• <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 ?

    基于稀疏表示的圖像顯著區(qū)域檢測(cè)算法

    2016-07-19 02:07:24
    關(guān)鍵詞:像素編碼顯著性

    張 巧 榮

    (河南財(cái)經(jīng)政法大學(xué)計(jì)算機(jī)與信息工程學(xué)院 河南 鄭州 450002)

    ?

    基于稀疏表示的圖像顯著區(qū)域檢測(cè)算法

    張 巧 榮

    (河南財(cái)經(jīng)政法大學(xué)計(jì)算機(jī)與信息工程學(xué)院河南 鄭州 450002)

    摘要針對(duì)圖像的顯著區(qū)域檢測(cè)問(wèn)題,提出一種基于稀疏表示的顯著區(qū)域檢測(cè)算法。該算法首先利用稀疏編碼對(duì)圖像進(jìn)行特征描述,然后根據(jù)圖像的稀疏編碼進(jìn)行視覺(jué)顯著性的計(jì)算,而不是對(duì)原始圖像直接進(jìn)行處理,提高計(jì)算的效率。最后,根據(jù)視覺(jué)顯著性的計(jì)算結(jié)果,進(jìn)行顯著性區(qū)域分割。在公開(kāi)的測(cè)試圖像集上進(jìn)行實(shí)驗(yàn),并和目前幾種流行的算法進(jìn)行實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果表明,該算法用于圖像的顯著區(qū)域檢測(cè)是正確有效的。

    關(guān)鍵詞顯著區(qū)域檢測(cè)稀疏表示視覺(jué)顯著性顯著圖

    0引言

    隨著信息技術(shù)的發(fā)展,圖像已經(jīng)成為人們獲取信息的主要來(lái)源。如何高效準(zhǔn)確地進(jìn)行圖像分析和處理成為人們研究的焦點(diǎn)。通過(guò)視覺(jué)注意機(jī)制,人類可以快速準(zhǔn)確地檢測(cè)出圖像中的顯著區(qū)域,優(yōu)先注意到圖像的重要部分,從而迅速地獲取有用的信息。通過(guò)檢測(cè)圖像中的顯著區(qū)域并優(yōu)先分配計(jì)算資源,可以有效地提高圖像處理的效率和準(zhǔn)確度。因此,顯著區(qū)域檢測(cè)技術(shù)被廣泛應(yīng)用于目標(biāo)檢測(cè)[1]、目標(biāo)識(shí)別[2]、圖像分割[3]、圖像壓縮[4]以及圖像檢索[5]等應(yīng)用領(lǐng)域。

    檢測(cè)圖像中的顯著區(qū)域,首先需要計(jì)算圖像中各部分內(nèi)容的視覺(jué)顯著性。到目前為止,已經(jīng)有很多學(xué)者提出了視覺(jué)顯著性計(jì)算模型。生物視覺(jué)研究成果表明,顯著性源于視覺(jué)信息的獨(dú)特性、稀缺性以及奇異性,并由亮度、顏色、方向、邊緣等圖像特征所致[6]。因此,一些研究者通過(guò)計(jì)算圖像區(qū)域相對(duì)于其周圍鄰域的特征對(duì)比度來(lái)得到視覺(jué)顯著性。其中以Itti等提出的模型最具代表性[7],得到各國(guó)研究者的廣泛關(guān)注。Itti等通過(guò)計(jì)算多個(gè)特征圖像的多尺度下的中央-四周特征差異來(lái)生成視覺(jué)顯著性。Ma等提出一種計(jì)算局部對(duì)比度并采用模糊增長(zhǎng)的方法生成顯著圖[8]?;诰植繉?duì)比度計(jì)算的方法容易在邊緣部分產(chǎn)生較高的顯著性值,而物體內(nèi)部的顯著性值反而較低,出現(xiàn)“顯著性反轉(zhuǎn)”的現(xiàn)象。一些研究者通過(guò)計(jì)算全局對(duì)比度來(lái)解決這個(gè)問(wèn)題[6]。還有一些研究者基于信息論的觀點(diǎn),通過(guò)計(jì)算圖像特征的稀少性來(lái)生成顯著圖[9,10]。為了提高計(jì)算效率,一些學(xué)者提出基于頻域分析的視覺(jué)顯著性計(jì)算方法,例如Hou等提出的基于譜殘差的方法[11],Guo等提出的基于相位譜的方法[12],以及Hou等最近提出的利用DCT的“圖像簽名”算子的方法[13]等。這些方法計(jì)算速度快,適合實(shí)時(shí)監(jiān)測(cè)。但是,通過(guò)實(shí)驗(yàn)我們發(fā)現(xiàn)這些方法雖然運(yùn)算速度較快,檢測(cè)的準(zhǔn)確度卻不是很高。因此,如何在保持計(jì)算速度的情況下,提高檢測(cè)的準(zhǔn)確度是需要解決的問(wèn)題。

    因此,基于以上的分析,本文提出一種利用稀疏表示的視覺(jué)顯著性計(jì)算方法。首先,計(jì)算圖像的稀疏編碼表示。然后,利用圖像的稀疏編碼計(jì)算視覺(jué)顯著性,提高計(jì)算效率。根據(jù)視覺(jué)顯著性計(jì)算結(jié)果,提取顯著區(qū)域。

