• <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 ?

    基于無人機(jī)數(shù)字圖像與高光譜數(shù)據(jù)融合的小麥全蝕病等級(jí)的快速分類技術(shù)

    2015-07-02 01:45:54喬紅波司海平馬新明周益林
    植物保護(hù) 2015年6期
    關(guān)鍵詞:全蝕波段光譜

    喬紅波, 師 越, 司海平, 吳 旭,郭 偉, 時(shí) 雷, 馬新明, 周益林

    (1.河南糧食作物協(xié)同創(chuàng)新中心,河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院,鄭州 450002; 2.植物病蟲害生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100193)

    基于無人機(jī)數(shù)字圖像與高光譜數(shù)據(jù)融合的小麥全蝕病等級(jí)的快速分類技術(shù)

    喬紅波1,2*, 師 越1, 司海平1, 吳 旭1,郭 偉1, 時(shí) 雷1, 馬新明1, 周益林2

    (1.河南糧食作物協(xié)同創(chuàng)新中心,河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院,鄭州 450002; 2.植物病蟲害生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100193)

    小麥全蝕病是檢疫性的土傳病害,對(duì)小麥生產(chǎn)危害極大,對(duì)其發(fā)生的監(jiān)測(cè)是治理的根本。遙感技術(shù)可實(shí)時(shí)、宏觀地監(jiān)測(cè)病害發(fā)生發(fā)展,尤其是將光譜信息與高分辨率數(shù)字圖像進(jìn)行融合,可直觀、精準(zhǔn)地對(duì)病害識(shí)別和分類。本文基于計(jì)算機(jī)視覺技術(shù),通過光譜數(shù)據(jù)與高分辨率數(shù)字圖像結(jié)合的方法,對(duì)小麥全蝕病等級(jí)進(jìn)行快速分類。首先,通過ASD非成像光譜儀獲取小麥全蝕病的光譜信息,提取全蝕病特征光譜,建立光譜比。其次,利用無人機(jī)獲取的實(shí)時(shí)田間數(shù)碼圖像,對(duì)其顏色特征進(jìn)行重量化。最后,利用基于支持向量機(jī)的決策樹分類對(duì)圖像視場(chǎng)中的不同全蝕病等級(jí)進(jìn)行分類。結(jié)果表明,4個(gè)全蝕病等級(jí)的分類精度均大于86%(Kappa>0.81),平均運(yùn)算時(shí)間小于30 s。通過與實(shí)地調(diào)查的小麥全蝕病的白穗率等級(jí)做比對(duì),驗(yàn)證分類結(jié)果的準(zhǔn)確性,結(jié)果表明該方法基本可以實(shí)現(xiàn)對(duì)小麥全蝕病等級(jí)的實(shí)時(shí)監(jiān)測(cè)。

    小麥全蝕病; 計(jì)算機(jī)視覺技術(shù); 快速多分類; 顏色模型; 支持向量機(jī)

    基于顏色特征的圖像融合,強(qiáng)調(diào)光譜比和顏色特征之間的對(duì)應(yīng),并不突出像元的對(duì)應(yīng),在處理上避免了像元重采樣等方面的誤差。由于它強(qiáng)調(diào)對(duì)顏色特征和光譜比進(jìn)行關(guān)聯(lián)處理,把特征分為有意義的組合,因而它對(duì)特征屬性的判斷具有更高的可信度和準(zhǔn)確性,圍繞輔助決策的針對(duì)性更強(qiáng),且數(shù)據(jù)處理量大大減少,有利于實(shí)時(shí)處理[1011]。

    本研究的目的是發(fā)展一種基于支持向量機(jī)分類樹的小麥全蝕病等級(jí)的快速分類技術(shù)。首先,利用非成像光譜儀(ASD Hand Held,ASD Inc,以下簡(jiǎn)稱ASD非成像光譜儀)獲取小麥全蝕病冠層的高光譜數(shù)據(jù),建立特征譜段的光譜比。其次,利用無人機(jī)設(shè)備獲取航拍數(shù)碼圖像,并建立基于HSV色彩空間的顏色特征模型。最后通過基于支持向量機(jī)的決策樹分類,實(shí)現(xiàn)對(duì)圖像中小麥全蝕病等級(jí)的快速分類。

    1 材料與方法

    1.1 試驗(yàn)設(shè)計(jì)

    1.1.1 試驗(yàn)區(qū)域

    試驗(yàn)于2013年4月到6月在河南省原陽(yáng)縣(114.09°N,35.14°E)進(jìn)行,供試小麥品種為‘鄭麥366’,2012年10月播種。利用12.5%硅噻菌胺懸浮劑3個(gè)濃度梯度(1∶250,1∶500,1∶1 000)拌種,每濃度3個(gè)重復(fù)。于收獲前2周測(cè)定其冠層的高光譜數(shù)據(jù)和航拍數(shù)碼圖像,并對(duì)試驗(yàn)區(qū)域進(jìn)行抽樣調(diào)查,每個(gè)點(diǎn)調(diào)查1 m2區(qū)域內(nèi)的小麥,記錄小麥全蝕病白穗率。試驗(yàn)期間,田間平均溫度為19.4℃。

    1.1.2 冠層光譜測(cè)定和航空?qǐng)D像采集

    本研究中所有數(shù)據(jù)均在無云的晴天進(jìn)行收集,采集時(shí)間在10:00到13:00之間,試驗(yàn)利用ASD非成像光譜儀獲取小麥全蝕病成像光譜數(shù)據(jù)。利用無人機(jī)進(jìn)行航空?qǐng)D像的拍攝。

    ASD非成像光譜儀的光譜范圍為350~1 000 nm,視場(chǎng)角為25°,數(shù)據(jù)傳輸方式為USB 2.0,將采集到數(shù)據(jù)直接存儲(chǔ)在便攜式計(jì)算機(jī)中,并對(duì)遙感圖像中的機(jī)內(nèi)暗電流,零響應(yīng)偏移進(jìn)行校正[12]。在ENVI 5.0的環(huán)境下,采集的高光譜數(shù)據(jù)通過基于地面控制點(diǎn)(ground control point,GCP)的正射校正算法的有理多項(xiàng)式系數(shù)(rational polynomial coefficient,RPC)進(jìn)行幾何校正。通過暗像素法(dark object subtraction,DOS)進(jìn)行輻射校正,每個(gè)波段的閾值均設(shè)為1%。航拍設(shè)備包括一架配備數(shù)碼相機(jī)(Sony Nex-5)的小型無人機(jī)以及一個(gè)控制臺(tái)。圖像拍攝角度與地面垂直,高度100 m,圖片分辨率為4 912×2 760像素,儲(chǔ)存格式為TIFF(圖1)。

