• <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
    变态另类成人亚洲欧美熟女| 国内精品一区二区在线观看| 91在线观看av| 好看av亚洲va欧美ⅴa在| 国产黄片美女视频| 999精品在线视频| 亚洲美女黄片视频| 99热只有精品国产| 天堂√8在线中文| 变态另类丝袜制服| 一个人免费在线观看电影 | 日本免费a在线| 偷拍熟女少妇极品色| 久久久久久大精品| 久久久久久久午夜电影| 综合色av麻豆| 精品久久久久久久毛片微露脸| 巨乳人妻的诱惑在线观看| 国产精品国产高清国产av| 99久久国产精品久久久| 99国产精品一区二区蜜桃av| 熟女人妻精品中文字幕| 久久午夜亚洲精品久久| 日本一二三区视频观看| 亚洲成av人片免费观看| 亚洲国产色片| 国产精品日韩av在线免费观看| av天堂中文字幕网| 久久精品91蜜桃| 亚洲av成人不卡在线观看播放网| 变态另类成人亚洲欧美熟女| 中文亚洲av片在线观看爽| 麻豆久久精品国产亚洲av| 日本成人三级电影网站| 一区二区三区高清视频在线| 美女大奶头视频| 国产伦精品一区二区三区视频9 | 国内揄拍国产精品人妻在线| 亚洲国产看品久久| 成人三级黄色视频| 岛国视频午夜一区免费看| av在线天堂中文字幕| 亚洲av熟女| 母亲3免费完整高清在线观看| 亚洲av电影在线进入| a级毛片a级免费在线| 狠狠狠狠99中文字幕| 青草久久国产| 日日干狠狠操夜夜爽| a级毛片在线看网站| 好男人在线观看高清免费视频| 久久中文字幕人妻熟女| 天堂√8在线中文| 中文字幕人妻丝袜一区二区| 国产免费av片在线观看野外av| 在线视频色国产色| 亚洲av成人不卡在线观看播放网| 国产精品电影一区二区三区| 亚洲欧美精品综合久久99| 欧美日韩亚洲国产一区二区在线观看| 热99re8久久精品国产| 在线观看免费午夜福利视频| 久久精品影院6| 国产一区二区在线av高清观看| 久久欧美精品欧美久久欧美| 欧美在线黄色| 黄色日韩在线| 国产亚洲av高清不卡| 欧美一级毛片孕妇| 很黄的视频免费| 久久性视频一级片| 在线永久观看黄色视频| 18禁国产床啪视频网站| 免费在线观看视频国产中文字幕亚洲| 在线国产一区二区在线| 国产精品电影一区二区三区| 久久久久久久久中文| 一级毛片高清免费大全| 高潮久久久久久久久久久不卡| 免费看美女性在线毛片视频| 99在线人妻在线中文字幕| avwww免费| 婷婷亚洲欧美| 国产视频一区二区在线看| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品久久电影中文字幕| 欧美大码av| 午夜福利成人在线免费观看| 久久伊人香网站| 偷拍熟女少妇极品色| 精品乱码久久久久久99久播| 久久天堂一区二区三区四区| 中文资源天堂在线| 国产综合懂色| 男女之事视频高清在线观看| 国产精品av久久久久免费| 日韩欧美 国产精品| 国产av麻豆久久久久久久| 99热这里只有精品一区 | 看黄色毛片网站| 淫妇啪啪啪对白视频| 日本一本二区三区精品| 麻豆一二三区av精品| 亚洲自偷自拍图片 自拍| 级片在线观看| 亚洲av熟女| 黄色视频,在线免费观看| 久久中文字幕人妻熟女| 国产黄a三级三级三级人| 中文资源天堂在线| 欧美高清成人免费视频www| 免费在线观看视频国产中文字幕亚洲| 精品99又大又爽又粗少妇毛片 | 亚洲乱码一区二区免费版| 久久精品国产清高在天天线| 少妇裸体淫交视频免费看高清| 国产成人福利小说| 十八禁网站免费在线| 亚洲七黄色美女视频| 99热只有精品国产| www日本黄色视频网| 