    1顯著區(qū)域檢測(cè)算法

    本文提出的利用稀疏編碼的圖像顯著區(qū)域檢測(cè)算法如圖1所示,主要包括視覺(jué)顯著性計(jì)算和顯著區(qū)域檢測(cè)兩部分。

    圖1 顯著區(qū)域檢測(cè)算法框圖

    2視覺(jué)顯著性計(jì)算

    2.1稀疏表示

    生物視覺(jué)系統(tǒng)的研究發(fā)現(xiàn),當(dāng)視覺(jué)神經(jīng)系統(tǒng)接收到某幅自然圖像時(shí),大部分神經(jīng)元對(duì)該圖像的響應(yīng)很弱甚至為0,只有很少的神經(jīng)元有較強(qiáng)的響應(yīng)。當(dāng)接收的自然圖像發(fā)生變化時(shí),產(chǎn)生較強(qiáng)響應(yīng)的神經(jīng)元可能會(huì)改變,但這些神經(jīng)元的個(gè)數(shù)仍然只占整體的少部分,這種特性叫作稀疏性[14]。為了模擬神經(jīng)元響應(yīng)的稀疏特性,人們提出了針對(duì)自然圖像的有效編碼方法,即稀疏編碼。

    在稀疏編碼模型中,利用基函數(shù)的線性疊加表示輸入圖像,在最小均方差意義下使得線性疊加的結(jié)果盡可能地與原圖像相似。同時(shí)表示的特征盡可能地稀疏化,即基函數(shù)的權(quán)值盡可能多地為0或接近0。圖像的線性疊加可以表示為[15]:

    X=AS

    (1)

    式中,X表示輸入圖像,表示為多個(gè)基函數(shù)的線性組合,A為基函數(shù)組成的矩陣,S為線性組合時(shí)基函數(shù)的權(quán)值向量。從神經(jīng)生物學(xué)的角度,式(1)表示的稀疏編碼模型可以解釋為,人的視覺(jué)感知系統(tǒng)將輸入圖像刺激X通過(guò)感受野A的特征提取,將其表示為視覺(jué)細(xì)胞的活動(dòng)狀態(tài)S。S即為輸入圖像的稀疏編碼。

    對(duì)于式(1)表示的稀疏編碼模型,Olshausen提出的優(yōu)化準(zhǔn)則為:

    (2)

    式中,I(x,y)表示輸入圖像X中的像素值,φi(x,y)為基函數(shù)矩陣A中的第i個(gè)列向量,ai為向量S的第i個(gè)響應(yīng)值。式(2)中的第1項(xiàng)用原始圖像與重構(gòu)圖像之間的誤差平方和表示重構(gòu)圖像的信息保持度,第2項(xiàng)反映了編碼的稀疏程度[15]。

    根據(jù)式(1)表示的稀疏編碼模型及式(2)的優(yōu)化準(zhǔn)則,本文從自然圖像庫(kù)中選取10 000個(gè)8×8的圖像塊進(jìn)行訓(xùn)練得到字典A。則圖像的稀疏編碼可以通過(guò)式(3)求得:

    S=DX

    (3)

    式中,D=A-1。

    2.2生成顯著圖

    通過(guò)上面的方法,我們得到了輸入圖像的圖像塊級(jí)別的稀疏編碼。為了計(jì)算視覺(jué)顯著性,我們需要像素級(jí)別的稀疏編碼。為此,本文通過(guò)計(jì)算包含某像素的所有圖像塊的稀疏編碼的均值來(lái)得到該像素的稀疏編碼。

    位于(x,y)的像素的稀疏編碼記為PS(x,y)=[ps1(x,y),ps2(x,y), …],psk(x,y)表示該像素在第k個(gè)子碼中的編碼值。圖像中所有像素在第k個(gè)子碼中的編碼值組成的矩陣Fk可以看作是對(duì)輸入圖像提取的第k個(gè)稀疏特征圖。

    研究表明,視覺(jué)顯著性源于視覺(jué)信息的獨(dú)特性和稀缺性。本文通過(guò)計(jì)算圖像中各部分內(nèi)容與其周圍環(huán)境所包含的視覺(jué)信息的差異來(lái)計(jì)算視覺(jué)顯著性。根據(jù)目前有效編碼理論中廣泛采用的貝葉斯決策理論,P(X)表示某數(shù)據(jù)集X的初始概率,即先驗(yàn)概率,反映了根據(jù)已有知識(shí)斷定X是正確的可能程度;P(D|X)為似然函數(shù),表示X為正確假設(shè)時(shí),觀察到D的概率;P(D)表示D的先驗(yàn)概率;P(X|D)是給定樣本D時(shí),X的后驗(yàn)概率。貝葉斯定理可以表示為:

    防治方法:可用50%乙烯菌核利水分散粒劑(農(nóng)利靈)(40~60克/畝)1 000~1 500倍液,或75%百菌清可濕性粉劑(75~100克/畝)600~800倍液,或45%特克多懸浮液(60毫升/畝)1 000倍液,或50%多菌靈可濕性粉劑(75~100克/畝)600~800倍液,或70%甲基硫菌靈可濕性粉劑(甲基托布津)(75~100克/畝)600~800倍液,或50%腐霉利可濕性粉劑(速克靈)(75~100克/畝)1 000~1 500倍液防治。

    (4)