    1.2 光譜可分性檢驗(yàn)與特征譜段比

    1.2.1 特征光譜可分性檢驗(yàn)

    光譜的可分性檢驗(yàn)用于檢驗(yàn)主成分特征波段的顯著性,光譜的可分性通過計(jì)算特征波段的反射率均值間的Jeffries-Matusita距離來判斷其可分性。Jeffries-Matusita距離的取值范圍為[0,2],本研究中設(shè)置閥值為1.85,即當(dāng)波段間的Jeffries-Matusita距離大于1.85的時(shí)候,即認(rèn)為兩個(gè)波段是可分的[13]。

    1.2.2 特征波段比

    正常小麥在510~580 nm的綠波段呈現(xiàn)反射峰,在630~690 nm的紅波段呈現(xiàn)吸收谷,這種“峰谷現(xiàn)象”是正常小麥光譜曲線的典型特征[14]。而小麥全蝕病的主要特征是出現(xiàn)“白穗”,通過小麥冠層的白穗率來衡量全蝕病等級(jí),其光譜的“峰谷現(xiàn)象”不再明顯[15-16]。

    1.3 HSV顏色特征模型

    1.3.1 顏色分量重量化

    利用有效的數(shù)據(jù)標(biāo)簽來選取訓(xùn)練樣本可以有效地增加分類精度,減少訓(xùn)練時(shí)間。本研究利用16∶4∶4的量化方案(表1)對(duì)圖像的色調(diào)、飽和度和亮度(hue,saturation and value;HSV)進(jìn)行重量化,建立顏色特征模型[17]。量化后的顏色特征具有更高的檢索效率,并使圖像中的像素按其顏色特征進(jìn)行排列,從而建立有效的特征檢索標(biāo)簽。

    圖1 試驗(yàn)區(qū)域示意圖以及航空拍攝圖像示例Fig.1 The aerial photo of the study areas in Yuanyang County,Henan,China

    1.3.2 顏色特征索引的建立

    對(duì)于圖像中的像素矩陣,利用公式(1)對(duì)量化后的HSV顏色分量進(jìn)行融合,得到顏色特征的第一個(gè)特征向量T1。再利用量化后的3個(gè)顏色分量的均值μH、μS、μV,方差σH、σS、σV,和三階矩mH、mS、mV,建立9個(gè)特征索引T2~T10

    [17]。

    式中,DH,DS,DV是色調(diào)(H)、飽和度(S)、亮度(V)量化后的值。QS和QV分別是飽和度和亮度的量化的等級(jí)數(shù)。

    1.3.3 基于特征索引的顏色聚類

    對(duì)于兩個(gè)像素矩陣A和B,Ti(A)和Ti(B)是其對(duì)應(yīng)的顏色特征索引。利用公式(2)可以求出第i個(gè)特征的相似性:

    式中{A+B}是矩陣A和矩陣B中的不重復(fù)像素的總和。{|Ti(A)-Ti(B)|>α}表示矩陣A與B中對(duì)應(yīng)元素相減后其絕對(duì)值大于αi的元素個(gè)數(shù),這里αi為相似度的參數(shù)。

    再利用公式(3)計(jì)算像素矩陣A和矩陣B的總相似度,從而確定兩個(gè)矩陣的顏色聚類。

    這里T是顏色特征索引的個(gè)數(shù),本研究中T= 10。SIMI的范圍是[0,1]。SIMI越大相似性越強(qiáng)。

    表1 HSV色彩空間的量化方案Table 1 Quantification scenario of HSV color space

    1.4 支持向量機(jī)(SVM)與決策樹分類

    1.4.1 支持向量機(jī)

    本研究在Matlab 2013a的環(huán)境下,使用徑向基核函數(shù)(radial basis function,RBF)作為訓(xùn)練樣本xi,xj間支持向量分類機(jī)的核函數(shù),支持向量機(jī)采用風(fēng)險(xiǎn)最小化原理,在樣本誤差最小化的同時(shí)減小模型誤差的上界,避免了過學(xué)習(xí)現(xiàn)象[18]。通常,分類問題都是非線性的,而非線性問題可以通過變換轉(zhuǎn)化為高維空間的線性問題,在變換后的高維空間中求最優(yōu)解[19]。支持向量機(jī)通過核函數(shù)解決了問題從低維向高維影射的過程。公式4為RBF核函數(shù),其參數(shù)γ=0.004 59,懲罰系數(shù)為100:

    1.4.2 決策樹分類

    本研究將決策樹分類分為兩層。首先,將無人機(jī)獲取的圖像轉(zhuǎn)換為像素單元的矩陣,其次,利用綠、紅波段比對(duì)每個(gè)像素進(jìn)行預(yù)分類,最后,通過支持向量機(jī)對(duì)兩個(gè)子類進(jìn)行再分類(圖2)。在運(yùn)算過程中加入計(jì)時(shí)器,測(cè)量計(jì)算時(shí)間與訓(xùn)練樣本規(guī)模之間的關(guān)系。

    1.4.3 分類精度

    將分類結(jié)果與實(shí)地調(diào)查數(shù)據(jù)對(duì)比,得到分類精度的混淆矩陣(confusion matrix),并通過公式(5)計(jì)算其穩(wěn)定性指標(biāo)(Kappa值)[20]:

    式中:r是混淆矩陣的總列數(shù);xii是混淆矩陣的第i行、第i列的像元數(shù)量;xixi是第i行和第i列總像元數(shù)量;N是整個(gè)圖像的總像元數(shù)量。

    圖2 決策樹分類的流程圖Fig.2 Flow diagram of decision tree classification

    2 結(jié)果與分析

    2.1 光譜可分性檢驗(yàn)

    光譜可分性分析對(duì)紅、綠、藍(lán)三個(gè)特征光譜的顯著性以及可分離的程度進(jìn)行對(duì)比(表2)。結(jié)果表明,在閥值=1.85的條件下,紅、綠波段間具有顯著的可分性(即Jeffries-Matusita距離均顯著的大于1.85),這表明紅、綠波段能夠反映不同小麥全蝕病等級(jí)的光譜特征。

