• <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
    国产精品久久视频播放| 午夜日韩欧美国产| 婷婷成人精品国产| 久久久精品免费免费高清| 国产精品自产拍在线观看55亚洲 | 纯流量卡能插随身wifi吗| av欧美777| 90打野战视频偷拍视频| 午夜老司机福利片| 久久影院123| 757午夜福利合集在线观看| 人人妻,人人澡人人爽秒播| 天堂动漫精品| 久久午夜亚洲精品久久| 免费观看精品视频网站| 在线观看www视频免费| 精品国产一区二区三区四区第35| 国产伦人伦偷精品视频| 首页视频小说图片口味搜索| www日本在线高清视频| 国产深夜福利视频在线观看| 免费高清在线观看日韩| x7x7x7水蜜桃| 中文字幕av电影在线播放| 亚洲中文字幕日韩| 国产av一区二区精品久久| 亚洲国产精品一区二区三区在线| 国产男女内射视频| 一边摸一边抽搐一进一出视频| 午夜影院日韩av| 久久久国产精品麻豆| 别揉我奶头~嗯~啊~动态视频| 亚洲在线自拍视频| 欧美日韩亚洲高清精品| 午夜福利免费观看在线| 久久久精品国产亚洲av高清涩受| 少妇猛男粗大的猛烈进出视频| 久久婷婷成人综合色麻豆| 1024香蕉在线观看| 超色免费av| 在线播放国产精品三级| 麻豆乱淫一区二区| 十八禁网站免费在线| videosex国产| a在线观看视频网站| 日本一区二区免费在线视频| 制服人妻中文乱码| 国产精品久久久久久精品古装| 宅男免费午夜| 亚洲色图 男人天堂 中文字幕| 成人18禁高潮啪啪吃奶动态图| 变态另类成人亚洲欧美熟女 | 国产野战对白在线观看| 一夜夜www| 久久久国产成人精品二区 | 亚洲成人免费av在线播放| 国产一区二区三区在线臀色熟女 | 9191精品国产免费久久| 亚洲精品在线观看二区| 亚洲精品中文字幕一二三四区| 国产区一区二久久| 色老头精品视频在线观看| 啦啦啦免费观看视频1| 黄频高清免费视频| 欧美一级毛片孕妇| 九色亚洲精品在线播放| 99热只有精品国产| 操出白浆在线播放| 美国免费a级毛片| 国产日韩欧美亚洲二区| 高清黄色对白视频在线免费看| 久久草成人影院| 一本大道久久a久久精品| 午夜福利视频在线观看免费| 免费人成视频x8x8入口观看| 制服人妻中文乱码| 黄色 视频免费看| 99国产精品免费福利视频| 两性夫妻黄色片| 黄片播放在线免费| 好男人电影高清在线观看| 成人免费观看视频高清| 女人被狂操c到高潮| 亚洲自偷自拍图片 自拍| 国产精品影院久久| 大型av网站在线播放| 成人三级做爰电影| 久久香蕉精品热| a级片在线免费高清观看视频| 99riav亚洲国产免费| 黑人猛操日本美女一级片| 日日爽夜夜爽网站| 91九色精品人成在线观看| 亚洲国产精品合色在线| 精品一区二区三区视频在线观看免费 | 最近最新免费中文字幕在线| 亚洲人成电影观看| 男女高潮啪啪啪动态图| 女同久久另类99精品国产91| 精品一区二区三区视频在线观看免费 | 午夜成年电影在线免费观看| 欧美丝袜亚洲另类 | 精品欧美一区二区三区在线| 国产精品一区二区在线不卡| 两个人看的免费小视频| av天堂久久9| 久久久久久久久免费视频了| 成人永久免费在线观看视频| 韩国av一区二区三区四区| 久久精品国产综合久久久| 日韩欧美国产一区二区入口| 高清视频免费观看一区二区| 一夜夜www| 天天操日日干夜夜撸| 少妇 在线观看| 国产精品久久久久久精品古装| 午夜福利乱码中文字幕| 亚洲人成77777在线视频| 男人的好看免费观看在线视频 | 极品人妻少妇av视频| 