    由式(4)可以看出,如果新的樣本數(shù)據(jù)D產(chǎn)生了信息差異,則先驗(yàn)概率和后驗(yàn)概率是不同的。為了衡量D引起的差異的程度,可以通過(guò)計(jì)算先驗(yàn)概率分布與后驗(yàn)概率分布之間的Kullback-Liebler(K-L)距離得到:

    (5)

    由此可知,將圖像中某位置的周邊環(huán)境劃分為兩個(gè)區(qū)域,即中央?yún)^(qū)域和周邊區(qū)域,周邊區(qū)域遠(yuǎn)大于中央?yún)^(qū)域。周邊區(qū)域的信息分布看作是先驗(yàn)概率,中央?yún)^(qū)域的信息分布為后驗(yàn)概率。如果某位置引起了觀察者的注意,則其中央?yún)^(qū)域和周邊區(qū)域的信息分布是不同的,其差異程度即為其顯著程度[16],可以通過(guò)式(6)得到:

    (6)

    SM(x,y)=∑SMi(x,y)

    (7)

    3顯著區(qū)域檢測(cè)

    得到綜合顯著圖之后,選擇合適的閾值對(duì)顯著圖進(jìn)行閾值分割,獲得二值圖像,其中白色區(qū)域?qū)?yīng)位置即為圖像中的顯著區(qū)域。將二值圖像和原始圖像進(jìn)行疊加,即可提取出顯著區(qū)域。閾值可以通過(guò)式(8)計(jì)算得到:

    (8)

    式中,L為顯著圖中像素最大的灰度值,pi為灰度值i出現(xiàn)的概率。

    4實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

    為了客觀地評(píng)估本文算法的正確性和有效性,我們?cè)趦蓚€(gè)公開(kāi)的測(cè)試圖像庫(kù)上進(jìn)行了實(shí)驗(yàn),并和目前比較流行的7種算法進(jìn)行了實(shí)驗(yàn)對(duì)比。本文算法的運(yùn)行環(huán)境為Matlab7.0,硬件平臺(tái)為個(gè)人計(jì)算機(jī)(IntelCorei3/雙核2.53GHzCPU,內(nèi)存為2GB) 。

    4.1測(cè)試圖像集

    本文選取的第一個(gè)測(cè)試圖像集為Bruce等人提供的人眼跟蹤圖像庫(kù)。庫(kù)中包含120幅測(cè)試圖像以及通過(guò)人眼跟蹤設(shè)備記錄的20個(gè)測(cè)試者在測(cè)試圖像上的人眼跟蹤數(shù)據(jù)(GroundTruth)。該數(shù)據(jù)集可以從http://www-sop.inria.fr/members/Neil.Bruce獲得。

    第二個(gè)測(cè)試圖像集為Achanta等人提供的公開(kāi)圖像測(cè)試集,該測(cè)試集包含有1000幅測(cè)試圖像,以及由人工精確標(biāo)注的顯著性區(qū)域結(jié)果(GroundTruth)。該數(shù)據(jù)集可以從http://ivrgwww.epfl.ch/supplementary_material/RK_CVPR09/index.html獲得。

    限于篇幅,本文從測(cè)試圖像集中選擇4幅圖像比較典型的圖片,在圖2中給出利用本文算法和目前大家關(guān)注度比較高的其他8種算法計(jì)算得到的顯著圖直觀的實(shí)驗(yàn)對(duì)比結(jié)果。這8種算法分別為ITTI(Itti的引用最多的經(jīng)典算法)、GBVS[17](Kouch等人的基于圖論的視覺(jué)顯著性計(jì)算方法,檢測(cè)準(zhǔn)確度較高)、AIM[18](第一個(gè)測(cè)試圖像集的作者Bruce等人的基于信息最大化的算法)、FTSRD[19](第二個(gè)測(cè)試圖像集的作者Achanta等人的算法)、SUN[20](利用圖像統(tǒng)計(jì)信息的算法)以及SR(基于譜殘差的方法)、IS(基于DCT的圖像簽名的方法)、ICL[21](基于增量編碼長(zhǎng)度的算法)這三種影響力比較大的基于頻域分析的算法。這幾種算法的作者都提供了源代碼,方便我們進(jìn)行實(shí)驗(yàn)比較。

    圖2 實(shí)驗(yàn)結(jié)果對(duì)比

    圖2中的前兩幅圖片來(lái)自Bruce提供的測(cè)試集,其GroundTruth是對(duì)人眼跟蹤數(shù)據(jù)經(jīng)過(guò)高斯模糊處理后的人眼關(guān)注圖。后兩幅圖片來(lái)自Achanta提供的測(cè)試集,其GroundTruth是以二值圖像表示的由人工精確標(biāo)注的顯著區(qū)域結(jié)果。從圖2中可以看出,一些算法如FRSRD、SUN出現(xiàn)了顯著性反轉(zhuǎn)的情況,一些算法如ITTI、SR、ICL、IS計(jì)算出的顯著性結(jié)果更強(qiáng)調(diào)邊緣部分,而本文算法的結(jié)果與GroundTruth最接近。

    為了客觀地評(píng)價(jià)本文算法的效果,本文采用目前本領(lǐng)域常用的ROC曲線、AUROC值對(duì)本文算法以及其他算法進(jìn)行定量比較分析。