    表2 小麥全蝕病光譜的紅、綠、藍(lán)波段光譜可分性檢驗(yàn)Table 2 Spectral separability about the bands of red, greed and blue of wheat take-all

    2.2 圖像重量化結(jié)果

    應(yīng)用16∶4∶4重量化方案對(duì)無人機(jī)獲取的數(shù)字圖像進(jìn)行重量化,量化后各顏色的分布直方圖如圖3所示。從結(jié)果中可以看出,量化后的顏色明顯呈現(xiàn)出4個(gè)聚類特征,其DN值為19~25(白色),36~41(淡黃色),51~55(黃綠色),64~68(綠色)。

    圖3 重量化后的顏色分布直方圖Fig.3 Histogram of the color features after quantization

    2.3 分類結(jié)果及精度

    利用ASD光譜數(shù)據(jù)建立波段比的參考值,并與田間調(diào)查的小麥全蝕病白穗率對(duì)比,結(jié)果表明,綠波段與紅波段比值大于或等于1時(shí),小麥白穗率在0~50%之間,小麥冠層顏色呈綠色或黃綠色;波段比小于1時(shí),白穗率在50%~100%之間,小麥冠層顏色呈淡黃色或白色。

    為了便于計(jì)算機(jī)視覺識(shí)別,并提高數(shù)據(jù)處理速度,本研究輸出的分類圖像為灰度圖。利用4個(gè)灰度級(jí)來表示4個(gè)全蝕病的等級(jí)在決策樹分類的第一層中,利用波段比對(duì)各個(gè)圖像像素進(jìn)行預(yù)分類,分類結(jié)果如圖4a所示。在第二層決策中,在每一個(gè)顏色聚類中選擇1 000個(gè)像素點(diǎn)作為訓(xùn)練樣本,然后利用支持向量機(jī)進(jìn)行再分類,結(jié)果如圖4b所示,在視場(chǎng)內(nèi)的小麥田地中,正常小麥(白穗率為0~10%)占視場(chǎng)內(nèi)小麥的14.56%,不同白穗率的全蝕病小麥占85.44%,其中輕度發(fā)病的小麥(白穗率為10%~50%)廣泛分布在嚴(yán)重發(fā)病的小麥中間(白穗率為50%~90%),二者分別占29.53%和26.06%,死亡小麥(白穗率為90%~100%)在圖像中呈區(qū)域分布,占29.85%。

    利用該分類算法在內(nèi)存為4 GB DDR3、CPU型號(hào)為intel core i7 860的微型計(jì)算機(jī)上,對(duì)所采集的15幅經(jīng)校正的航拍圖像進(jìn)行分類,經(jīng)過對(duì)不同訓(xùn)練樣本規(guī)模進(jìn)行對(duì)比評(píng)價(jià),發(fā)現(xiàn)訓(xùn)練樣本數(shù)量大于1 000像素的時(shí)候,分類精度高于85%,其最短計(jì)算時(shí)間為23.1 s,最長(zhǎng)計(jì)算時(shí)間為31 s,平均計(jì)算時(shí)間約為29 s。通過混淆矩陣及Kappa值來評(píng)價(jià)分類精度(表3),評(píng)價(jià)結(jié)果表明,所有類別的Kappa值均大于0.8,表明分類效果良好。健康小麥和死亡小麥的分類精度最低,其主要原因是健康小麥與輕度病害小麥、死亡小麥與嚴(yán)重病害小麥間的顏色特征差異不顯著,容易造成錯(cuò)分。

    圖4 決策樹分類第一層(a)及第二層(b)結(jié)果Fig.4 Results of first(a)and second (b)stages of the decision tree

    表3 決策樹分類的混淆矩陣及Kappa值Table 3 Confusion matrix and Kappa value of the decision tree

    2.4 分類結(jié)果的驗(yàn)證

    為了進(jìn)一步驗(yàn)證圖像的分類結(jié)果,利用田間抽樣調(diào)查的全蝕病等級(jí)數(shù)據(jù),與分類圖像對(duì)應(yīng)區(qū)域進(jìn)行對(duì)比。結(jié)果表明,田間小麥白穗率在10%以內(nèi),分類結(jié)果吻合,為健康;白穗率在10%~50%之間的為輕度全蝕病;其中2處試驗(yàn)小區(qū)調(diào)查的白穗率為66%和69%,其分類結(jié)果應(yīng)為嚴(yán)重,按照顏色模型的結(jié)果,其分類結(jié)果為死亡,因此,嚴(yán)重病害的小麥和死亡小麥間還存在一定的誤分。

    3 討論

    本文通過ASD非成像光譜儀獲取高光譜數(shù)據(jù)進(jìn)行波段可分性分析,研究小麥全蝕病的綠、紅波段比特征,再利用航拍數(shù)碼圖像高分辨率的特性對(duì)圖像像素進(jìn)行快速的多分類。從獲取的數(shù)據(jù)看,ASD非成像光譜儀獲取的數(shù)據(jù)能更準(zhǔn)確地反映不同全蝕病小麥白穗率的光譜特征,原因是其擁有更高的波譜分辨率[21]。通過本研究可以證明光譜數(shù)據(jù)與高分辨率數(shù)字圖像進(jìn)行數(shù)據(jù)融合的可行性,利用該方法對(duì)不同小麥全蝕病的像元進(jìn)行訓(xùn)練和分類,可以大大減少計(jì)算量,提高分類速度。

    遙感圖像數(shù)據(jù)融合是遙感對(duì)地監(jiān)測(cè)研究的熱點(diǎn),但以往的研究多偏向于不同遙感器的成像光譜數(shù)據(jù)之間的融合[22-23]。但由于儀器操作專業(yè)性強(qiáng)、計(jì)算周期長(zhǎng)、圖像分辨率有限(大于20 m),在我國(guó)小而分散的耕作模式下,尤其在中部平原地區(qū),很難將成像光譜設(shè)備直接利用于作物病害的監(jiān)測(cè)活動(dòng)中。本研究通過從光譜中提取特征波段的波段比,并作用于高分辨率的數(shù)碼圖像,對(duì)全蝕病發(fā)病區(qū)域不同田塊的發(fā)病程度進(jìn)行非監(jiān)督的快速多分類。在實(shí)際的小麥全蝕病病情的評(píng)估過程中,降低了對(duì)人為主觀經(jīng)驗(yàn)的要求,提高了病情的識(shí)別度和計(jì)算速度。

