• <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 ?

    基于NSST和自適應(yīng)PCNN的圖像融合算法

    2014-06-07 07:15:50平,張強(qiáng),李靜,張
    激光與紅外 2014年1期
    關(guān)鍵詞:空間頻率子帶紅外

    江 平,張 強(qiáng),李 靜,張 錦

    (合肥工業(yè)大學(xué)數(shù)學(xué)學(xué)院,安徽合肥230009)

    基于NSST和自適應(yīng)PCNN的圖像融合算法

    江 平,張 強(qiáng),李 靜,張 錦

    (合肥工業(yè)大學(xué)數(shù)學(xué)學(xué)院,安徽合肥230009)

    針對(duì)紅外和可見(jiàn)光圖像的特點(diǎn),本文提出了一種基于非下采樣剪切波變換(NSST)和自適應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)相結(jié)合的紅外與可見(jiàn)光圖像融合的新算法。對(duì)經(jīng)過(guò)NSST變換后的低頻子帶系數(shù)采用帶高斯權(quán)重分布矩陣的局域方差和方差匹配度相結(jié)合的融合規(guī)則,對(duì)高頻子帶系數(shù)采用一種改進(jìn)的空間頻率作為PCNN輸入,且采用改進(jìn)的拉普拉斯能量和作為PCNN的鏈接強(qiáng)度,利用PCNN全局耦合性和脈沖同步性選擇高頻子帶系數(shù),最后經(jīng)NSST逆變換后得到融合結(jié)果。實(shí)驗(yàn)結(jié)果表明,本文提出的算法與傳統(tǒng)的圖像融合算法相比不僅在主觀視覺(jué)上取得較好的效果,而且在客觀標(biāo)準(zhǔn)上也有了一定的提高。

    圖像融合;非下采樣剪切波變換(NSST);脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN);空間頻率;拉普拉斯能量和

    1 引 言

    隨著紅外成像技術(shù)的飛速發(fā)展,紅外與可見(jiàn)光圖像融合成為圖像處理領(lǐng)域的研究熱點(diǎn)[1-2]。融合后的圖像可以有效地綜合紅外圖像目標(biāo)特征和可見(jiàn)光圖像中場(chǎng)景細(xì)節(jié)信息。小波變換具有良好的方向性和局部化特征可以較好地表示圖像的細(xì)節(jié)信息,但小波變換在一維時(shí)的優(yōu)良特性并不能簡(jiǎn)單地推廣到二維或更高維。于是,多尺度幾何分析受到廣泛關(guān)注主要有Ridgelet、Curvelet、Contourlet、Shearlet等變換工具。Contourlet變換(CT)是由DO等人[3]提出,其與小波分析相比具有良好的多分辨率和方向性但缺乏平移不變性,為此Cunha等人[4]提出非下采樣Contourlet變換(NSCT)。但是NSCT計(jì)算復(fù)雜度較高運(yùn)行時(shí)間較長(zhǎng),Guo等人[5]提出了Shearlet變換(ST),ST與CT相比它沒(méi)有方向數(shù)目和支撐基尺寸大小的限制且計(jì)算效率更高,并在圖像融合中取得不錯(cuò)的效果[6]。然而由于ST不具備平移不變性,在圖像融合時(shí)易在奇異點(diǎn)附近產(chǎn)生偽吉布斯現(xiàn)象。于是,Easley等人[7]提出了NSST,它具備剪切波的所有優(yōu)點(diǎn)且有平移不變性。NSST在圖像融合中的應(yīng)用仍處于探索階段,雖然曹等人[8]利用NSST進(jìn)行圖像融合,但是他們沒(méi)有分析和討論分解子圖的融合規(guī)則,因此有必要進(jìn)一步探究NSST在圖像融合中的應(yīng)用。

    PCNN是Eckhorn等人[9]通過(guò)模擬貓的大腦視覺(jué)皮層中同步脈沖發(fā)放現(xiàn)象提出的模型,其具有全局耦合性和脈沖同步性,被廣泛應(yīng)用于圖像融合[6,10-11]。Broussard等人[10]首先將PCNN應(yīng)用于圖像融合中,證實(shí)了PCNN用于圖像融合的可行性。之后肖等人[11]提出了一種結(jié)合NSCT和PCNN的圖像融合算法,但是由于他們沒(méi)有考慮到鏈接強(qiáng)度β是個(gè)變量,因而融合效果不理想。綜上,本文采用改進(jìn)的拉普拉斯能量和作為PCNN的鏈接強(qiáng)度β,且采用改進(jìn)的空間頻率作為PCNN的輸入。

    2 基礎(chǔ)知識(shí)

    2.1 NSST理論[12]

    當(dāng)維數(shù)n=2時(shí),具有合成膨脹的放射系統(tǒng)定義為:

    式中,ψ∈L2(R2);A和B是2×2可逆矩陣;|det B|=1。如果MAB(ψ)具有如下形式的緊框架條件,則MAB(ψ)中的元素稱為合成小波,即對(duì)?f∈L2(R2),有:

    NSST離散化過(guò)程是由多尺度剖分和方向局部化構(gòu)成:(1)多尺度剖分。通過(guò)非下采樣金字塔組實(shí)現(xiàn),圖像經(jīng)k級(jí)非下采樣濾波器分解可以得到(k+1)個(gè)與原圖像大小相同的子帶圖像,其中包括1個(gè)低頻和k個(gè)高頻子圖;(2)方向局部化。NSST和ST不同,NSST的方向局部化是通過(guò)改進(jìn)的剪切波濾波器實(shí)現(xiàn),標(biāo)準(zhǔn)的剪切濾波器是在偽極化網(wǎng)格中通過(guò)窗函數(shù)的平移操作實(shí)現(xiàn),執(zhí)行過(guò)程中需要進(jìn)行下采樣操作,因而不具有平移不變性,而NSST把標(biāo)準(zhǔn)的剪切波濾波器從偽極化網(wǎng)格系統(tǒng)映射回到笛卡爾坐標(biāo)系統(tǒng),通過(guò)逆傅里葉變換,最后直接通過(guò)二維卷積就可完成其操作[7],因而避免了下采樣操作而滿足平移不變性。