    為了分割顯著區(qū)域并計(jì)算ROC曲線,本文參考文獻(xiàn)[19],將各種方法得到的顯著圖中各像素的顯著值調(diào)整到[0,1]。然后從0到1每隔0.05取一個(gè)閾值,分別將各算法的顯著圖進(jìn)行二值化,進(jìn)行顯著區(qū)域和非顯著區(qū)域的分類,并與GroundTruth進(jìn)行比較,計(jì)算相應(yīng)的TPR(TruePositiveRate)和FPR(FalsePositiveRate),分別得到21組TPR和FPR的對(duì)應(yīng)值,畫出ROC曲線。圖3是各種算法的ROC曲線圖。表1為各種算法的AUROC值對(duì)比結(jié)果。從圖3和表1可以看出,本文算法的ROC曲線是最高的,AUROC值是最大的。

    圖3 各種算法ROC曲線對(duì)比結(jié)果

    方法 測(cè)試圖像集1測(cè)試圖像集2ITTI0.78190.8524GBVS0.81340.8840AIM0.69330.7057FTSRD0.55560.8026SUN0.67700.8050SR0.63950.7623IS0.64990.7714ICL0.69800.8362本文算法0.83180.8904

    4.3時(shí)間復(fù)雜度評(píng)估

    我們對(duì)本文算法和其他8種算法在兩個(gè)測(cè)試圖像集上單幅圖像的平均運(yùn)行時(shí)間進(jìn)行了測(cè)試,對(duì)比結(jié)果如表2所示。

    表2 各種算法的運(yùn)行時(shí)間對(duì)比

    續(xù)表2

    從表2中可以看出,ITTI、FTSRD、SR、IS等幾種算法的平均運(yùn)行時(shí)間比本文算法的運(yùn)行時(shí)間要短,其余幾種算法的平均運(yùn)行時(shí)間高于本文算法。但是,本文算法的檢測(cè)準(zhǔn)確度要高于ITTI、FTSRD、SR、IS等幾種算法。因此綜合考慮,本文算法相對(duì)于其他算法仍然具有一定優(yōu)勢(shì)。

    5結(jié)語(yǔ)

    本文針對(duì)圖像中的顯著區(qū)域檢測(cè)問(wèn)題進(jìn)行了研究,提出一種利用稀疏編碼的顯著區(qū)域檢測(cè)算法。該算法首先對(duì)原始圖像提取稀疏特征,采用稀疏編碼對(duì)圖像進(jìn)行表示,在此基礎(chǔ)上通過(guò)計(jì)算圖像中各部分內(nèi)容之間的信息差異來(lái)得到視覺(jué)顯著性結(jié)果。結(jié)合視覺(jué)顯著性計(jì)算結(jié)果,提取顯著區(qū)域。本文在兩個(gè)國(guó)際上公開(kāi)的測(cè)試圖像集上進(jìn)行了實(shí)驗(yàn),并和8種目前大家關(guān)注度比較高的算法進(jìn)行了對(duì)比,結(jié)果證明了本文算法的正確性和有效性。

    本文算法還存在一些需要進(jìn)一步改進(jìn)的地方。一方面,本文算法只考慮了圖像的一些底層特征,沒(méi)有考慮目標(biāo)輪廓、人臉等高層特征;另一方面,本文只對(duì)靜態(tài)圖像進(jìn)行了研究,如何對(duì)算法進(jìn)行改進(jìn)使其適合視頻圖像也是下一步工作努力的方向。

    參考文獻(xiàn)

    [1]LiuT,YuanZ,SunJ,etal.Learningtodetectasalientobject[J].IEEETPAMI,2011,33(2):353-367.

    [2]KarthikDesingh.VisualSaliencyandNextBestViewModelsforObjectRecognitionandSearch[R].InternationalInstituteofInformationTechnologyHyderabad,2013.

    [3]AchantaR,EstradaF,WilsP,etal.Salientregiondetectionandsegmentation[C]//IEEEICVS,2008:66-75.

    [4]ChristopoulosC,SkodrasA,EbrahimiT.TheJPEG2000stillimagecodingsystem:anoverview[J].IEEETrans.ConsumerElec.,2002,46(4):1103-1127.

    [5]OlegMuratov.VisualSaliencyDetectionandItsApplicationtoImageRetrieval[D].PhDthesis,UniversityofTrento,2013.

    [6]ChengMM,ZhangGX,MitraNJ,etal.GlobalContrastbasedSalientRegionDetection[C]//IEEEConferenceonComputerVisionandPatternRecognition,2011:409-416.

    [7]IttiL,KouchC.Computationalmodelingofvisualattention[J].NatureReviewsNeuroscience,2001,2(3):194-230.

    [8]MaYufei,ZhangHongjiang.Contrast-basedImageAttentionAnalysisbyUsingFuzzyGrowing[C]//Proceedingsofthe11thACMInternationalConferenceonMultimedia.NewYork,NY:AssociationforComputingMachinery,2003:374-381.

    [9]BruceN,TsotososJ.SaliencyBasedonInformationMaximization[C]//ProceedingsofAdvancesinNeuralInformationProcessingSystems,2006:155-162.

    [10]PanQK,TasgetirenMF,LiangYC.Adiscretedifferentialevolutionalgorithmforthepermutationflowshopschedulingproblem[J].Computers&IndustrialEngineering,2008,55(4):795-816.