    4 結(jié) 論

    本文利用顏色模型對(duì)小麥全蝕病進(jìn)行分類與監(jiān)測(cè),主要得出如下結(jié)論:

    1)通過對(duì)不同小麥全蝕病等級(jí)的波段提取,確定波段比閾值。并利用波段比進(jìn)行預(yù)分類,結(jié)果表明不同全蝕病等級(jí)的小麥波段比差異較顯著。

    2)本研究采用支持向量機(jī)的算法,把顏色特征引入到訓(xùn)練樣本的提取及訓(xùn)練目標(biāo)的設(shè)計(jì)上。該算法一方面考慮分類目標(biāo)的特征差異,另一方面兼顧計(jì)算速度。與傳統(tǒng)監(jiān)督分類算法相比,該方法的分類精度大于86%,并大幅減少了監(jiān)督分類的時(shí)間,為病害的實(shí)時(shí)監(jiān)控提供指導(dǎo)。

    [1] Cook R J.Take-all of wheat[J].Physiological and Molecular Plant Pathology,2003,62(2):73-86.

    [2] Clapperton M J,Lee N O,Binet F,et al.Earthworms indirectly reduce the effects of take-all(Gaeumannomyces graminis var.tritici) on soft white spring wheat(Triticum aestivum cv.Fielder)[J]. Soil Biology and Biochemistry,2001,33(11):1531-1538.

    [3] 孫海燕,李琦,杜文珍,等.不同殺菌劑拌種防治小麥全蝕病研究[J].植物保護(hù),2012,38(3):155-158.

    [4] Graeff S,Link J,Claupein W.Identification of powdery mildew(Erysiphe graminis sp.tritici)and take-all(Gaeumannomyces graminis sp.tritici)disease in wheat(Triticum aestivum L.)by means of leaf reflectance measurements[J].Central European Journal of Biology,2006,1(2):275-288.

    [5] 宋曉宇,王紀(jì)華,薛緒掌,等.利用航空成像光譜數(shù)據(jù)研究土壤供氮量及變量施肥對(duì)冬小麥長(zhǎng)勢(shì)影響[J].農(nóng)業(yè)工程學(xué)報(bào), 2004,20(4):45-49.

    [6] Otazu X,González-Audicana M,Fors O,et al.Introduction of sensorspectral response into image fusion methods.Application to wavelet-based methods[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(10):2376-2385.

    [7] 顧清,鄧勁松,陸超,等.基于光譜和形狀特征的水稻掃描葉片氮素營(yíng)養(yǎng)診斷[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(8):170-174.

    [8] 李霖,佘夢(mèng)媛,羅恒.ZY-3衛(wèi)星全色與多光譜影像融合方法比較[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(16):157-165.

    [9] Mirik A,Michels GJ,Kassymzhanova-Mirik S,et al.Using digital image analysis and spectral reflectance data to quantify damage by greenbug(Hemiptera:Aphididae)in winter wheat[J].Computers and Electronics in Agriculture,2006,51(1/2):86-98.

    [10]Jin Xiaoying,Davis C H.An integrated system for automatic road mapping from high-resolution multi-spectral satellite imagery by information fusion[J].Information Fusion,2005,6(4):257-273.

    [11]Xie Xing,Liu Mengliang,Wang Leiguang.A remote sensing image segmentation method based on spectral and texture information fusion[C]∥Proceedings of the 2009 Sixth International Conference on Information Technology:New Generations,USA:IEEEE,2009:22-27.

    [12]Spank U,Bernhofer C.Another simple method of spectral correction to obtain robust eddy-covariance results[J].Boundary-Layer Meteorology,2008,128(3):403-422.

    [13]Tolpekin V A,Stein A.Quantification of the effects of land-coverclass spectral separability on the accuracy of Markov-random-fieldbased superresolution mapping[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(9):3283-3297.

    [14]鞠昌華,田永超,朱艷,等.小麥疊加葉片的葉綠素含量光譜反演研究[J].麥類作物學(xué)報(bào),2008,28(6):1068-1074.

    [15]喬紅波,馬新明,程登發(fā),等.基于TM影像的小麥全蝕病危害信息提取[J].麥類作物學(xué)報(bào),2009,29(4):716-720.

    [16]蔡健榮,王建黑,陳全勝,等.波段比算法結(jié)合高光譜圖像技術(shù)檢測(cè)柑橘果銹[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(1):127-131.

    [17]冀亞麗,程小平,康海東,等.具有魯棒性的彩色圖像檢索方法[J].測(cè)繪學(xué)院學(xué)報(bào),2005,22(3):194-196.

    [18]Liu Y,Zhang B,Wang L,et al.A self-trained semisupervised SVM approach to the remote sensing land cover classification [J].Computers and Geosciences,2013,59:98-107.

    [19]Maulik U,Chakraborty D.A self-trained ensemble with semisupervised SVM:Anapplication to pixel classification of remote sensing imagery[J].Pattern Recognition,2011,44(3):615-623.

    [20]Ben-David A.Comparison of classification accuracy using Cohen’s Weighted Kappa[J].Expert Systems with Applications,2008,34(2):825-832.

    [21]Herold M,Gardner M E,Roberts D A.Spectral resolution requirements for mapping urban areas[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(9):1907-1919.

    [22]徐佳,關(guān)澤群,何秀鳳,等.基于傳感器光譜特性的全色與多光譜圖像融合[J].遙感學(xué)報(bào),2009,12(1):97-102.

    [23]劉哲,郝重陽(yáng),劉曉翔,等.多光譜圖像與全色圖像的像素級(jí)融合研究[J].數(shù)據(jù)采集與處理,2003,18(3):296-301.