    2.2 PCNN理論

    PCNN由多個(gè)神經(jīng)元組成,每個(gè)神經(jīng)元由三部分組成:接收域、調(diào)制域及脈沖產(chǎn)生器。

    PCNN中圖像每個(gè)像素點(diǎn)對(duì)應(yīng)一個(gè)神經(jīng)元,為了更好地將其應(yīng)用于圖像處理中,人們提出了各種改進(jìn)模型。本文采用的是一種簡(jiǎn)化模型[2],其數(shù)學(xué)表達(dá)式如下:

    式中,n是迭代次數(shù);(i,j)表示剪切波系數(shù)在l尺度k方向的位置;(i,j)是神經(jīng)元之間的鏈接權(quán)值矩陣;a,b是PCNN中鏈接范圍大小;(i,j)和(i,j)分別是反饋輸入和鏈接輸入;Il,k(i,j)是外部輸入刺激矩陣;(i,j)為內(nèi)部活躍性總數(shù);(i,j)為神經(jīng)元間的鏈接強(qiáng)度;(i,j)為閾值;VL是鏈接輸入放大系數(shù);Vθ是閥值放大系數(shù);αL和αθ分別為鏈接輸入和變閥值函數(shù)的時(shí)間常數(shù);(i,j)為PCNN的脈沖輸出。如果Ul,k(i,j)>(i,j),則神經(jīng)元產(chǎn)生一個(gè)脈沖Yl,k(i,j)=1,稱為一次點(diǎn)火。

    3 基于NSST與自適應(yīng)PCNN的圖像融合規(guī)則

    假定待融合的紅外圖像(I)和可見(jiàn)光圖像(V)已經(jīng)過(guò)幾何配準(zhǔn)處理,圖像融合流程如圖1所示,融合步驟為:

    (1)對(duì)I和V分別進(jìn)行NSST分解,得到各自的圖像分解后NSST系數(shù):{CI}(l≥1)和{CV,}(l≥1)。其中,CI和CV為低頻子帶系數(shù)和ClV,k為l尺度下k方向上高頻子帶系數(shù)。

    (2)對(duì)低頻子帶系數(shù)和各高頻子帶系數(shù)使用不同的融合策略,獲得融合后的系數(shù){CF,Cl,kF}(l≥1)其中,CF為融合后圖像的低頻子帶系數(shù);Cl,kF為融合后圖像在l尺度下k方向上的高頻子帶系數(shù)。

    (3)對(duì)融合后系數(shù)進(jìn)行NSST逆變換,得到最終的融合圖像F。

    圖1 紅外和可見(jiàn)光圖像融合流程圖

    3.1 低頻子帶系數(shù)融合規(guī)則

    圖像經(jīng)過(guò)NSST變換后得到的低頻部分代表了圖像的近似分量,包含了源圖像大量的能量信息。如果低頻系數(shù)采用常規(guī)的融合算法,如加權(quán)平均法有可能丟失源圖像中的一些重要信息或與源圖像形成較大的灰度差異。圖像的區(qū)域方差則反映了局部區(qū)域內(nèi)圖像信息量的豐富程度,因此本文采用局部區(qū)域方差匹配的融合規(guī)則對(duì)低頻系數(shù)進(jìn)行處理。

    區(qū)域方差定義為:

    式中,ˉC為所選區(qū)域的灰度均值;CS(i,j)為紅外(或可見(jiàn)光)圖像低頻子帶系數(shù)在點(diǎn)(i,j)時(shí)的灰度值;G為以點(diǎn)P(k1,k2)為中心大小為M×N(本文取3× 3)的局部區(qū)域;w(i,j)是以點(diǎn)P為中心時(shí)矩陣各點(diǎn)的對(duì)應(yīng)高斯權(quán)重分布系數(shù),離點(diǎn)P越近權(quán)值越大,權(quán)值是通過(guò)行和列的高斯分布加權(quán)相加得到的。

    局部區(qū)域的方差匹配度MS(k1,k2)定義為:

    設(shè)α為方差匹配度閾值,本文取α=0.5。

    當(dāng)MS(k1,k2)<α?xí)r,表明兩個(gè)區(qū)域的相關(guān)性差,區(qū)域方差大表示該區(qū)域包含更豐富的細(xì)節(jié)信息,因此采用方差取大的融合策略:

    當(dāng)MS(k1,k2)≥α?xí)r,表明兩個(gè)區(qū)域的相關(guān)程度高,兩個(gè)區(qū)域都包含相當(dāng)?shù)募?xì)節(jié)信息,因此采用加權(quán)平均融合策略:

    式中,Wmin和Wmax為定義的自適應(yīng)因子且:

    3.2 高頻子帶系數(shù)融合規(guī)則

    3.2.1 改進(jìn)的空間頻率作為PCNN的刺激輸入

    由于NSST的高頻子帶系數(shù)代表了圖像的細(xì)節(jié)分量,如邊緣、直線、區(qū)域邊界等。在文獻(xiàn)[1]中,方勇等人首先成功地把PCNN應(yīng)用到紅外與可見(jiàn)光圖像融合中,但他直接使用子帶系數(shù)刺激PCNN,事實(shí)上人們對(duì)邊緣等特征更加敏感。因此,單純使用子帶系數(shù)作為輸入是不夠的。圖像的空間頻率反映了一幅圖像的總體活躍程度,空間頻率越大圖像越活躍、越清晰,因此在文獻(xiàn)[13]中,屈等人使用空間頻率作為PCNN的輸入,取得了一定的效果。