    [11]HouXiaodi,ZhangLiqing.SaliencyDetection:ASpectralResidualApproach[C]//Proceedingsof2007IEEEConferenceonComputerVisionandPatternRecognition.Florida,USA:IEEE,2007:1-8.

    [12]GuoC,MaQ,ZhangL.Spatio-TemporalSaliencyDetectionUsingPhaseSpectrumofQuaternionFourierTransform[C]//IEEEConferenceonComputerVisionandPatternRecognition,2008:2908-2915.

    [13]HouXiaodi,JonathanHarel,ChristofKoch.ImageSignature:HighlightingSparseSalientRegions[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2012,34(1):194-201.

    [14] 羅四維.視覺(jué)感知系統(tǒng)信息處理理論[M].北京:電子工業(yè)出版社,2006.

    [15] 李志清,施智平,李志欣.基于結(jié)構(gòu)相似度的稀疏編碼模型[J].軟件學(xué)報(bào),2010,21(10):2410-2419.

    [16]HouWeilong,GaoXinbo,TaoDacheng,etal.VisualSaliencyDetectionUsingInformaitonDivergence[J].PatternRecognition,2013,46(10):2658-2669.

    [17]HarelJ,KochC,PeronaP.Graph-BasedVisualSaliency[C]//ProceedingsofAdvancesinNeuralInformationProcessingSystems,2007:681-688.

    [18]BruceN,TsotsosJ.Saliency,Attention,andVisualSearch:AnInformatonTheoreticApproach[J].JournalofVision,2009,9(3):1-24.

    [19]AchantaR,HemamiS,EstradaF,etal.Frequency-tunedSalientRegionDetection[C]//ProceedingsofIEEEInternationalConferenceonComputerVisionandPatternRecognition.Florida,USA:IEEE,2009:1597-1604.

    [20]ZhangL,TongM,MasksT,etal.SUN:ABayesianFrameworkforSaliencyUsingNaturalStatistics[J].JournalofVision,2008,8(7):1-20.

    [21]HouXiaodi,ZhangLiqing.DynamicVisualAttention:SearchingforCodingLengthIncrements[C]//Nisp,2008:681-689.

    AN ALGORITHM FOR IMAGES SALIENT REGION DETECTION BASEDONSPARSEREPRESENTATION

    Zhang Qiaorong

    (School of Computer and Information Engineering,Henan University of Economics and Law,Zhengzhou 450002,Henan,China)

    AbstractFocusing on the problem of images salient region detection, we proposed a sparse representation-based salient region detection algorithm. First, the algorithm uses sparse coding to describe images feature. Then it calculates the visual saliency based on images sparse coding instead of directly processing raw image so as to improve the efficiency of computation. Finally, according to the computation result of visual saliency it segments salient regions. The proposed method was experimented on public test image datasets and the experiment was compared with some other current popular algorithms. Experimental results showed that this algorithm was correct and effective when applying in images salient region detection.

    KeywordsSalient region detectionSparse representationVisual saliencySaliency map

    收稿日期:2014-11-29。國(guó)家自然科學(xué)基金項(xiàng)目(61374079);河南省基礎(chǔ)與前沿技術(shù)研究計(jì)劃項(xiàng)目(122300410379);河南省教育廳科學(xué)技術(shù)重點(diǎn)研究項(xiàng)目(14A520025)。張巧榮,副教授,主研領(lǐng)域:圖像處理。