    (責(zé)任編輯:楊明麗)

    調(diào)查研究

    Investigations

    Fast multi-classification of wheat take-all levels based on the fusion of unmanned aerial vehicle digital images and spectral data

    Qiao Hongbo1,2, Shi Yue1, Si Haiping1, Wu Xu1, Guo Wei1, Shi Lei1, Ma Xinming1, Zhou Yilin2

    (1.Collaborative Innovation Center of Henan Grain Crops,College of Information and Management Science,Henan Agricultural University,Zhengzhou 450002,China;2.State Key Laboratory for Biology of Plant Diseases and Insect Pests,Beijing 100193,China)

    Wheat take-all will lead to a disaster in wheat production without timely monitoring and management. Traditional remote sensing approaches in wheat take-all have failed to fast and accurately recognize the multi-level disease conditions due to relatively coarse spatial resolution and the experience-based features selection.This study developed a method to achieve the fast multi-classification of wheat take-all based on the computer vision and the data fusion technology.Firstly,ASD Hand Held sensor was used to extract the spectral feature ratio.Then the color model was established to quantify the UAV aerial photo.Finally,the wheat take-all were classified using the decision tree which based on the support vector machine(SVM).The results showed that an overall accuracy was greater than 86%(Kappa>0.81)for classifying all of take-all levels,and computation rate was less than 30 seconds,which is meaningful for automatic real-time monitoring of take-all conditions.

    wheat take-all; computer vision technology; multi-classification; color model; SVM

    S 435.1,S 127

    A

    10.3969/j.issn.0529-1542.2015.06.029

    2014-10-11

    2015-01-13

    國(guó)家自然科學(xué)基金項(xiàng)目(31301604);河南省科技攻關(guān)項(xiàng)目(122102110045);植物病蟲害生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放課題(SKLOF201302)

    小麥全蝕病是嚴(yán)重危害小麥的一種土傳性病害。小麥的整個(gè)生長(zhǎng)期,其根部和莖基部都很容易受到病菌侵害[1]。小麥全蝕病傳染性很強(qiáng),整個(gè)發(fā)病周期從局部發(fā)病發(fā)展到大片死亡不到4年,全蝕病

    *通信作者 E-mail:qiaohb@126.com發(fā)展后期造成小麥植株成簇枯死形成“白穗”,麥田穗粒數(shù)及千粒重下降,發(fā)病輕微區(qū)域?qū)е聹p產(chǎn)30%~40%,嚴(yán)重區(qū)域減產(chǎn)50%以上甚至絕收[24]。高光譜遙感數(shù)據(jù)能準(zhǔn)確反映田間不同程度小麥全蝕病的光譜差異,從而準(zhǔn)確提取其發(fā)生程度和范圍[5]。但由于高光譜遙感技術(shù)存在數(shù)據(jù)量大,計(jì)算周期長(zhǎng),空間分辨率有限等缺點(diǎn),難以直接應(yīng)用于實(shí)際的作物病害監(jiān)測(cè)。而數(shù)字圖像可以有效地提高空間分辨率,有利于地物信息的快速分類[67]?;诟叻直媛蕯?shù)字圖像和高光譜數(shù)據(jù)的圖像融合技術(shù)可以有效地提高作物病害監(jiān)測(cè)分類的運(yùn)算速度和精度,例如,國(guó)內(nèi)李霖等利用ZY-3衛(wèi)星2.1 m全色/5.8 m多光譜分辨率平面圖像進(jìn)行數(shù)據(jù)融合,結(jié)果表明融合后數(shù)據(jù)的空間分辨率有所提高,而且保持了原始數(shù)據(jù)的光譜信息[8];國(guó)外Mirik等利用數(shù)字圖像與光譜反射率相融合的分析方法對(duì)冬小麥?zhǔn)茺溠疗茐牡某潭冗M(jìn)行了監(jiān)測(cè)評(píng)估[9]。