    對(duì)于M×N的矩陣,空間頻率[13]定義為:

    式中,RF表示行頻率;CF表示列頻率且:

    由于式(7)中定義的空間頻率只描述了水平和垂直信息而缺乏對(duì)角信息,這樣就使得融合結(jié)果可能丟失很重要的細(xì)節(jié)信息。鑒于此,本文提出了一種改進(jìn)的空間頻率(MSF)。MSF包含了行頻率(RF),列頻率(CF),對(duì)角頻率(DF1,DF2)。

    對(duì)于M×N的矩陣,改進(jìn)的空間頻率定義為:

    3.2.2 改進(jìn)的拉普拉斯能量和作為鏈接強(qiáng)度β

    在PCNN模型中的鏈接強(qiáng)度β表示當(dāng)前神經(jīng)元與其他神經(jīng)元鏈接的強(qiáng)度,在圖像中表現(xiàn)為當(dāng)前像素值與其周圍像素值的緊密聯(lián)系。在傳統(tǒng)的PCNN融合算法中,β取固定的常數(shù)。根據(jù)生理學(xué)和心理學(xué)研究發(fā)現(xiàn),人眼對(duì)特征明顯區(qū)域的反應(yīng)要比不明顯區(qū)域反應(yīng)強(qiáng)烈,不可能每個(gè)神經(jīng)元的鏈接強(qiáng)度都相同[14],而拉普拉斯能量和可以很好的反映圖像的邊緣特征信息,文獻(xiàn)[15]利用拉普拉斯能量和進(jìn)行圖像融合取得了較好的效果。

    拉普拉斯能量和[15]定義為:

    其中:

    改進(jìn)的拉普拉斯能量和定義為:

    3.2.3 高頻子帶系數(shù)的判決選擇

    PCNN點(diǎn)火次數(shù)的大小反映了神經(jīng)元所受到外部刺激的大小,表征了NSST變換中所含細(xì)節(jié)信息的多少,因此選取點(diǎn)火次數(shù)大的點(diǎn)所對(duì)應(yīng)的NSST系數(shù)可得到更多源圖像細(xì)節(jié)信息。選取步驟如下:

    (2)當(dāng)PCNN迭代到N時(shí),由式(11)可以得到了一幅由Dl,k(i,j)表征的點(diǎn)火頻率映射圖:

    (3)根據(jù)式(12)選取點(diǎn)火次數(shù)大的點(diǎn)所對(duì)應(yīng)的NSST系數(shù)作為最后融合圖像的高頻子帶系數(shù):

    4 仿真實(shí)驗(yàn)及結(jié)果分析

    本文采用嚴(yán)格配準(zhǔn)的紅外與可見(jiàn)光圖像(大小均為256×256)進(jìn)行仿真實(shí)驗(yàn)。將本文的算法與以下算法進(jìn)行比較:基于梯度金字塔變換的融合算法(記為GP-mean-max)、基于離散小波變換融合算法(記為DWT-mean-max)、基于CT的融合算法(記為CT-mean-max)、基于ST的融合算法(記為ST-mean-max)、基于NSST的融合算法(記為NSST-mean-max),這些算法均采用低頻子帶系數(shù)取平均,高頻子帶系數(shù)取絕對(duì)值最大的融合規(guī)則;QU等人[13]提出的基于NSCT的融合算法(記為NSCT-mean-SFPCNN)和基于NSST的融合算法(記為NSST-mean-SFPCNN)融合規(guī)則均為低頻子帶取平均高頻子帶以空間頻率為輸入矩陣的PCNN。本文中PCNN的參數(shù)選取如下:N=200,αL=1.0,αθ=0.2,VL=1.0,Vθ=20,a×b=3×3 W=[0.707 1 0.707; 1 0 1; 0.707 1 0.707]。

    為了定量評(píng)價(jià)融合效果,本文采用標(biāo)準(zhǔn)差、信息熵、互信息[17]和QAB/F[18]作為客觀評(píng)價(jià)指標(biāo)。標(biāo)準(zhǔn)差(STD)反映了灰度相對(duì)灰度均值的離散程度,標(biāo)準(zhǔn)差越大融合效果越好;信息熵(En)表示圖像中所包含的平均信息量的多少;互信息(MI)是計(jì)算源圖像有多少信息轉(zhuǎn)移到融合后的圖像中,互信息越大,說(shuō)明該方法攜帶的信息量越大;QAB/F是衡量有多少邊緣信息從源圖像中轉(zhuǎn)移到融合圖像中,其值越大融合效果越好。

    圖2(a)為紅外圖像能夠清晰看到一個(gè)欲穿過(guò)柵欄的人,但其他景物較模糊。圖2(b)為同一場(chǎng)景的可見(jiàn)光圖像,由于光線較暗,很難辨別可見(jiàn)光中的人,但柵欄、路、方桌、灌木叢等景物較清晰。圖2(c)~圖2(i)是本文選取的經(jīng)典融合算法融合圖像,圖2(j)是本文算法的融合圖像。從主觀評(píng)價(jià)看,基于梯度金字塔的融合圖像對(duì)比度比較低,圖像較模糊;基于小波的融合效果雖有些改善但仍存在明顯的波紋干擾;基于CT及ST,融合效果有一定的提高,但有明顯的Gibbs塊狀效應(yīng),容易產(chǎn)生虛影模糊;至于NSST-mean-max、NSST-mean-SFPCNN這兩種算法雖然使用了NSST變換但是由于融合規(guī)則的不足,融合效果仍不是很理想。而本文融合算法由于NSST具有方向敏感性等優(yōu)良特性,可以提供不同的邊緣和細(xì)節(jié)信息,再加上提出的融合規(guī)則可以在一定程度上改善其清晰度、對(duì)比度,細(xì)節(jié)信息相對(duì)更豐富,人的目標(biāo)更清晰突出,有利于目標(biāo)的識(shí)別與檢測(cè)。