    中圖分類號(hào)TP3

    文獻(xiàn)標(biāo)識(shí)碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.048

    猜你喜歡
    像素編碼顯著性
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    像素前線之“幻影”2000
    基于SAR-SIFT和快速稀疏編碼的合成孔徑雷達(dá)圖像配準(zhǔn)
    《全元詩(shī)》未編碼疑難字考辨十五則
    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
    “像素”仙人掌
    基于顯著性權(quán)重融合的圖像拼接算法
    電子制作(2019年24期)2019-02-23 13:22:26
    Genome and healthcare
    基于視覺(jué)顯著性的視頻差錯(cuò)掩蓋算法
    一種基于顯著性邊緣的運(yùn)動(dòng)模糊圖像復(fù)原方法
    丝瓜视频免费看黄片| 大码成人一级视频| 精品少妇黑人巨大在线播放| 午夜福利影视在线免费观看| 一级片免费观看大全| 国产精品久久久久久精品古装| 亚洲第一欧美日韩一区二区三区 | 视频区欧美日本亚洲| 国产av国产精品国产| 亚洲精品自拍成人| 国产成人欧美| 99久久国产精品久久久| 精品亚洲成国产av| 免费一级毛片在线播放高清视频 | 婷婷丁香在线五月| 啦啦啦 在线观看视频| 欧美另类亚洲清纯唯美| 国产亚洲精品久久久久5区| 日韩欧美国产一区二区入口| 国产高清国产精品国产三级| 性高湖久久久久久久久免费观看| 成年人午夜在线观看视频| 久久久久视频综合| 国产av精品麻豆| 久久久精品区二区三区| 青青草视频在线视频观看| 中文欧美无线码| 亚洲男人天堂网一区| 国产精品一区二区精品视频观看| 美女主播在线视频| 老汉色av国产亚洲站长工具| 麻豆国产av国片精品| 在线观看免费高清a一片| 麻豆av在线久日| 少妇被粗大的猛进出69影院| 手机成人av网站| 69精品国产乱码久久久| 久久av网站| 777久久人妻少妇嫩草av网站| 国产精品一区二区在线不卡| 十八禁网站网址无遮挡| 国产一级毛片在线| 男人爽女人下面视频在线观看| 麻豆国产av国片精品| 亚洲视频免费观看视频| 久久ye,这里只有精品| 啪啪无遮挡十八禁网站| 久久精品国产a三级三级三级| 国产激情久久老熟女| 亚洲男人天堂网一区| 我要看黄色一级片免费的| 中文字幕人妻熟女乱码| av在线老鸭窝| 精品少妇久久久久久888优播| 精品国产一区二区三区久久久樱花| 秋霞在线观看毛片| 天天操日日干夜夜撸| 一区二区三区激情视频| 十八禁网站网址无遮挡| 午夜福利视频精品| 国产91精品成人一区二区三区 | 国产福利在线免费观看视频| 免费日韩欧美在线观看| 中文字幕人妻丝袜制服| 一边摸一边抽搐一进一出视频| 成人国产av品久久久| 国产成人a∨麻豆精品| 一级,二级,三级黄色视频| 午夜精品国产一区二区电影| 夫妻午夜视频| 最近中文字幕2019免费版| 丰满饥渴人妻一区二区三| 亚洲免费av在线视频| 美女高潮喷水抽搐中文字幕| 我要看黄色一级片免费的| 日韩一卡2卡3卡4卡2021年| 中文字幕另类日韩欧美亚洲嫩草| 十八禁高潮呻吟视频| 午夜日韩欧美国产| 成人手机av| 亚洲第一青青草原| 久热爱精品视频在线9| 青春草亚洲视频在线观看| 一区二区三区激情视频| av福利片在线| 亚洲第一青青草原| 日韩欧美国产一区二区入口| 亚洲成人手机| 免费不卡黄色视频| 男女免费视频国产| 亚洲视频免费观看视频| 国产高清视频在线播放一区 | 好男人电影高清在线观看| 亚洲av片天天在线观看| 亚洲人成电影免费在线| 黄频高清免费视频| 成年动漫av网址| 国产视频一区二区在线看| 黄色a级毛片大全视频| 一进一出抽搐动态| 美女大奶头黄色视频| www.999成人在线观看| 18禁观看日本| 美女福利国产在线| 欧美日韩一级在线毛片| 国产在线视频一区二区| 999久久久国产精品视频| 国产精品一区二区免费欧美 | 精品国产乱子伦一区二区三区 | a级毛片黄视频| 制服人妻中文乱码| 日本av免费视频播放| 国产精品 国内视频| 欧美激情极品国产一区二区三区| 亚洲精品中文字幕在线视频| 一本大道久久a久久精品| 日本撒尿小便嘘嘘汇集6| 午夜福利免费观看在线| 日韩欧美国产一区二区入口| 天天躁日日躁夜夜躁夜夜| 欧美日韩福利视频一区二区| 在线观看一区二区三区激情| 狂野欧美激情性bbbbbb| 少妇猛男粗大的猛烈进出视频| 国产极品粉嫩免费观看在线| 国产三级黄色录像| 国产日韩欧美亚洲二区| 日韩一区二区三区影片| 亚洲av片天天在线观看| 国产精品 欧美亚洲| 免费在线观看黄色视频的| 亚洲国产欧美一区二区综合| 啦啦啦 在线观看视频| 日韩 欧美 亚洲 中文字幕| 一区二区三区乱码不卡18| 日韩中文字幕视频在线看片| 中国美女看黄片| 成人亚洲精品一区在线观看| 精品乱码久久久久久99久播| 久久精品aⅴ一区二区三区四区| 12—13女人毛片做爰片一| 成年人午夜在线观看视频| 国产成人av激情在线播放| 