    猜你喜歡
    全蝕波段光譜
    春日暖陽(yáng)
    小麥全蝕病的危害與防治
    基于三維Saab變換的高光譜圖像壓縮方法
    小麥全蝕病的危害和防治
    小麥全蝕病的發(fā)生與防治措施
    M87的多波段輻射過程及其能譜擬合
    星載近紅外高光譜CO2遙感進(jìn)展
    日常維護(hù)對(duì)L 波段雷達(dá)的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    苦味酸與牛血清蛋白相互作用的光譜研究
    鋱(Ⅲ)與PvdA作用的光譜研究
    侵犯人妻中文字幕一二三四区| 精品久久久久久电影网| 我的亚洲天堂| 欧美日韩视频精品一区| 久久精品国产亚洲av高清一级| 久久天堂一区二区三区四区| 午夜福利乱码中文字幕| 国产欧美亚洲国产| av网站免费在线观看视频| 国产精品偷伦视频观看了| 国产精品偷伦视频观看了| 最近最新中文字幕免费大全7| 亚洲av福利一区| 亚洲av电影在线观看一区二区三区| 午夜免费鲁丝| 热99国产精品久久久久久7| 国产亚洲av高清不卡| 韩国精品一区二区三区| 精品人妻在线不人妻| 精品亚洲成国产av| 不卡视频在线观看欧美| 天天操日日干夜夜撸| 电影成人av| 久久天堂一区二区三区四区| 狠狠婷婷综合久久久久久88av| tube8黄色片| 亚洲欧美中文字幕日韩二区| av在线app专区| 啦啦啦在线观看免费高清www| 亚洲久久久国产精品| 国产乱人偷精品视频| 亚洲欧美日韩另类电影网站| 毛片一级片免费看久久久久| 人人澡人人妻人| 黄色一级大片看看| 婷婷成人精品国产| 777久久人妻少妇嫩草av网站| 国产成人免费无遮挡视频| 综合色丁香网| 免费久久久久久久精品成人欧美视频| 亚洲精品乱久久久久久| 日本色播在线视频| 国产精品国产三级专区第一集| 精品国产一区二区三区久久久樱花| 99国产精品免费福利视频| h视频一区二区三区| 午夜影院在线不卡| 欧美在线黄色| 99re6热这里在线精品视频| 欧美日韩一区二区视频在线观看视频在线| 欧美日韩一级在线毛片| 可以免费在线观看a视频的电影网站 | 九色亚洲精品在线播放| 黑人巨大精品欧美一区二区蜜桃| 久久毛片免费看一区二区三区| videosex国产| 亚洲精品久久久久久婷婷小说| 精品一区二区三区四区五区乱码 | 久久久久精品人妻al黑| 最近最新中文字幕大全免费视频 | 成人亚洲精品一区在线观看| 国产女主播在线喷水免费视频网站| 日本午夜av视频| 日本vs欧美在线观看视频| 国产亚洲最大av| 久久精品国产综合久久久| 97精品久久久久久久久久精品| 亚洲美女搞黄在线观看| 欧美人与善性xxx| 黄频高清免费视频| 色婷婷av一区二区三区视频| 天堂8中文在线网| 色婷婷久久久亚洲欧美| 一区二区三区高清视频在线| 国产xxxxx性猛交| 变态另类丝袜制服| 午夜精品在线福利| 国产aⅴ精品一区二区三区波| 在线观看舔阴道视频| 亚洲精品在线美女| 99re在线观看精品视频| 在线天堂中文资源库| 69av精品久久久久久| 一区在线观看完整版| 亚洲av电影不卡..在线观看| 美国免费a级毛片| 激情视频va一区二区三区| 亚洲美女黄片视频| 黑丝袜美女国产一区| 亚洲熟妇中文字幕五十中出| 色播亚洲综合网| 桃色一区二区三区在线观看| 精品卡一卡二卡四卡免费| 动漫黄色视频在线观看| 久久婷婷人人爽人人干人人爱 | 久久人妻熟女aⅴ| 真人一进一出gif抽搐免费| av超薄肉色丝袜交足视频| 国产精品秋霞免费鲁丝片| 欧美国产日韩亚洲一区| 国产成+人综合+亚洲专区| 国产欧美日韩一区二区精品| 可以免费在线观看a视频的电影网站| 99精品在免费线老司机午夜| 精品福利观看| 巨乳人妻的诱惑在线观看| 国产私拍福利视频在线观看| 久久亚洲真实| 欧美成人免费av一区二区三区| 国产成人免费无遮挡视频| 国产午夜福利久久久久久| 国产一区在线观看成人免费| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲国产精品久久男人天堂| 成人三级做爰电影| 黄色a级毛片大全视频| 老鸭窝网址在线观看| 久久久久国内视频| xxx96com| 村上凉子中文字幕在线| 91九色精品人成在线观看| 人人澡人人妻人| 国产精品日韩av在线免费观看 | 夜夜爽天天搞| 51午夜福利影视在线观看| 免费高清视频大片| 在线观看免费视频网站a站| 国产av在哪里看| 国产av在哪里看| 99re在线观看精品视频| 免费少妇av软件| 一a级毛片在线观看| 夜夜看夜夜爽夜夜摸| 亚洲中文字幕一区二区三区有码在线看 | 日韩有码中文字幕| 午夜视频精品福利| 久久久久久亚洲精品国产蜜桃av| 亚洲一卡2卡3卡4卡5卡精品中文| 婷婷六月久久综合丁香| 成人三级黄色视频| 岛国在线观看网站| 久久香蕉精品热| 侵犯人妻中文字幕一二三四区| 亚洲三区欧美一区| 电影成人av| 免费看十八禁软件| 中文字幕人妻熟女乱码| 午夜亚洲福利在线播放| а√天堂www在线а√下载| 大型av网站在线播放| av超薄肉色丝袜交足视频| 国产精品 国内视频| 在线观看免费日韩欧美大片| 91麻豆精品激情在线观看国产| 美女高潮喷水抽搐中文字幕| 国产精品久久久久久亚洲av鲁大| 伊人久久大香线蕉亚洲五| 午夜福利高清视频| 国产亚洲av高清不卡| 黄色丝袜av网址大全| 日韩av在线大香蕉| www.