免费在线观看黄色视频的| 国产高清国产精品国产三级| 国内久久婷婷六月综合欲色啪| 国产1区2区3区精品| 日韩免费高清中文字幕av| 国产人伦9x9x在线观看| 老司机福利观看| 50天的宝宝边吃奶边哭怎么回事| 免费日韩欧美在线观看| 妹子高潮喷水视频| 精品久久久久久,| 十八禁网站免费在线| 一级,二级,三级黄色视频| 成人国语在线视频| 91精品国产国语对白视频| 欧美成人午夜精品| 一级a爱片免费观看的视频| 国产亚洲欧美在线一区二区| 国产精华一区二区三区| av网站在线播放免费| 在线国产一区二区在线| 亚洲中文字幕日韩| 日韩欧美一区二区三区在线观看 | av天堂久久9| 国产精品综合久久久久久久免费 | 国产一区在线观看成人免费| 亚洲人成电影观看| 国产在视频线精品| 国产蜜桃级精品一区二区三区 | 99久久人妻综合| 在线看a的网站| 久久人妻av系列| 国产高清视频在线播放一区| cao死你这个sao货| 久久 成人 亚洲| 色在线成人网| 欧美乱妇无乱码| 亚洲中文日韩欧美视频| 久久久精品免费免费高清| 国产欧美日韩一区二区精品| 色婷婷久久久亚洲欧美| 高清视频免费观看一区二区| 亚洲综合色网址| 麻豆成人av在线观看| 国产一区二区三区综合在线观看| 中出人妻视频一区二区| 老熟妇仑乱视频hdxx| 极品教师在线免费播放| 50天的宝宝边吃奶边哭怎么回事| 国产xxxxx性猛交| a在线观看视频网站| 中文字幕高清在线视频| 丰满的人妻完整版| 99热网站在线观看| 亚洲精品国产区一区二| 亚洲av日韩在线播放| 久久人妻av系列| 亚洲精品在线观看二区| 十八禁人妻一区二区| 真人做人爱边吃奶动态| 国产一区在线观看成人免费| 国产成人av教育| 激情在线观看视频在线高清 | 搡老熟女国产l中国老女人| 人妻 亚洲 视频| 欧美色视频一区免费| 国产精品久久久久成人av| 丰满的人妻完整版| 中文字幕色久视频| 国产精品综合久久久久久久免费 | 欧美黑人精品巨大| 国产亚洲欧美98| 一二三四在线观看免费中文在| 欧美日本中文国产一区发布| 欧美中文综合在线视频| 免费看a级黄色片| 一边摸一边抽搐一进一小说 | 亚洲av欧美aⅴ国产| 亚洲色图综合在线观看| 欧美黑人精品巨大| 久久久精品国产亚洲av高清涩受| 天堂俺去俺来也www色官网| 黑丝袜美女国产一区| 亚洲avbb在线观看| 老汉色∧v一级毛片| 香蕉丝袜av| 久久午夜综合久久蜜桃| 免费少妇av软件| 免费看十八禁软件| 色婷婷久久久亚洲欧美| 在线天堂中文资源库| 中出人妻视频一区二区| 丝瓜视频免费看黄片| av网站免费在线观看视频| 国产99久久九九免费精品| 国产xxxxx性猛交| 一级作爱视频免费观看| 一边摸一边做爽爽视频免费| 99精国产麻豆久久婷婷| 人妻丰满熟妇av一区二区三区 | 亚洲人成伊人成综合网2020| 亚洲中文字幕日韩| 亚洲av欧美aⅴ国产| 一级毛片高清免费大全| 80岁老熟妇乱子伦牲交| 日本vs欧美在线观看视频| 又紧又爽又黄一区二区| 亚洲av第一区精品v没综合| 亚洲精品久久午夜乱码| 他把我摸到了高潮在线观看| x7x7x7水蜜桃| 热re99久久精品国产66热6| 黄色视频,在线免费观看| 欧美精品av麻豆av| tube8黄色片| 久9热在线精品视频| 欧美激情久久久久久爽电影 | 人人妻人人爽人人添夜夜欢视频| 夫妻午夜视频| 十八禁高潮呻吟视频| 日韩大码丰满熟妇| 激情在线观看视频在线高清 | 97人妻天天添夜夜摸| 国产亚洲欧美在线一区二区| 欧美精品av麻豆av| 一区福利在线观看| 欧美丝袜亚洲另类 | 国产免费男女视频| 