香蕉久久夜色| 脱女人内裤的视频| 99久久精品国产亚洲精品| 啪啪无遮挡十八禁网站| 国产精品av久久久久免费| 在线永久观看黄色视频| 草草在线视频免费看| 亚洲片人在线观看| 日韩欧美一区二区三区在线观看| 国内精品美女久久久久久| 又紧又爽又黄一区二区| 丁香六月欧美| 天堂av国产一区二区熟女人妻| 成人18禁在线播放| 成人特级黄色片久久久久久久| av视频在线观看入口| 老司机福利观看| 欧美3d第一页| 伦理电影免费视频| 小蜜桃在线观看免费完整版高清| 夜夜躁狠狠躁天天躁| 国产成+人综合+亚洲专区| 久久久久精品国产欧美久久久| 欧美精品啪啪一区二区三区| 久久这里只有精品中国| 90打野战视频偷拍视频| 国产一区二区激情短视频| 久久国产精品影院| 成人特级黄色片久久久久久久| 亚洲欧美日韩无卡精品| АⅤ资源中文在线天堂| 别揉我奶头~嗯~啊~动态视频| 长腿黑丝高跟| 性欧美人与动物交配| 在线视频色国产色| 欧美三级亚洲精品| 亚洲精品一卡2卡三卡4卡5卡| 天堂av国产一区二区熟女人妻| 国产激情久久老熟女| 亚洲欧美精品综合久久99| 亚洲欧美日韩高清在线视频| 在线国产一区二区在线| 99久久99久久久精品蜜桃| 在线看三级毛片| 国产高清激情床上av| 在线永久观看黄色视频| 在线免费观看的www视频| 精品国产美女av久久久久小说| 伊人久久大香线蕉亚洲五| 亚洲人成网站在线播放欧美日韩| 国产精品1区2区在线观看.| 亚洲专区中文字幕在线| 色综合亚洲欧美另类图片| 欧美xxxx黑人xx丫x性爽| svipshipincom国产片| 中文字幕久久专区| 日本熟妇午夜| 日韩精品中文字幕看吧| 亚洲专区中文字幕在线| 黑人巨大精品欧美一区二区mp4| 免费看日本二区| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦韩国在线观看视频| 在线国产一区二区在线| 可以在线观看毛片的网站| 国产精品电影一区二区三区| 我要搜黄色片| 亚洲欧美一区二区三区黑人| 97人妻精品一区二区三区麻豆| 欧美精品啪啪一区二区三区| 色老头精品视频在线观看| 免费无遮挡裸体视频| 九九在线视频观看精品| av福利片在线观看| 亚洲自偷自拍图片 自拍| 国产精品久久电影中文字幕| 蜜桃久久精品国产亚洲av| 国产在线精品亚洲第一网站| 男女那种视频在线观看| 国产1区2区3区精品| 亚洲欧洲精品一区二区精品久久久| 欧美午夜高清在线| 亚洲av免费在线观看| 成在线人永久免费视频| 19禁男女啪啪无遮挡网站| 欧美不卡视频在线免费观看| 国产精品99久久99久久久不卡| 男女午夜视频在线观看| 一二三四社区在线视频社区8| 又大又爽又粗| 成年免费大片在线观看| 亚洲av电影不卡..在线观看| 国产亚洲精品av在线| 我的老师免费观看完整版| 精品乱码久久久久久99久播| 亚洲精品久久国产高清桃花| 香蕉丝袜av| 91av网一区二区| 日本 av在线| 国产欧美日韩精品亚洲av| 香蕉av资源在线| 国产高清激情床上av| 久久久久久国产a免费观看| 母亲3免费完整高清在线观看| cao死你这个sao货| 丝袜人妻中文字幕| 日本 欧美在线| 国产成人一区二区三区免费视频网站| 狂野欧美白嫩少妇大欣赏| 成人三级做爰电影| 欧美极品一区二区三区四区| 啦啦啦观看免费观看视频高清| av黄色大香蕉| av福利片在线观看| 香蕉av资源在线| 嫁个100分男人电影在线观看| 成年免费大片在线观看| 欧美乱码精品一区二区三区| 亚洲中文字幕一区二区三区有码在线看 | 国产精品1区2区在线观看.