一区二区av电影网| av超薄肉色丝袜交足视频| 国产一区二区激情短视频 | 亚洲精品日韩在线中文字幕| 亚洲国产日韩一区二区| videos熟女内射| 国产精品99久久99久久久不卡| 777米奇影视久久| 国产成人免费无遮挡视频| 免费少妇av软件| 曰老女人黄片| xxxhd国产人妻xxx| 久久久国产欧美日韩av| a级毛片黄视频| 亚洲欧美清纯卡通| 久久青草综合色| 国产精品 欧美亚洲| 亚洲精品国产av成人精品| 少妇的丰满在线观看| 久久久国产成人免费| 日韩大码丰满熟妇| 女性生殖器流出的白浆| 亚洲第一青青草原| 亚洲国产看品久久| 亚洲精品一区蜜桃| 亚洲精品成人av观看孕妇| 亚洲av成人一区二区三| 精品一区在线观看国产| 成人国产av品久久久| 日韩电影二区| 亚洲精品国产av蜜桃| 欧美亚洲日本最大视频资源| 亚洲国产欧美日韩在线播放| 老司机靠b影院| 秋霞在线观看毛片| 岛国在线观看网站| 欧美乱码精品一区二区三区| 精品少妇久久久久久888优播| 欧美久久黑人一区二区| 国产人伦9x9x在线观看| 久久久国产一区二区| 黄色片一级片一级黄色片| 成年人黄色毛片网站| av网站免费在线观看视频| 中文字幕人妻丝袜制服| 亚洲av电影在线进入| 国产精品自产拍在线观看55亚洲 | 亚洲av国产av综合av卡| cao死你这个sao货| 国产精品九九99| 91精品三级在线观看| 91麻豆精品激情在线观看国产 | 99国产精品99久久久久| 国产男人的电影天堂91| 免费不卡黄色视频| bbb黄色大片| 国产欧美日韩一区二区精品| 电影成人av| 大陆偷拍与自拍| 久久毛片免费看一区二区三区| www.自偷自拍.com| 亚洲精品一卡2卡三卡4卡5卡 | 久热爱精品视频在线9| 咕卡用的链子| 日日夜夜操网爽| 真人做人爱边吃奶动态| 国产99久久九九免费精品| √禁漫天堂资源中文www| av网站在线播放免费| 久久久久国产一级毛片高清牌| 成人国产av品久久久| 无遮挡黄片免费观看| 新久久久久国产一级毛片| 国产xxxxx性猛交| 欧美在线黄色| 精品一品国产午夜福利视频| 欧美黑人精品巨大| av在线老鸭窝| 国产日韩欧美在线精品| 日韩电影二区| 国产精品香港三级国产av潘金莲| 午夜免费观看性视频| 日韩精品免费视频一区二区三区| 午夜福利免费观看在线| 国产精品九九99| 女性生殖器流出的白浆| 色94色欧美一区二区| 女人久久www免费人成看片| 精品久久久久久久毛片微露脸 | 美女大奶头黄色视频| 亚洲一码二码三码区别大吗| 亚洲七黄色美女视频| 亚洲九九香蕉| 亚洲精品中文字幕一二三四区 | 美女午夜性视频免费| 国产亚洲av片在线观看秒播厂| 日本91视频免费播放| 精品一区二区三卡| av欧美777| 在线精品无人区一区二区三| 欧美激情 高清一区二区三区| 99精品欧美一区二区三区四区| 99精品欧美一区二区三区四区| 99九九在线精品视频| 男女高潮啪啪啪动态图| 中国国产av一级| 美国免费a级毛片| 一级毛片电影观看| 成人国产av品久久久| 亚洲中文字幕日韩| 成人av一区二区三区在线看 | 高清黄色对白视频在线免费看| 欧美精品人与动牲交sv欧美| 青草久久国产| 欧美人与性动交α欧美精品济南到| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲天堂av无毛| 精品国产一区二区久久| 免费不卡黄色视频| 熟女少妇亚洲综合色aaa.| 国产高清国产精品国产三级| 国产精品一区二区在线不卡| 人人澡人人妻人| 国产成人免费无遮挡视频| 日日夜夜操网爽| 在线观看免费高清a一片| 午夜91福利影院| 岛国在线观看网站| 亚洲三区欧美一区| 亚洲av成人不卡在线观看播放网 | 日韩熟女老妇一区二区性免费视频| 国产欧美日韩一区二区三 | videosex国产| av有码第一页| 亚洲七黄色美女视频| 欧美亚洲 丝袜 人妻 在线| 美女主播在线视频| 国产男人的电影天堂91| 国产在视频线精品| 天天躁夜夜躁狠狠躁躁| 亚洲欧美色中文字幕在线| 国产主播在线观看一区二区| 成年人免费黄色播放视频| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美一区二区综合| av网站免费在线观看视频| 亚洲熟女精品中文字幕| 精品欧美一区二区三区在线| 黄色a级毛片大全视频| 超碰成人久久| 老汉色∧v一级毛片| 啦啦啦免费观看视频1| 亚洲久久久国产精品| cao死你这个sao货| 操出白浆在线播放| 日本vs欧美在线观看视频| 精品久久久久久电影网| 国产免费av片在线观看野外av| 中文字幕制服av| 美女视频免费永久观看网站| 丰满饥渴人妻一区二区三| a级毛片黄视频| 正在播放国产对白刺激| 亚洲精品国产一区二区精华液| 久久久久久亚洲精品国产蜜桃av| 俄罗斯特黄特色一大片| 国产av一区二区精品久久| 在线亚洲精品国产二区图片欧美| 一边摸一边抽搐一进一出视频| 黄色视频在线播放观看不卡| 侵犯人妻中文字幕一二三四区| 国产精品1区2区在线观看. | 91麻豆av在线| 国产精品亚洲av一区麻豆| 成人国产av品久久久| 少妇精品久久久久久久| 狠狠精品人妻久久久久久综合| 欧美 日韩 精品 国产| 三上悠亚av全集在线观看| 