亚洲男人天堂网一区| 久久精品国产99精品国产亚洲性色 | 波多野结衣一区麻豆| 色婷婷久久久亚洲欧美| 女人久久www免费人成看片| 色尼玛亚洲综合影院| 午夜影院日韩av| 一区在线观看完整版| 亚洲色图av天堂| 国产一区二区三区在线臀色熟女 | 国产无遮挡羞羞视频在线观看| 亚洲七黄色美女视频| 脱女人内裤的视频| 欧美黄色片欧美黄色片| av一本久久久久| 免费看a级黄色片| 成人黄色视频免费在线看| 久久久久国产精品人妻aⅴ院 | 欧美激情久久久久久爽电影 | 国产一区二区三区综合在线观看| 最新美女视频免费是黄的| 欧美在线黄色| 中文字幕色久视频| 亚洲av成人不卡在线观看播放网| 欧美色视频一区免费| 一级a爱视频在线免费观看| 日韩欧美免费精品| 亚洲午夜理论影院| 老汉色av国产亚洲站长工具| 免费av中文字幕在线| 亚洲美女黄片视频| 两人在一起打扑克的视频| 欧美亚洲日本最大视频资源| 超色免费av| 色老头精品视频在线观看| 久久国产精品大桥未久av| 怎么达到女性高潮| 久久天堂一区二区三区四区| 国产亚洲欧美精品永久| 99re在线观看精品视频| 大码成人一级视频| 十八禁高潮呻吟视频| 69精品国产乱码久久久| 精品国产超薄肉色丝袜足j| а√天堂www在线а√下载 | 夜夜爽天天搞| 激情在线观看视频在线高清 | 麻豆乱淫一区二区| 久久精品91无色码中文字幕| 777久久人妻少妇嫩草av网站| 91av网站免费观看| 亚洲精品av麻豆狂野| 在线观看66精品国产| 国产精品国产av在线观看| 成人黄色视频免费在线看| 中文字幕高清在线视频| 在线观看一区二区三区激情| 热99re8久久精品国产| 999久久久精品免费观看国产| 国产精品 国内视频| 亚洲va日本ⅴa欧美va伊人久久| 五月开心婷婷网| 人人妻人人添人人爽欧美一区卜| 1024香蕉在线观看| 国产aⅴ精品一区二区三区波| 国产真人三级小视频在线观看| 午夜老司机福利片| 少妇粗大呻吟视频| 高清毛片免费观看视频网站 | 国产亚洲精品久久久久久毛片 | 黄色 视频免费看| a在线观看视频网站| 精品福利观看| 国产成人精品久久二区二区91| 一本综合久久免费| 中文字幕人妻丝袜制服| 国产免费男女视频| 亚洲av第一区精品v没综合| 精品国产国语对白av| 亚洲熟妇熟女久久| 免费观看精品视频网站| 亚洲精品国产精品久久久不卡| 淫妇啪啪啪对白视频| 国产91精品成人一区二区三区| 大片电影免费在线观看免费| 久久精品熟女亚洲av麻豆精品| 欧美丝袜亚洲另类 | 嫩草影视91久久| 69精品国产乱码久久久| 18禁观看日本| x7x7x7水蜜桃| 午夜影院日韩av| 免费不卡黄色视频| 午夜免费成人在线视频| 日韩一卡2卡3卡4卡2021年| 国产精品综合久久久久久久免费 | 国产亚洲欧美在线一区二区| 精品高清国产在线一区| 久久久国产精品麻豆| 一级毛片精品| 91成年电影在线观看| 国产成人免费无遮挡视频| 91精品三级在线观看| 久久久久久久久免费视频了| 亚洲精品美女久久久久99蜜臀| 搡老乐熟女国产| 一区二区日韩欧美中文字幕| 欧美国产精品一级二级三级| 国产不卡av网站在线观看| 在线播放国产精品三级| 黄片小视频在线播放| 国产精品一区二区在线不卡| 一本一本久久a久久精品综合妖精| 最新美女视频免费是黄的| 国产一卡二卡三卡精品| 久久人人爽av亚洲精品天堂| 亚洲成av片中文字幕在线观看| 丰满迷人的少妇在线观看| 国产精品国产av在线观看| 高清在线国产一区| 午夜福利,免费看| 黄片播放在线免费| 欧美激情极品国产一区二区三区| 午夜日韩欧美国产| 