自偷自拍.com| 国产精品一区二区精品视频观看| 50天的宝宝边吃奶边哭怎么回事| 国产日韩一区二区三区精品不卡| 成人18禁高潮啪啪吃奶动态图| 伦理电影免费视频| 日日爽夜夜爽网站| 9色porny在线观看| 免费不卡黄色视频| 两性夫妻黄色片| 大型av网站在线播放| 丝袜人妻中文字幕| 国产99久久九九免费精品| 男人舔女人的私密视频| 日韩av在线大香蕉| 久久久久久久久免费视频了| 伊人久久大香线蕉亚洲五| 中文字幕另类日韩欧美亚洲嫩草| 欧美大码av| 国产精品综合久久久久久久免费 | 精品国产一区二区久久| 久久草成人影院| 正在播放国产对白刺激| 精品国产超薄肉色丝袜足j| 久久香蕉国产精品| 精品久久久久久成人av| 三级毛片av免费| 成年人黄色毛片网站| 久久久国产成人免费| 精品久久久久久久人妻蜜臀av | 成年版毛片免费区| 日韩欧美三级三区| 久久久国产成人精品二区| 欧美精品亚洲一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 搞女人的毛片| 午夜福利一区二区在线看| 国产熟女xx| 无限看片的www在线观看| 日本vs欧美在线观看视频| 19禁男女啪啪无遮挡网站| 99精品欧美一区二区三区四区| 在线永久观看黄色视频| 99精品欧美一区二区三区四区| 国产精品日韩av在线免费观看 | 成人18禁在线播放| 最新美女视频免费是黄的| 国产99久久九九免费精品| netflix在线观看网站| 搞女人的毛片| 亚洲成人免费电影在线观看| 成人国产一区最新在线观看| 在线观看免费视频网站a站| 久久精品国产清高在天天线| 人人妻,人人澡人人爽秒播| 老司机靠b影院| 精品国产亚洲在线| 免费女性裸体啪啪无遮挡网站| 亚洲精品国产色婷婷电影| 脱女人内裤的视频| 女性被躁到高潮视频| 国产精品免费一区二区三区在线| 久久久国产成人精品二区| 激情视频va一区二区三区| 亚洲九九香蕉| 一级毛片精品| 国产精品久久久久久精品电影 | 精品国产国语对白av| 国产精品久久久人人做人人爽| 国产精品美女特级片免费视频播放器 | 国产精品,欧美在线| 国产欧美日韩综合在线一区二区| 中文亚洲av片在线观看爽| 嫩草影院精品99| 色尼玛亚洲综合影院| 欧美+亚洲+日韩+国产| 亚洲国产精品成人综合色| 中文字幕av电影在线播放| 久久国产精品男人的天堂亚洲| 亚洲色图 男人天堂 中文字幕| 国产成+人综合+亚洲专区| 国产欧美日韩一区二区三| 18美女黄网站色大片免费观看| 如日韩欧美国产精品一区二区三区| 两个人看的免费小视频| 男女下面进入的视频免费午夜 | 天堂动漫精品| 中国美女看黄片| 中文字幕高清在线视频| 激情在线观看视频在线高清| 97人妻天天添夜夜摸| 韩国精品一区二区三区| 午夜免费激情av| 午夜福利影视在线免费观看| 久久久久久久午夜电影| 色综合欧美亚洲国产小说| 一进一出抽搐gif免费好疼| 中亚洲国语对白在线视频| 99久久99久久久精品蜜桃| 深夜精品福利| 免费久久久久久久精品成人欧美视频| 丁香欧美五月| 操美女的视频在线观看| 日本免费一区二区三区高清不卡 | 午夜视频精品福利| 1024视频免费在线观看| 9热在线视频观看99| 嫩草影院精品99| 日韩大尺度精品在线看网址 | 日韩一卡2卡3卡4卡2021年| 丁香六月欧美| 在线观看免费视频日本深夜| 亚洲美女黄片视频| 亚洲中文av在线| 国产成人影院久久av| 最近最新中文字幕大全电影3 | 久久欧美精品欧美久久欧美| 91国产中文字幕| 久久人人97超碰香蕉20202| 亚洲av电影在线进入| 久久久久国产一级毛片高清牌| 亚洲一区中文字幕在线| 国产一卡二卡三卡精品| 久久精品国产99精品国产亚洲性色 | 少妇粗大呻吟视频| 琪琪午夜伦伦电影理论片6080| 天堂影院成人在线观看| 亚洲精品久久成人aⅴ小说| 夜夜夜夜夜久久久久| 色哟哟哟哟哟哟| 久久人妻福利社区极品人妻图片| www.精华液| 成人国产一区最新在线观看| 可以在线观看的亚洲视频| 一边摸一边做爽爽视频免费| 久久久久国内视频| 亚洲欧美日韩另类电影网站| 男女之事视频高清在线观看| 美国免费a级毛片| 亚洲精品美女久久av网站| 高清在线国产一区| 两个人免费观看高清视频| 老司机午夜福利在线观看视频| 欧美+亚洲+日韩+国产| 亚洲色图 男人天堂 中文字幕| 国产精品免费视频内射| 日本 欧美在线| 色婷婷久久久亚洲欧美| 国产伦人伦偷精品视频| 国产伦一二天堂av在线观看| or卡值多少钱| 国产亚洲精品av在线| 久久精品影院6| 久久久久精品国产欧美久久久| 女人高潮潮喷娇喘18禁视频| 免费人成视频x8x8入口观看| 在线观看舔阴道视频| 变态另类丝袜制服| 中文字幕av电影在线播放| 99国产精品免费福利视频| 精品欧美一区二区三区在线| 一区二区三区高清视频在线| 欧美成人性av电影在线观看| 久久 成人 亚洲| 亚洲视频免费观看视频| 欧美成狂野欧美在线观看| 亚洲一区二区三区不卡视频| 国产精品精品国产色婷婷| 一级毛片精品| 成人免费观看视频高清| 午夜日韩欧美国产| 国产精品爽爽va在线观看网站 | 欧美精品啪啪一区二区三区| 最近最新中文字幕大全免费视频| 欧美性长视频在线观看| 亚洲熟妇熟女久久| www国产在线视频色| 一边摸一边做爽爽视频免费| 一级片免费观看大全| 欧美国产精品va在线观看不卡| 亚洲九九香蕉| 欧美绝顶高潮抽搐喷水| 午夜亚洲福利在线播放| www日本在线高清视频| 丝袜美腿诱惑在线| 香蕉久久夜色| 久久中文字幕一级| 日韩欧美国产在线观看| 欧美日本亚洲视频在线播放| 青草久久国产| 又紧又爽又黄一区二区| 黄片大片在线免费观看| 亚洲精品中文字幕在线视频| av福利片在线| 波多野结衣高清无吗| 国产欧美日韩综合在线一区二区| 欧美成人午夜精品| 亚洲熟妇中文字幕五十中出| 多毛熟女@视频| 日韩 欧美 亚洲 中文字幕| 操美女的视频在线观看| 国产成人系列免费观看| 亚洲男人的天堂狠狠| 色在线成人网| 色av中文字幕| 亚洲国产精品999在线| 午夜精品久久久久久毛片777| 亚洲成人久久性| 亚洲人成电影观看| 香蕉久久夜色| 国产精品二区激情视频| 午夜久久久在线观看| 美女午夜性视频免费| 成人亚洲精品av一区二区| 搡老岳熟女国产| 国产成人欧美在线观看| avwww免费| 久久久精品国产亚洲av高清涩受| 亚洲熟女毛片儿| 亚洲aⅴ乱码一区二区在线播放 | 国产亚洲精品av在线| 大陆偷拍与自拍| 美国免费a级毛片| 叶爱在线成人免费视频播放| 色婷婷久久久亚洲欧美| av超薄肉色丝袜交足视频| 变态另类成人亚洲欧美熟女 | 一区二区三区高清视频在线| 精品一区二区三区四区五区乱码| 免费看a级黄色片| 女警被强在线播放| 亚洲五月色婷婷综合| 亚洲七黄色美女视频| 欧美绝顶高潮抽搐喷水| 高清黄色对白视频在线免费看| 黄色毛片三级朝国网站| 