    圖2 源圖像與融合結(jié)果圖

    表1 融合結(jié)果的客觀評(píng)價(jià)數(shù)據(jù)

    從客觀評(píng)價(jià)看,表1給出了不同融合算法融合后的標(biāo)準(zhǔn)差、信息熵、互信息及QAB/F值,由表中可以看出本文提出算法的客觀數(shù)據(jù)都高于其他算法,其結(jié)果基本與視覺(jué)特性保持一致。

    5 結(jié)束語(yǔ)

    本文提出了一種新的基于NSST和自適應(yīng)PCNN的圖像融合算法。NSST作為一種新的多尺度幾何分析工具,可以多尺度多方向地描述圖像,其執(zhí)行過(guò)程更高效。為了更有效地利用PCNN的優(yōu)良特性,本文采用改進(jìn)的拉普拉斯能量和作為PCNN的鏈接強(qiáng)度和改進(jìn)的空間頻率作為PCNN的輸入。實(shí)驗(yàn)結(jié)果表明,本文算法可以有效地綜合紅外圖像的目標(biāo)特征信息和可見(jiàn)光圖像的場(chǎng)景細(xì)節(jié)信息,證實(shí)了本文算法是一種有效的融合算法。

    [1] Fang Y,Liu SP.Infrared image fusion algorithm based on contourlet transform and improved pulse coupled neural networks[J].China Patent1873693A,December 2006.

    [2] Li Meili,Li Yanjun,Wang Hongmei,et al.Fusion algorithm of infrared and visible images based on NSCT and PCNN[J].Opto-Electronic Engineering,2010,37(6):90-95.(in Chinese)李美麗,李言俊,王紅梅,等.基于NSCT和PCNN的紅外和可見(jiàn)光圖像融合方法[J].光電工程,2010,37(6):90-95.

    [3] Do M N,VetterliM.The contourlet transform:an efficient directionalmultiresolution image representation[J].IEEE Transactions on Image Processing,1992,40(4):882-893.

    [4] Cunha A L,Zhou JP,DO M N.The nonsubsampled cont-ourlet transform:theory design and application[J].IEEE Transactions on Image Processing,2006,15(10):3089-3101.

    [5] Guo K,Labate D.Optimally sparsemultidimensional representation using shearlets[J].SIAM Journal on Mathematical Analysis,2007,39(1):298-318.

    [6] Wang ZH,Wang JQ,Zhao DG,etal.Image fusion based on shearlet and improved PCNN[J].Laser&Infrared,2012,42(2):213-216.(in Chinese)王朝暉,王佳琪,趙德功,等.基于Shearlet與改進(jìn)PCNN的圖像融合[J].激光與紅外,2012,42(2):213-216.

    [7] Easley G,Labate D,Lim W Q.Sparse directional image representation using discrete shearlet transform[J].Applied and Computation Harmonic Analysis,2008,25(1):25-46.

    [8] Cao Y,Li ST.Multifocus image fusion by nonsubsampled shearlet transform[C]//Proc.IEEE 6thInt.Conf.on Image and Graphics,IEEE Press,Piscataway,NJ,2011,17-21.

    [9] Eckhorn R,Reiboeck H J,Arndt M,et al.Feature linking via synchronization among distributed assemblies:simulation of results from cat cortex[J].Neural Computation,1900,2:293-307.

    [10]Broussard R P,Pogers S K,Oxley M E,et al.Physiologicallymotivated image fusion for object detection using a pulse coupled neural network[J].IEEE Transactions on Neural Networks,1999,10(3):554-563.

    [11]XiaoW,Wang R F.Image fusion algorithm based on nonsubsampled contourlet transform and pulse coupled neural network.[J].Comput.Appl.,2008,28(S2):164-167.

    [12]Jiao Licheng,Hou Biao,Wang Suang,et al.Image multiscale geometric analysis:theory and applications[M]. Xi’an:Xidian University Press,2008.(in Chinese)焦李成,候彪,王爽,等.圖像多尺度幾何分析理論與應(yīng)用[M].西安:西安電子科技大學(xué)出版社,2008.

    [13]Qu X B,Yan JW,Xiao H Z,et al.Image fusion algorithm based on spatial frequency-motivated pulse coupled neural networks in nonsubsampled contourlet transform domain[J].Acta Autom Sin.,2008,34(12):1508-1514.

    [14]Wang Zhihui,Zhao Baojun,Shen Tingzhi.Image fusion based on MMPN and adjustable linking strength[J].Acta Electronica Sinica,2010,38(5):1162-1166.(in Chinese)王志慧,趙保軍,沈庭芝.基于MMPN和可調(diào)節(jié)鏈接強(qiáng)度的圖像融合[J].電子學(xué)報(bào),2010,38(5):1162-1166.

    [15]HuangW,Jing Z L.Evaluation of focusmeasures inmultifocus image fusion[J].Pattern Recognition Letters,2007,28(4):493-500.

    [16]Hu Gang,Ji Xiaomin,Liu Zhe,et al.Regional feature selfadaptive image fusion method based on nonsubsampled steerable pyramid transform[J].Journal of Computer-Aided Design&Computer Graghics,2012,24(5):637-648.(in Chinese)胡鋼,吉曉民,劉哲,等.結(jié)合區(qū)域特性和非下采樣SPT的圖像融合方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖像學(xué)報(bào),2012,24(5):637-648.

    [17]Qu G H,Zhang D L,Yan P F.Information measure for performance of image fusion[J].Electronics Letters,2002,38(7):313-315.

    [18]Petrovic V,Xydeas C.On the effects of sensor noise in pixel-level image fusion performance[C].Proceedings Of the Third International Conference on Information Fusion,IEEE Press,2000,2:14-19.