免费观看人在逋| 亚洲自偷自拍图片 自拍| 中文字幕另类日韩欧美亚洲嫩草| 岛国在线观看网站| 久久精品91无色码中文字幕| 亚洲三区欧美一区| 如日韩欧美国产精品一区二区三区| 黄网站色视频无遮挡免费观看| 18在线观看网站| 建设人人有责人人尽责人人享有的| 黄片大片在线免费观看| 欧美日韩亚洲高清精品| 很黄的视频免费| 日韩欧美国产一区二区入口| 亚洲精品乱久久久久久| 久久精品熟女亚洲av麻豆精品| 国产男女内射视频| 18禁国产床啪视频网站| 久久人人爽av亚洲精品天堂| 国产一区二区激情短视频| 日日夜夜操网爽| 19禁男女啪啪无遮挡网站| 99国产精品99久久久久| 91av网站免费观看| 欧美日韩av久久| 亚洲精品自拍成人| 久久久精品区二区三区| 国产欧美日韩综合在线一区二区| 老熟女久久久| 老司机午夜福利在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 一级片'在线观看视频| 精品国产一区二区三区四区第35| 伦理电影免费视频| 一二三四社区在线视频社区8| 亚洲精品久久午夜乱码| 亚洲人成77777在线视频| 亚洲一区二区三区不卡视频| 精品福利永久在线观看| 一区二区三区激情视频| 久99久视频精品免费| www.自偷自拍.com| 精品国产美女av久久久久小说| 欧美另类亚洲清纯唯美| 精品乱码久久久久久99久播| 日日摸夜夜添夜夜添小说| 午夜福利在线免费观看网站| 欧美乱码精品一区二区三区| 18禁美女被吸乳视频| 下体分泌物呈黄色| 在线观看免费日韩欧美大片| 午夜视频精品福利| 国产97色在线日韩免费| 午夜福利乱码中文字幕| 91老司机精品| 女人久久www免费人成看片| 99久久99久久久精品蜜桃| 免费女性裸体啪啪无遮挡网站| 国产av一区二区精品久久| 黄频高清免费视频| 精品久久久精品久久久| 国产精品自产拍在线观看55亚洲 | 国产一卡二卡三卡精品| 99久久综合精品五月天人人| 精品电影一区二区在线| a在线观看视频网站| 中文字幕精品免费在线观看视频| 十八禁网站免费在线| 欧美国产精品一级二级三级| 女人高潮潮喷娇喘18禁视频| 一区二区三区精品91| 欧美日韩精品网址| 国产伦人伦偷精品视频| 王馨瑶露胸无遮挡在线观看| 99在线人妻在线中文字幕 | 亚洲视频免费观看视频| 久久久国产一区二区| 婷婷精品国产亚洲av在线 | 亚洲全国av大片| 午夜精品在线福利| 水蜜桃什么品种好| 国产亚洲精品久久久久5区| 午夜日韩欧美国产| 大香蕉久久网| 亚洲欧美日韩高清在线视频| 宅男免费午夜| 成人精品一区二区免费| 国产成人精品久久二区二区91| 女同久久另类99精品国产91| 日本一区二区免费在线视频| 在线视频色国产色| 99热网站在线观看| 精品人妻1区二区| 老司机午夜福利在线观看视频| av欧美777| 婷婷丁香在线五月| 日韩成人在线观看一区二区三区| 夫妻午夜视频| 国产精品九九99| 一本大道久久a久久精品| 国产精品久久视频播放| 三上悠亚av全集在线观看| 首页视频小说图片口味搜索| 久久精品国产清高在天天线| 亚洲中文日韩欧美视频| 国产精品久久久久久人妻精品电影| 精品国产亚洲在线| 夜夜夜夜夜久久久久| 久久精品熟女亚洲av麻豆精品| 人人澡人人妻人| 亚洲av日韩精品久久久久久密| 热99国产精品久久久久久7| 国产精品久久视频播放| 亚洲 国产 在线| 可以免费在线观看a视频的电影网站| 精品国产美女av久久久久小说| 日日摸夜夜添夜夜添小说| 亚洲欧美一区二区三区黑人| 天堂俺去俺来也www色官网| 精品国产一区二区久久| 