亚洲男人天堂网一区| 高清在线国产一区| 岛国视频午夜一区免费看| 我的亚洲天堂| 久久香蕉国产精品| 美国免费a级毛片| 黑丝袜美女国产一区| 欧美乱色亚洲激情| 亚洲一码二码三码区别大吗| 在线观看免费视频日本深夜| 99在线视频只有这里精品首页| 免费在线观看影片大全网站| 这个男人来自地球电影免费观看| 又黄又爽又免费观看的视频| av超薄肉色丝袜交足视频| 亚洲国产精品合色在线| 一个人免费在线观看的高清视频| 一级毛片高清免费大全| 国产av精品麻豆| 不卡av一区二区三区| 亚洲国产精品成人综合色| 久久国产精品影院| 亚洲五月婷婷丁香| 天天躁夜夜躁狠狠躁躁| 少妇的丰满在线观看| 精品国产一区二区三区四区第35| 色尼玛亚洲综合影院| 欧美黄色片欧美黄色片| 成人精品一区二区免费| 日本a在线网址| 国产精品国产高清国产av| 一个人观看的视频www高清免费观看 | 日日夜夜操网爽| 在线天堂中文资源库| 久久国产亚洲av麻豆专区| 日韩视频一区二区在线观看| 亚洲自偷自拍图片 自拍| 国产精品日韩av在线免费观看 | 99在线人妻在线中文字幕| 老鸭窝网址在线观看| 国产精华一区二区三区| 可以在线观看毛片的网站| 美女大奶头视频| 免费在线观看亚洲国产| 久热爱精品视频在线9| 99国产综合亚洲精品| 成人欧美大片| 国产蜜桃级精品一区二区三区| 免费在线观看亚洲国产| 999精品在线视频| 这个男人来自地球电影免费观看| 国产伦一二天堂av在线观看| 久久香蕉国产精品| av天堂久久9| avwww免费| 国产97色在线日韩免费| 国产欧美日韩一区二区三区在线| 国产成人影院久久av| 香蕉久久夜色| videosex国产| 精品国内亚洲2022精品成人| 岛国视频午夜一区免费看| 人妻久久中文字幕网| 村上凉子中文字幕在线| 亚洲精品国产一区二区精华液| 国产私拍福利视频在线观看| 成人精品一区二区免费| cao死你这个sao货| 身体一侧抽搐| 美女 人体艺术 gogo| 日韩精品青青久久久久久| 好男人在线观看高清免费视频 | 麻豆久久精品国产亚洲av| 女警被强在线播放| 美女大奶头视频| svipshipincom国产片| 长腿黑丝高跟| 搞女人的毛片| 亚洲五月婷婷丁香| 嫩草影视91久久| 成熟少妇高潮喷水视频| 亚洲成av片中文字幕在线观看| 中文字幕高清在线视频| 国产精品久久久久久人妻精品电影| 一边摸一边做爽爽视频免费| 精品国产一区二区久久| 亚洲片人在线观看| 亚洲 欧美一区二区三区| 久久香蕉国产精品| 成人欧美大片| 亚洲熟妇熟女久久| 亚洲av片天天在线观看| 大型av网站在线播放| 妹子高潮喷水视频| 桃色一区二区三区在线观看| 欧美午夜高清在线| 日日夜夜操网爽| 一个人免费在线观看的高清视频| 国产熟女xx| 亚洲狠狠婷婷综合久久图片| 亚洲一区二区三区不卡视频| 满18在线观看网站| 激情视频va一区二区三区| 日韩一卡2卡3卡4卡2021年| 国产主播在线观看一区二区| 中文字幕av电影在线播放| 俄罗斯特黄特色一大片| 99久久99久久久精品蜜桃| 国产精品av久久久久免费| 成人国产综合亚洲| 一级作爱视频免费观看| 国产xxxxx性猛交| 久久人妻av系列| 亚洲狠狠婷婷综合久久图片| 又紧又爽又黄一区二区| 免费在线观看亚洲国产| 一进一出好大好爽视频| 亚洲午夜理论影院| av超薄肉色丝袜交足视频| ponron亚洲| 色av中文字幕| 欧美激情极品国产一区二区三区| 国产精品国产高清国产av| 一区在线观看完整版| 色在线成人网| 成人亚洲精品av一区二区| 亚洲精品久久成人aⅴ小说| 日本在线视频免费播放| 久久久久久久午夜电影| 欧美精品亚洲一区二区| 午夜老司机福利片| 男女做爰动态图高潮gif福利片 | 美女高潮喷水抽搐中文字幕| 亚洲专区字幕在线| 桃红色精品国产亚洲av| 精品久久久久久,| 国产精品一区二区免费欧美| 国产一卡二卡三卡精品| 我的亚洲天堂| 色综合站精品国产| 亚洲国产精品合色在线| 精品熟女少妇八av免费久了| 精品国产一区二区三区四区第35| 国产高清videossex| 1024香蕉在线观看| 99精品在免费线老司机午夜| 亚洲九九香蕉| 999久久久精品免费观看国产| 中文字幕色久视频| 十八禁网站免费在线| 色婷婷久久久亚洲欧美| 欧美日韩福利视频一区二区| 国产精品香港三级国产av潘金莲| 久久 成人 亚洲| 电影成人av| 国产精品久久久久久亚洲av鲁大| 中文字幕最新亚洲高清| 黑丝袜美女国产一区| 夜夜看夜夜爽夜夜摸| 国产成人欧美在线观看| 长腿黑丝高跟| 免费无遮挡裸体视频| 久久久精品国产亚洲av高清涩受| 亚洲片人在线观看| 国产日韩一区二区三区精品不卡| 在线天堂中文资源库| 国产伦一二天堂av在线观看| 香蕉国产在线看| 99re在线观看精品视频| 精品久久久久久久人妻蜜臀av | 色婷婷久久久亚洲欧美| 日韩有码中文字幕| 丰满的人妻完整版| 黑人操中国人逼视频| 久久性视频一级片| 啦啦啦免费观看视频1| √禁漫天堂资源中文www| 丰满的人妻完整版| 真人做人爱边吃奶动态| 又大又爽又粗| 91成人精品电影| 精品久久久久久久久久免费视频| 久久精品国产亚洲av高清一级| ponron亚洲| 国产高清videossex| 少妇裸体淫交视频免费看高清 | e午夜精品久久久久久久| 久久狼人影院| 在线国产一区二区在线| 久久性视频一级片| av在线播放免费不卡| 亚洲av成人一区二区三| 久久九九热精品免费| 日韩精品免费视频一区二区三区| 看黄色毛片网站| 在线观看免费日韩欧美大片| 午夜福利欧美成人| 99久久99久久久精品蜜桃| 成年人黄色毛片网站| 久久亚洲精品不卡| 丝袜美足系列| 国产精品久久视频播放| 精品一区二区三区视频在线观看免费| 极品人妻少妇av视频| 色综合亚洲欧美另类图片| 又黄又粗又硬又大视频| 操出白浆在线播放| 国产精品,欧美在线| 欧美日韩瑟瑟在线播放| 精品无人区乱码1区二区| 国产精品二区激情视频| 欧美精品亚洲一区二区| 国产97色在线日韩免费| 19禁男女啪啪无遮挡网站| 亚洲人成网站在线播放欧美日韩| 久久久国产成人精品二区| 女性生殖器流出的白浆| 精品国产亚洲在线|