    Fusion algorithm for infrared and visible image based on NSST and adaptive PCNN

    JIANG Ping,ZHANG Qiang,LIJing,ZHANG Jin
    (School of Mathematics,Hefei University of Technology,Hefei230009,China)

    Aiming at the feature of infrared and vision images,a new fusion algorithm which combines nonsubsampled shearlet transform(NSST)with adaptive pulse coupled neural network(PCNN)is presented.For the low-frequency sub-band coefficients,a fusion rule which combines local variance with a Gaussian weight distribution matrix after NSST transform with variancematching is used.For the high-frequency sub-band coefficients,an improved spatial frequency as the input of the PCNN is used,and the improved sum of Laplace energy as the PCNN link strength is used.The high-frequency sub-band coefficients are selected by using the global coupling and pulse synchronization of PCNN,and finally fusion results are obtained by inverse NSST transform.The experiment results show that compared to the traditional image fusion algorithms,the proposed algorithm achieves better results in the subjective visual and also improves the objective criteria in some extent.

    image fusion;nonsubsampled shearlet transform(NSST);pulse coupled neural network(PCNN);spatial frequency;the sum of Laplace energy

    TP391

    A

    10.3969/j.issn.1001-5078.2014.01.024

    1001-5078(2014)01-0108-06

    江 平(1972-),女,副教授,博士,研究方向?yàn)閼?yīng)用數(shù)值逼近,幾何造型,圖形圖像處理等。E-mail:jiangping_72@sina.com

    2013-04-27;

