亚洲欧美综合| 亚洲激情五月婷婷啪啪| 麻豆av噜噜一区二区三区| 国产不卡一卡二| 中文字幕人妻熟人妻熟丝袜美| av又黄又爽大尺度在线免费看 | 黄片wwwwww| 国产精品久久电影中文字幕| 亚洲av免费在线观看| 久久精品熟女亚洲av麻豆精品 | 免费看光身美女| av视频在线观看入口| 熟妇人妻久久中文字幕3abv| 亚洲婷婷狠狠爱综合网| 三级国产精品欧美在线观看| 国产精品国产三级国产专区5o | 国产精品一二三区在线看| 国产久久久一区二区三区| 黄色一级大片看看| 一级毛片我不卡| 精品人妻偷拍中文字幕| 久99久视频精品免费| 精品国内亚洲2022精品成人| 亚洲国产欧洲综合997久久,| 国产伦精品一区二区三区四那| 欧美性猛交╳xxx乱大交人| 亚洲经典国产精华液单| 99久国产av精品国产电影|