| 午夜a级毛片| 欧美zozozo另类| 特大巨黑吊av在线直播| 丝袜人妻中文字幕| 免费大片18禁| 精品一区二区三区四区五区乱码| 天堂影院成人在线观看| 欧美日韩综合久久久久久 | 日韩中文字幕欧美一区二区| 亚洲精品色激情综合| 免费观看的影片在线观看| xxx96com| 一区二区三区高清视频在线| 综合色av麻豆| 性欧美人与动物交配| 欧美精品啪啪一区二区三区| 一区福利在线观看| 亚洲九九香蕉| 欧美3d第一页| 特级一级黄色大片| 午夜免费成人在线视频| 亚洲av免费在线观看| 嫁个100分男人电影在线观看| 天堂影院成人在线观看| 老汉色∧v一级毛片| 国产欧美日韩一区二区三| 性色avwww在线观看| 国内精品久久久久精免费| 国产精品综合久久久久久久免费| 18禁国产床啪视频网站| 母亲3免费完整高清在线观看| 丝袜人妻中文字幕| 日韩大尺度精品在线看网址| 日韩 欧美 亚洲 中文字幕| 国产成人福利小说| 蜜桃久久精品国产亚洲av| 中文亚洲av片在线观看爽| 亚洲精品色激情综合| 美女 人体艺术 gogo| h日本视频在线播放| 久久久久久久久久黄片| 成年人黄色毛片网站| 精品日产1卡2卡| 真人做人爱边吃奶动态| 亚洲国产欧美一区二区综合| 亚洲国产精品成人综合色| 久久久国产成人精品二区| 日日夜夜操网爽| 国产亚洲精品av在线| 18禁观看日本| 女同久久另类99精品国产91| 全区人妻精品视频| 欧美+亚洲+日韩+国产| 成人18禁在线播放| 一级毛片女人18水好多| 久久精品亚洲精品国产色婷小说| h日本视频在线播放| 欧美三级亚洲精品| 国产成人系列免费观看| 岛国视频午夜一区免费看| 久久亚洲真实| 欧美日韩一级在线毛片| 非洲黑人性xxxx精品又粗又长| 午夜精品久久久久久毛片777| 国产精华一区二区三区| 日韩欧美国产在线观看| 国产极品精品免费视频能看的| 国产精品野战在线观看| 12—13女人毛片做爰片一| 丰满人妻一区二区三区视频av | 天堂√8在线中文| 国产av不卡久久| 色精品久久人妻99蜜桃| 男女视频在线观看网站免费| 亚洲第一欧美日韩一区二区三区| 在线观看免费午夜福利视频| 色av中文字幕| 韩国av一区二区三区四区| 精品人妻1区二区| 一进一出好大好爽视频| 成人无遮挡网站| svipshipincom国产片| 啦啦啦观看免费观看视频高清| 国产精品乱码一区二三区的特点| 亚洲一区二区三区色噜噜| 亚洲精品国产精品久久久不卡| 最近在线观看免费完整版| 亚洲欧美日韩高清专用| 看黄色毛片网站| 亚洲精品一区av在线观看| 免费搜索国产男女视频| 五月玫瑰六月丁香| 午夜福利在线在线| 美女黄网站色视频| 毛片女人毛片| 人妻丰满熟妇av一区二区三区| av福利片在线观看| 亚洲精品美女久久av网站| 狂野欧美白嫩少妇大欣赏| 激情在线观看视频在线高清| 国产精品免费一区二区三区在线| 母亲3免费完整高清在线观看| 在线播放国产精品三级| 精品一区二区三区视频在线观看免费| 日韩三级视频一区二区三区| 成年女人毛片免费观看观看9| 手机成人av网站| 国产精品,欧美在线| 国产美女午夜福利| 欧美精品啪啪一区二区三区| 久久久久久久久久黄片| 欧美日韩福利视频一区二区| 国产午夜福利久久久久久| a在线观看视频网站| 老司机在亚洲福利影院| 国产高清有码在线观看视频| 亚洲国产日韩欧美精品在线观看 | 欧美一区二区国产精品久久精品| 免费在线观看日本一区| 深夜精品福利| 99久久成人亚洲精品观看| avwww免费| 两人在一起打扑克的视频| 亚洲精品在线美女| 久久精品91无色码中文字幕| 国产精品亚洲一级av第二区| 