    2013-06-27

    猜你喜歡
    空間頻率子帶紅外
    網(wǎng)紅外賣
    一種基于奇偶判斷WPT的多音干擾抑制方法*
    閃亮的中國(guó)紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    基于稀疏貝葉斯的多跳頻信號(hào)二維波達(dá)方向估計(jì)
    子帶編碼在圖像壓縮編碼中的應(yīng)用
    電子制作(2019年22期)2020-01-14 03:16:24
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應(yīng)用
    電子制作(2019年7期)2019-04-25 13:17:14
    基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
    基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計(jì)
    空間頻率變化對(duì)不同年齡段正常眼圖形視覺(jué)誘發(fā)電位的影響
    基于人眼視覺(jué)特性的濾波器空間頻率的計(jì)算方法及其在彩色圖像上的應(yīng)用
    日韩视频在线欧美| 精品福利永久在线观看| tube8黄色片| 老司机靠b影院| 亚洲一区中文字幕在线| 在线观看国产h片| 久久久久国产一级毛片高清牌| 精品国产乱码久久久久久小说| 日韩av在线免费看完整版不卡| 国产一区二区激情短视频 | 五月天丁香电影| 国产精品99久久99久久久不卡| 亚洲中文字幕日韩| 999久久久国产精品视频| 精品人妻1区二区| 午夜免费观看性视频| 深夜精品福利| 性高湖久久久久久久久免费观看| 伊人亚洲综合成人网| 久久九九热精品免费| 少妇人妻 视频| 精品一区在线观看国产| 久久 成人 亚洲| 亚洲 欧美一区二区三区| 亚洲精品av麻豆狂野| 亚洲欧洲日产国产| 在线av久久热| 国产国语露脸激情在线看| 国产一区二区三区av在线| 久久99一区二区三区| 色网站视频免费| 美女高潮到喷水免费观看| 久久亚洲精品不卡| 久久精品aⅴ一区二区三区四区| 亚洲成人免费av在线播放| 伊人久久大香线蕉亚洲五| 女人被躁到高潮嗷嗷叫费观| 建设人人有责人人尽责人人享有的| 国产精品国产三级国产专区5o| 日韩一区二区三区影片| 少妇猛男粗大的猛烈进出视频| 天堂8中文在线网| 久久久久精品国产欧美久久久 | 在线观看人妻少妇| 亚洲av成人不卡在线观看播放网 | 99九九在线精品视频| av在线播放精品| 久久 成人 亚洲| 欧美乱码精品一区二区三区| 久久精品亚洲熟妇少妇任你| 国产成人欧美| 蜜桃在线观看..| 男女之事视频高清在线观看 | 中国国产av一级| 日韩一卡2卡3卡4卡2021年| 少妇人妻 视频| 国产麻豆69| 亚洲国产av新网站| 免费久久久久久久精品成人欧美视频| 欧美另类一区| 国产免费一区二区三区四区乱码| 国产精品99久久99久久久不卡| 亚洲精品成人av观看孕妇| 国产爽快片一区二区三区| 伊人久久大香线蕉亚洲五| 韩国精品一区二区三区| 亚洲欧美日韩另类电影网站| 97人妻天天添夜夜摸| 人妻人人澡人人爽人人| 啦啦啦视频在线资源免费观看| 午夜激情久久久久久久| 在线av久久热| 两人在一起打扑克的视频| 日韩一卡2卡3卡4卡2021年| 操美女的视频在线观看| 18禁裸乳无遮挡动漫免费视频| 国产精品人妻久久久影院| 免费不卡黄色视频| 成人黄色视频免费在线看| 欧美成狂野欧美在线观看| 大香蕉久久成人网| 亚洲美女黄色视频免费看| 国产一区二区三区av在线| 大香蕉久久成人网| 伊人亚洲综合成人网| 国产伦人伦偷精品视频| 成年美女黄网站色视频大全免费| 人体艺术视频欧美日本| 国产一区二区三区综合在线观看| 亚洲男人天堂网一区| 人人妻人人爽人人添夜夜欢视频| 欧美黑人欧美精品刺激| 久久鲁丝午夜福利片| 看十八女毛片水多多多| 国产精品av久久久久免费| 国产一区二区三区综合在线观看| 十八禁网站网址无遮挡| 老汉色av国产亚洲站长工具| 黄色一级大片看看| 久久精品国产亚洲av涩爱| 午夜福利乱码中文字幕| 午夜福利乱码中文字幕| 两个人免费观看高清视频| 国产又色又爽无遮挡免| 尾随美女入室| 成人亚洲精品一区在线观看| 精品国产乱码久久久久久男人| 十八禁网站网址无遮挡| 亚洲精品美女久久av网站| 午夜福利,免费看| 黄色一级大片看看| 色94色欧美一区二区| 久久女婷五月综合色啪小说| 国产免费现黄频在线看| 欧美日韩亚洲综合一区二区三区_| 国产男女超爽视频在线观看| 中文字幕人妻丝袜制服| 高清黄色对白视频在线免费看| 亚洲美女黄色视频免费看| 国产黄色免费在线视频| 在线观看免费日韩欧美大片| 婷婷色综合大香蕉| 日韩制服骚丝袜av| 国产成人欧美在线观看 | 校园人妻丝袜中文字幕| 水蜜桃什么品种好| 韩国精品一区二区三区| 在线观看免费视频网站a站| 少妇被粗大的猛进出69影院| 久久天堂一区二区三区四区| www.av在线官网国产| 免费高清在线观看视频在线观看| 大片电影免费在线观看免费| 丝袜美足系列| 欧美成人精品欧美一级黄| 国产成人系列免费观看| 欧美97在线视频| 久久av网站| 看免费成人av毛片| 亚洲中文av在线| 午夜91福利影院| 99久久99久久久精品蜜桃| 亚洲精品日本国产第一区| 午夜激情av网站| 欧美成人精品欧美一级黄| 十八禁高潮呻吟视频| 极品少妇高潮喷水抽搐| 久久亚洲精品不卡| 一本一本久久a久久精品综合妖精| 高清视频免费观看一区二区| 成年人免费黄色播放视频| 五月开心婷婷网| 性色av乱码一区二区三区2| 又大又爽又粗| 精品国产乱码久久久久久小说| 各种免费的搞黄视频| 欧美日韩视频高清一区二区三区二| 亚洲成人手机| 亚洲欧美一区二区三区国产| 日韩中文字幕欧美一区二区 | 人人妻人人爽人人添夜夜欢视频| 天天添夜夜摸| 久久中文字幕一级| 婷婷色麻豆天堂久久| 精品国产一区二区久久| 在线av久久热| 国产日韩一区二区三区精品不卡| 亚洲欧美一区二区三区久久| 一级黄片播放器| av天堂在线播放| 久久亚洲精品不卡| 黄色视频不卡| 欧美日韩综合久久久久久| 国产成人精品无人区| 成人黄色视频免费在线看| 两个人看的免费小视频| 欧美精品亚洲一区二区| 日本91视频免费播放| 色网站视频免费| 免费在线观看黄色视频的| 亚洲三区欧美一区| 国产真人三级小视频在线观看| 成年人免费黄色播放视频| 国产成人精品在线电影| 男女下面插进去视频免费观看| 超色免费av| 别揉我奶头~嗯~啊~动态视频 | 日本一区二区免费在线视频| 亚洲精品av麻豆狂野| 中文字幕亚洲精品专区| 久久精品国产亚洲av涩爱| 国产精品国产三级专区第一集| 成人国语在线视频| 亚洲欧美日韩高清在线视频 | 亚洲人成网站在线观看播放| 五月开心婷婷网| 在线观看免费午夜福利视频| 久久精品久久精品一区二区三区| 亚洲精品在线美女| 亚洲国产日韩一区二区| 欧美成狂野欧美在线观看| 亚洲欧洲精品一区二区精品久久久| 欧美精品亚洲一区二区| 成年动漫av网址| 国产福利在线免费观看视频| 亚洲综合色网址| 狂野欧美激情性bbbbbb| 日韩电影二区| 电影成人av| 国产高清videossex| 国产精品熟女久久久久浪| www.