一a级毛片在线观看| 91老司机精品| 国产亚洲精品久久久久5区| 亚洲精品成人av观看孕妇| 亚洲一卡2卡3卡4卡5卡精品中文| 91成人精品电影| 亚洲欧洲精品一区二区精品久久久| 老汉色av国产亚洲站长工具| 欧美性长视频在线观看| 超色免费av| 精品人妻1区二区| 免费av中文字幕在线| 岛国毛片在线播放| 成年人午夜在线观看视频| 制服诱惑二区| 亚洲第一av免费看| 精品一区二区三区av网在线观看| 免费观看人在逋| 亚洲三区欧美一区| 国产区一区二久久| 亚洲,欧美精品.| 久久精品国产综合久久久| 亚洲精华国产精华精| 悠悠久久av| 国产单亲对白刺激| 99re6热这里在线精品视频| 亚洲欧美一区二区三区久久| 久久久久国内视频| 亚洲伊人色综图| 欧美国产精品一级二级三级| 亚洲av日韩精品久久久久久密| 手机成人av网站| 麻豆国产av国片精品| 日本欧美视频一区| 高潮久久久久久久久久久不卡| 国产一区二区三区在线臀色熟女 | 18禁国产床啪视频网站| 搡老熟女国产l中国老女人| 国产成人影院久久av| 女人高潮潮喷娇喘18禁视频| 成人18禁高潮啪啪吃奶动态图| 大陆偷拍与自拍| 侵犯人妻中文字幕一二三四区| 国产精品秋霞免费鲁丝片| 国产免费av片在线观看野外av| 日日爽夜夜爽网站| 国产精品 国内视频| 日韩制服丝袜自拍偷拍| 亚洲欧洲精品一区二区精品久久久| 一个人免费在线观看的高清视频| 久久国产精品影院| x7x7x7水蜜桃| 久久中文看片网| 午夜福利影视在线免费观看| 中文欧美无线码| 一级a爱片免费观看的视频| 人妻丰满熟妇av一区二区三区 | 久久精品国产综合久久久| 国产成人影院久久av| 国产野战对白在线观看| 国产成人av激情在线播放| 亚洲精品中文字幕一二三四区| 免费在线观看影片大全网站| 亚洲精品国产一区二区精华液| 国产精品.久久久| 777久久人妻少妇嫩草av网站| 美女 人体艺术 gogo| 国产欧美日韩一区二区三| 午夜福利影视在线免费观看| 亚洲熟女精品中文字幕| 久久国产精品男人的天堂亚洲| 亚洲精品av麻豆狂野| 色精品久久人妻99蜜桃| 国产野战对白在线观看| 精品国产乱子伦一区二区三区| 一夜夜www| 老熟妇仑乱视频hdxx| 欧美国产精品一级二级三级| 成在线人永久免费视频| 久久久久久免费高清国产稀缺| 久久草成人影院| 亚洲精品国产精品久久久不卡| 国产精品1区2区在线观看. | 黄色 视频免费看| 国产激情久久老熟女| 午夜福利在线免费观看网站| 久久久精品区二区三区| 成熟少妇高潮喷水视频| 亚洲精品国产精品久久久不卡| 国产精品免费视频内射| 欧美丝袜亚洲另类 | 黄片小视频在线播放| 免费在线观看视频国产中文字幕亚洲| 欧美人与性动交α欧美精品济南到| 在线观看免费视频网站a站| 黑人操中国人逼视频| 成年人黄色毛片网站| 久久精品熟女亚洲av麻豆精品| 亚洲av成人一区二区三| 久久性视频一级片| 精品视频人人做人人爽| 91在线观看av| 波多野结衣一区麻豆| 久久久精品免费免费高清| av电影中文网址| 99香蕉大伊视频| 亚洲视频免费观看视频| 欧美国产精品va在线观看不卡| 一级作爱视频免费观看| 国产精品国产av在线观看| 免费在线观看视频国产中文字幕亚洲| 欧美日韩福利视频一区二区| 国产精品国产av在线观看| 不卡av一区二区三区| 无人区码免费观看不卡| 宅男免费午夜| 亚洲一区中文字幕在线| 精品一区二区三区四区五区乱码| 欧美黑人欧美精品刺激| 国产精品国产高清国产av | 国产欧美日韩一区二区三| 99国产精品一区二区三区| 美女 人体艺术 gogo|