免费观看的影片在线观看| 全区人妻精品视频| 欧美乱妇无乱码| 国产99白浆流出| 给我免费播放毛片高清在线观看| 三级男女做爰猛烈吃奶摸视频| av在线天堂中文字幕| 麻豆一二三区av精品| 久久久久久久午夜电影| 中文字幕av在线有码专区| 国产精品日韩av在线免费观看| 级片在线观看| 日本精品一区二区三区蜜桃| 高潮久久久久久久久久久不卡| 欧美午夜高清在线| 亚洲在线自拍视频| 19禁男女啪啪无遮挡网站| 亚洲av成人精品一区久久| 免费电影在线观看免费观看| 国产综合懂色| АⅤ资源中文在线天堂| 少妇的逼水好多| 国产三级黄色录像| 国产av麻豆久久久久久久| 国产成人福利小说| 亚洲午夜理论影院| 久久中文字幕一级| 亚洲一区二区三区不卡视频| 亚洲精品中文字幕一二三四区| 国产亚洲精品综合一区在线观看| 女生性感内裤真人,穿戴方法视频| 久久久久久久久免费视频了| 欧美黄色片欧美黄色片| www.精华液| 97人妻精品一区二区三区麻豆| 日本撒尿小便嘘嘘汇集6| 午夜影院日韩av| 性欧美人与动物交配| 一级a爱片免费观看的视频| 老司机福利观看| 亚洲国产精品999在线| 青草久久国产| 日本在线视频免费播放| 校园春色视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 一进一出好大好爽视频| 在线看三级毛片| 久久精品91蜜桃| 亚洲欧美日韩卡通动漫| 波多野结衣巨乳人妻| 色吧在线观看| 亚洲第一欧美日韩一区二区三区| 亚洲电影在线观看av| 欧美成人性av电影在线观看| 亚洲av中文字字幕乱码综合| 在线永久观看黄色视频| 亚洲一区高清亚洲精品| 99久久久亚洲精品蜜臀av| 久久天躁狠狠躁夜夜2o2o| 亚洲 欧美一区二区三区| 国产成人系列免费观看| 香蕉国产在线看| 亚洲最大成人中文| 中文字幕熟女人妻在线| 怎么达到女性高潮| 一进一出好大好爽视频| 精品午夜福利视频在线观看一区| 九九在线视频观看精品| 久9热在线精品视频| 精品国产亚洲在线| 亚洲成人久久爱视频| 亚洲真实伦在线观看| 欧美一级毛片孕妇| 国产蜜桃级精品一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 久久精品国产清高在天天线| 国产精品电影一区二区三区| 叶爱在线成人免费视频播放| 免费看光身美女| 嫩草影院入口| 我的老师免费观看完整版| 在线免费观看不下载黄p国产 | 亚洲国产欧美一区二区综合| 日本熟妇午夜| 色综合站精品国产| 国产亚洲av嫩草精品影院| e午夜精品久久久久久久| 脱女人内裤的视频| 亚洲乱码一区二区免费版| 午夜福利视频1000在线观看| 精品福利观看| 亚洲熟妇熟女久久| av黄色大香蕉| 久久天堂一区二区三区四区| 精品午夜福利视频在线观看一区| 午夜免费成人在线视频| 国产亚洲精品久久久com| 欧美乱色亚洲激情| 1024香蕉在线观看| 色播亚洲综合网| 国产免费男女视频| 女生性感内裤真人,穿戴方法视频| 欧美成人免费av一区二区三区| 日韩人妻高清精品专区| 美女cb高潮喷水在线观看 | 国产精品久久久人人做人人爽| 免费在线观看成人毛片| 麻豆久久精品国产亚洲av| 国产伦人伦偷精品视频| 人妻丰满熟妇av一区二区三区| 国产一区二区在线观看日韩 | 国产高清有码在线观看视频| 国产亚洲精品久久久久久毛片| 午夜精品在线福利| 免费看a级黄色片| 蜜桃久久精品国产亚洲av| 久久精品国产亚洲av香蕉五月| 国内久久婷婷六月综合欲色啪| 在线免费观看的www视频| 少妇的逼水好多| 两个人视频免费观看高清| 亚洲成人免费电影在线观看| 