自偷自拍.com| 免费在线观看完整版高清| 国产成人精品在线电影| 交换朋友夫妻互换小说| 69精品国产乱码久久久| 熟女少妇亚洲综合色aaa.| 久久国产亚洲av麻豆专区| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲精品av麻豆狂野| 国产精品久久久久成人av| 久久精品国产a三级三级三级| 赤兔流量卡办理| 国产精品 国内视频| 亚洲精品乱久久久久久| 真人做人爱边吃奶动态| 久久精品亚洲熟妇少妇任你| 丝袜在线中文字幕| 美女午夜性视频免费| 看免费成人av毛片| cao死你这个sao货| 日韩一卡2卡3卡4卡2021年| 午夜福利视频精品| 少妇 在线观看| 老熟女久久久| 久久av网站| 在线看a的网站| 观看av在线不卡| 日韩av免费高清视频| 精品久久久精品久久久| 久久久久久久大尺度免费视频| 欧美老熟妇乱子伦牲交| 日韩av不卡免费在线播放| www.熟女人妻精品国产| 免费日韩欧美在线观看| 在线亚洲精品国产二区图片欧美| 日韩电影二区| 成在线人永久免费视频| 成人黄色视频免费在线看| 欧美精品av麻豆av| 黄色视频在线播放观看不卡| 中文字幕制服av| 青春草视频在线免费观看| 一级毛片黄色毛片免费观看视频| 亚洲人成电影免费在线| 丰满迷人的少妇在线观看| 免费日韩欧美在线观看| 乱人伦中国视频| 成在线人永久免费视频| 别揉我奶头~嗯~啊~动态视频 | 一本—道久久a久久精品蜜桃钙片| 黑人欧美特级aaaaaa片| 亚洲欧美精品综合一区二区三区| 日本五十路高清| 一本一本久久a久久精品综合妖精| 欧美日韩成人在线一区二区| 两个人看的免费小视频| 国产精品99久久99久久久不卡| 精品一品国产午夜福利视频| 国产精品九九99| 在线观看免费日韩欧美大片| 免费av中文字幕在线| 欧美日韩av久久| 免费在线观看完整版高清| 日本av免费视频播放| 国产精品欧美亚洲77777| av国产久精品久网站免费入址| 妹子高潮喷水视频| 久久久欧美国产精品| 亚洲一码二码三码区别大吗| 操美女的视频在线观看| 热re99久久国产66热| av在线app专区| 黄色视频不卡| 黄频高清免费视频| 91国产中文字幕| 亚洲精品美女久久av网站| xxx大片免费视频| 99热网站在线观看| av天堂久久9| 水蜜桃什么品种好| 日本欧美视频一区| 波野结衣二区三区在线| 69精品国产乱码久久久| 一级,二级,三级黄色视频| 成年人黄色毛片网站| 免费人妻精品一区二区三区视频| 亚洲熟女精品中文字幕| 国产精品 欧美亚洲| 亚洲国产最新在线播放| 三上悠亚av全集在线观看| 在线天堂中文资源库| 精品熟女少妇八av免费久了| av国产精品久久久久影院| 久久久精品区二区三区| 午夜福利,免费看| 又大又爽又粗| 一边亲一边摸免费视频| 一区二区三区四区激情视频| 亚洲av综合色区一区| 天天躁狠狠躁夜夜躁狠狠躁| 精品人妻熟女毛片av久久网站| 亚洲av日韩精品久久久久久密 | 这个男人来自地球电影免费观看| 激情五月婷婷亚洲| 晚上一个人看的免费电影| 精品久久久久久久毛片微露脸 | 精品人妻一区二区三区麻豆| 国产在线视频一区二区| 一级片免费观看大全| 少妇人妻久久综合中文| 欧美精品av麻豆av| 欧美 亚洲 国产 日韩一| 一区二区三区激情视频| 日本五十路高清| 欧美激情 高清一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 老司机午夜十八禁免费视频| 国产高清国产精品国产三级| 日日摸夜夜添夜夜爱| 亚洲欧美中文字幕日韩二区| 一级黄片播放器| 久久人人97超碰香蕉20202| av欧美777| 岛国毛片在线播放| 永久免费av网站大全| 国产高清videossex| 欧美 亚洲 国产 日韩一| 色婷婷久久久亚洲欧美| 久久久久久免费高清国产稀缺| 丝瓜视频免费看黄片| 国产精品国产av在线观看| 九草在线视频观看| 免费高清在线观看日韩| 最新的欧美精品一区二区| 久久久精品国产亚洲av高清涩受| 婷婷丁香在线五月| 中文字幕av电影在线播放| 777久久人妻少妇嫩草av网站| 午夜视频精品福利| 巨乳人妻的诱惑在线观看| 国产午夜精品一二区理论片| 久久国产精品大桥未久av| 色精品久久人妻99蜜桃| 国产麻豆69| 50天的宝宝边吃奶边哭怎么回事| 老司机深夜福利视频在线观看 | 久久精品亚洲熟妇少妇任你| 丝袜在线中文字幕| 人妻 亚洲 视频| 免费高清在线观看日韩| 在线观看免费日韩欧美大片| 亚洲综合色网址| netflix在线观看网站| 欧美成人精品欧美一级黄| 欧美黑人精品巨大| 精品国产乱码久久久久久男人| 最新的欧美精品一区二区| 高清av免费在线| 一本综合久久免费| 男人舔女人的私密视频| 女性生殖器流出的白浆| 少妇人妻久久综合中文| 国产精品免费视频内射| 精品一品国产午夜福利视频| 欧美激情高清一区二区三区| 麻豆国产av国片精品| 欧美另类一区| 亚洲自偷自拍图片 自拍| 91字幕亚洲| kizo精华| 欧美在线一区亚洲| 亚洲av男天堂| 啦啦啦视频在线资源免费观看| 一边摸一边做爽爽视频免费| 久久国产精品男人的天堂亚洲| 亚洲av电影在线进入| 亚洲色图 男人天堂 中文字幕| 久久热在线av| 日韩 亚洲 欧美在线| 免费人妻精品一区二区三区视频| av不卡在线播放| 亚洲精品成人av观看孕妇| 黄色一级大片看看| 男女边吃奶边做爰视频| 91字幕亚洲| 久热爱精品视频在线9| 久久人人爽人人片av| 97在线人人人人妻| 韩国高清视频一区二区三区| 免费黄频网站在线观看国产| 最近中文字幕2019免费版| 少妇人妻久久综合中文| 50天的宝宝边吃奶边哭怎么回事| 精品亚洲成国产av| 一级毛片 在线播放| 亚洲图色成人| 精品一区二区三区四区五区乱码 | 欧美成狂野欧美在线观看| 建设人人有责人人尽责人人享有的| 1024视频免费在线观看| 亚洲熟女毛片儿| 又大又爽又粗| 性色av一级| 两性夫妻黄色片| 婷婷成人精品国产| 波多野结衣一区麻豆| 在线观看www视频免费| 在线观看免费日韩欧美大片| 国产精品久久久久久精品古装| 日本av免费视频播放| 国产精品久久久久久精品古装| 99香蕉大伊视频| 午夜精品国产一区二区电影| 亚洲国产av影院在线观看| 成年人午夜在线观看视频| 蜜桃国产av成人99| 美女视频免费永久观看网站| 成人免费观看视频高清| 久久久久国产一级毛片高清牌| 女人爽到高潮嗷嗷叫在线视频| 欧美成人精品欧美一级黄| 老司机影院毛片| 久久精品久久久久久噜噜老黄| 王馨瑶露胸无遮挡在线观看| 男女边摸边吃奶| 久久人人爽av亚洲精品天堂| 精品少妇一区二区三区视频日本电影| 亚洲欧美色中文字幕在线| 成在线人永久免费视频| 后天国语完整版免费观看| av国产久精品久网站免费入址| 男女无遮挡免费网站观看| av福利片在线| 男人爽女人下面视频在线观看| 亚洲国产日韩一区二区| 日本猛色少妇xxxxx猛交久久| 欧美成人精品欧美一级黄| 最近最新中文字幕大全免费视频 | 人成视频在线观看免费观看| 一级片'在线观看视频| 国产精品亚洲av一区麻豆| 国产不卡av网站在线观看| xxxhd国产人妻xxx| 亚洲精品一区蜜桃| 久久久亚洲精品成人影院| 亚洲色图综合在线观看| 午夜影院在线不卡| 亚洲人成电影观看| 久久精品国产综合久久久| 一区福利在线观看| 99香蕉大伊视频| 五月天丁香电影| 欧美人与善性xxx| 99热网站在线观看| 国产精品国产三级国产专区5o| 九草在线视频观看| 欧美黄色淫秽网站| 又紧又爽又黄一区二区| 九草在线视频观看| 国产男女内射视频| 亚洲专区中文字幕在线| 久久久亚洲精品成人影院| 精品卡一卡二卡四卡免费| 亚洲 国产 在线| 久久精品国产亚洲av高清一级| 2018国产大陆天天弄谢| 色婷婷久久久亚洲欧美| 亚洲欧美激情在线| 少妇被粗大的猛进出69影院| 日本色播在线视频| 高清欧美精品videossex| 18禁国产床啪视频网站| 两人在一起打扑克的视频| 亚洲国产精品成人久久小说| 国产精品久久久av美女十八| 欧美xxⅹ黑人| 99精品久久久久人妻精品| 久久久久久久精品精品| 蜜桃国产av成人99| 看免费成人av毛片| 首页视频小说图片口味搜索 | 久久精品久久久久久久性| 波多野结衣av一区二区av| 亚洲精品美女久久av网站| 欧美人与性动交α欧美精品济南到| 免费在线观看视频国产中文字幕亚洲 | 欧美在线一区亚洲| 欧美精品av麻豆av| 色婷婷久久久亚洲欧美| 日韩欧美一区视频在线观看| 久久中文字幕一级| 又粗又硬又长又爽又黄的视频| 久久久久久免费高清国产稀缺| 老司机影院毛片| 中国国产av一级| 无遮挡黄片免费观看| 免费高清在线观看视频在线观看| 高潮久久久久久久久久久不卡| 欧美激情极品国产一区二区三区| 国产精品久久久久成人av| 日韩一本色道免费dvd| 国产高清视频在线播放一区 | av国产久精品久网站免费入址| 美女大奶头黄色视频| 另类精品久久| 两人在一起打扑克的视频| 成人午夜精彩视频在线观看| 一级毛片女人18水好多 | 少妇 在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 97在线人人人人妻| 成人影院久久| 亚洲成色77777| 9热在线视频观看99| 欧美亚洲 丝袜 人妻 在线| 欧美+亚洲+日韩+国产| 午夜激情久久久久久久| 99国产精品免费福利视频| 国语对白做爰xxxⅹ性视频网站| 日韩人妻精品一区2区三区| 999精品在线视频| 久久久久久亚洲精品国产蜜桃av| 18禁国产床啪视频网站| 亚洲国产最新在线播放| a级毛片在线看网站| 亚洲国产欧美日韩在线播放| 成年女人毛片免费观看观看9 | 爱豆传媒免费全集在线观看| 宅男免费午夜| 精品国产国语对白av| 中国美女看黄片| 成年av动漫网址| 亚洲国产中文字幕在线视频| 亚洲国产日韩一区二区| 成年人午夜在线观看视频| 日本午夜av视频| 国产又爽黄色视频| 久久热在线av| 一级毛片黄色毛片免费观看视频| 国产视频一区二区在线看| 国产一区二区在线观看av| 80岁老熟妇乱子伦牲交| 91精品国产国语对白视频| 国产成人精品无人区| 飞空精品影院首页| 成人三级做爰电影| 国产在线视频一区二区| 女性被躁到高潮视频| 欧美日韩视频精品一区| 国产成人系列免费观看| 两个人看的免费小视频| 叶爱在线成人免费视频播放| 国产视频一区二区在线看| e午夜精品久久久久久久| 亚洲精品一二三| 亚洲欧美清纯卡通| 欧美亚洲 丝袜 人妻 在线| 91成人精品电影| 久久久精品94久久精品| 亚洲人成77777在线视频| 少妇 在线观看| e午夜精品久久久久久久| 久久av网站| 国产av国产精品国产| 亚洲av电影在线进入| 国产精品熟女久久久久浪| 国产熟女午夜一区二区三区| 久久狼人影院| 少妇猛男粗大的猛烈进出视频| 伊人亚洲综合成人网| 好男人电影高清在线观看| 亚洲精品国产色婷婷电影| 成在线人永久免费视频| 妹子高潮喷水视频| 欧美日韩一级在线毛片| 天天影视国产精品| 高潮久久久久久久久久久不卡| 永久免费av网站大全| 久久人人97超碰香蕉20202| 亚洲欧洲精品一区二区精品久久久| 99国产综合亚洲精品| 超碰97精品在线观看| 中文字幕色久视频| 午夜福利乱码中文字幕| 久久久久久久久免费视频了| 久久国产精品大桥未久av| 曰老女人黄片| 亚洲精品日韩在线中文字幕| 久久久久国产精品人妻一区二区| 香蕉国产在线看| 亚洲精品一区蜜桃| 免费久久久久久久精品成人欧美视频| 亚洲成人国产一区在线观看 | 九草在线视频观看| 亚洲国产最新在线播放| 亚洲av男天堂| 精品一品国产午夜福利视频| 99九九在线精品视频| 亚洲熟女精品中文字幕| 亚洲国产看品久久| 大片免费播放器 马上看| 日本a在线网址| 成人国产一区最新在线观看 | 亚洲av电影在线进入|