国产麻豆成人av免费视频| www日本黄色视频网| 法律面前人人平等表现在哪些方面| 丰满的人妻完整版| 一级毛片高清免费大全| 欧美在线一区亚洲| 99视频精品全部免费 在线 | 搡老岳熟女国产| 精品午夜福利视频在线观看一区| 国产欧美日韩一区二区三| 国产伦精品一区二区三区四那| a级毛片a级免费在线| 婷婷亚洲欧美| 一级作爱视频免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品永久免费网站| 视频区欧美日本亚洲| 搞女人的毛片| 免费观看的影片在线观看| 国产av在哪里看| 色尼玛亚洲综合影院| 亚洲国产欧洲综合997久久,| 搡老熟女国产l中国老女人| 嫩草影院入口| 两个人的视频大全免费| 狂野欧美激情性xxxx| 国产蜜桃级精品一区二区三区| 夜夜躁狠狠躁天天躁| 在线观看美女被高潮喷水网站 | 国产97色在线日韩免费| 草草在线视频免费看| 一级毛片精品| 啪啪无遮挡十八禁网站| 欧美日韩黄片免| 久久午夜亚洲精品久久| 日本与韩国留学比较| 中文在线观看免费www的网站| 在线免费观看的www视频| 人人妻人人看人人澡| 欧美在线一区亚洲| 一区二区三区激情视频| 麻豆国产av国片精品| 久久久久亚洲av毛片大全| 亚洲avbb在线观看| 成年女人永久免费观看视频| 亚洲va日本ⅴa欧美va伊人久久| 在线观看午夜福利视频| av中文乱码字幕在线| 日本在线视频免费播放| a级毛片a级免费在线| 亚洲欧美精品综合一区二区三区| 亚洲色图 男人天堂 中文字幕| 日韩欧美国产一区二区入口| 国产av一区在线观看免费| 国产午夜精品久久久久久| 亚洲最大成人中文| 麻豆国产av国片精品| 男女午夜视频在线观看| 在线播放国产精品三级| 亚洲精品国产精品久久久不卡| 免费在线观看视频国产中文字幕亚洲| 99riav亚洲国产免费| 男女午夜视频在线观看| 国产av一区在线观看免费| 中文字幕熟女人妻在线| 久久香蕉精品热| 色视频www国产| 日韩欧美三级三区| 超碰成人久久| 美女cb高潮喷水在线观看 | 成人亚洲精品av一区二区| 九色成人免费人妻av| 白带黄色成豆腐渣| 中文字幕精品亚洲无线码一区| 国内揄拍国产精品人妻在线| 少妇的逼水好多| 免费看十八禁软件| 久久欧美精品欧美久久欧美| 午夜久久久久精精品| 香蕉丝袜av| 午夜两性在线视频| 99久久精品国产亚洲精品| 色综合亚洲欧美另类图片| 国产亚洲精品av在线| 毛片女人毛片| 亚洲国产看品久久| 夜夜躁狠狠躁天天躁| 久久久久久久精品吃奶| 久久精品人妻少妇| 国产精品永久免费网站| av在线天堂中文字幕| 不卡一级毛片| 午夜福利成人在线免费观看| 色综合站精品国产| 熟女电影av网| 国产亚洲欧美98| www.999成人在线观看| 亚洲 欧美一区二区三区| 麻豆国产97在线/欧美| 久9热在线精品视频| xxx96com| 国产欧美日韩精品亚洲av| 日韩欧美国产在线观看| 亚洲精品美女久久久久99蜜臀| 亚洲天堂国产精品一区在线| 久久久水蜜桃国产精品网| 亚洲av成人一区二区三| 国产成人精品无人区| 欧美激情久久久久久爽电影| 嫁个100分男人电影在线观看| 一区二区三区激情视频| 后天国语完整版免费观看| 亚洲专区中文字幕在线| 亚洲欧美激情综合另类| 日韩 欧美 亚洲 中文字幕| 国产精品 欧美亚洲| 他把我摸到了高潮在线观看| 窝窝影院91人妻| 精品免费久久久久久久清纯| 在线观看免费视频日本深夜| 麻豆成人午夜福利视频| 欧美日本亚洲视频在线播放| 久久伊人香网站| 亚洲av成人av| 国产伦在线观看视频一区| 欧美zozozo另类|