日韩欧美国产一区二区入口| 丝瓜视频免费看黄片| 嫩草影视91久久| 丝袜在线中文字幕| 国产一级毛片在线| 日韩制服丝袜自拍偷拍| 成年av动漫网址| av在线app专区| 日韩电影二区| 亚洲中文av在线| 国产成人精品在线电影| 日韩欧美免费精品| 69av精品久久久久久 | 99热全是精品| 香蕉国产在线看| 免费看十八禁软件| 欧美成狂野欧美在线观看| 亚洲熟女精品中文字幕| 一进一出抽搐动态| 性少妇av在线| 日本猛色少妇xxxxx猛交久久| 操出白浆在线播放| 久久久国产成人免费| 1024视频免费在线观看| 亚洲欧美精品自产自拍| 国产亚洲欧美在线一区二区| 国产一卡二卡三卡精品| 在线观看一区二区三区激情| 亚洲欧洲精品一区二区精品久久久| 999精品在线视频| 久久久久久久久久久久大奶| xxxhd国产人妻xxx| 亚洲精品粉嫩美女一区| 欧美激情极品国产一区二区三区| 国产一区二区三区在线臀色熟女 | 欧美精品av麻豆av| 91精品国产国语对白视频| 欧美激情久久久久久爽电影 | 欧美激情久久久久久爽电影 | 午夜91福利影院| 久久精品亚洲熟妇少妇任你| 黄网站色视频无遮挡免费观看| 亚洲全国av大片| 国产又爽黄色视频| 精品亚洲成a人片在线观看| 免费少妇av软件| 久久久久精品人妻al黑| 欧美在线一区亚洲| 后天国语完整版免费观看| 操美女的视频在线观看| 精品一区在线观看国产| 午夜91福利影院| 妹子高潮喷水视频| kizo精华| 亚洲av欧美aⅴ国产| 一区在线观看完整版| 午夜成年电影在线免费观看| 99久久99久久久精品蜜桃| 秋霞在线观看毛片| 丁香六月天网| 免费在线观看完整版高清| 成人亚洲精品一区在线观看| 欧美亚洲 丝袜 人妻 在线| 性少妇av在线| 亚洲精品乱久久久久久| 日日夜夜操网爽| 一级a爱视频在线免费观看| 国产精品一二三区在线看| 亚洲精品一区蜜桃| 日韩电影二区| videosex国产| 久久精品成人免费网站| 日韩一卡2卡3卡4卡2021年| 久久久久精品国产欧美久久久 | 欧美日韩成人在线一区二区| 国产一区二区在线观看av| 欧美中文综合在线视频| 大片免费播放器 马上看| 久热爱精品视频在线9| 狠狠精品人妻久久久久久综合| 少妇精品久久久久久久| a级片在线免费高清观看视频| 精品国产乱码久久久久久男人| 国产色视频综合| 性少妇av在线| 天堂8中文在线网| 下体分泌物呈黄色| 女人高潮潮喷娇喘18禁视频| 精品乱码久久久久久99久播| 丝袜美腿诱惑在线| 久久免费观看电影| 在线观看免费午夜福利视频| 精品欧美一区二区三区在线| 久久国产亚洲av麻豆专区| 亚洲欧美精品综合一区二区三区| 国产高清视频在线播放一区 | 国产精品一区二区在线观看99| av超薄肉色丝袜交足视频| 日本撒尿小便嘘嘘汇集6| 我的亚洲天堂| 日韩 亚洲 欧美在线| 国产精品影院久久| 国产精品二区激情视频| 人成视频在线观看免费观看| 别揉我奶头~嗯~啊~动态视频 | 老熟妇乱子伦视频在线观看 | 欧美精品啪啪一区二区三区 | 欧美午夜高清在线| 精品亚洲成a人片在线观看| 在线亚洲精品国产二区图片欧美| 亚洲国产欧美日韩在线播放| 乱人伦中国视频| 欧美黄色片欧美黄色片| 日韩欧美免费精品| 操出白浆在线播放| 久久人人爽av亚洲精品天堂| 色婷婷久久久亚洲欧美| 少妇精品久久久久久久| 亚洲精品美女久久av网站| 老汉色av国产亚洲站长工具| 国产免费福利视频在线观看| 日韩有码中文字幕| 91老司机精品| 国产精品免费视频内射| av天堂在线播放| 国产精品九九99| 日本av免费视频播放| 亚洲情色 制服丝袜| 亚洲色图综合在线观看| 97精品久久久久久久久久精品| 欧美在线黄色| 国产成人精品在线电影| 最黄视频免费看| 中文字幕最新亚洲高清| 亚洲欧美精品综合一区二区三区| 国产日韩欧美在线精品| 国产精品.久久久| 国产精品成人在线| svipshipincom国产片| 在线观看www视频免费| 亚洲伊人久久精品综合| 天堂8中文在线网| 丰满饥渴人妻一区二区三| 国产在线观看jvid| av欧美777| 国产黄频视频在线观看| 亚洲av电影在线观看一区二区三区| 黄色视频在线播放观看不卡| 精品国产一区二区三区四区第35| 中文字幕另类日韩欧美亚洲嫩草| 在线观看免费午夜福利视频| 国产精品欧美亚洲77777| 在线 av 中文字幕| av在线app专区| 国产一区二区三区综合在线观看| 久久久久国内视频| 国产男女内射视频| 不卡av一区二区三区| 日韩欧美国产一区二区入口| 国产精品一区二区在线观看99| 香蕉丝袜av| 久久精品人人爽人人爽视色| 老鸭窝网址在线观看| 免费高清在线观看视频在线观看| 欧美另类一区| 日韩 亚洲 欧美在线| 日韩欧美一区视频在线观看| 在线看a的网站| 中文字幕色久视频| 亚洲精品国产av成人精品| 国产一区有黄有色的免费视频| 日韩欧美免费精品| 99久久精品国产亚洲精品| 精品少妇内射三级| 热re99久久精品国产66热6| 人妻一区二区av| 麻豆国产av国片精品| 天堂8中文在线网| 国产精品久久久久久精品古装| 国产精品久久久人人做人人爽| 国产精品 国内视频| 免费av中文字幕在线| 老司机在亚洲福利影院| 精品亚洲成国产av| 精品免费久久久久久久清纯 | 这个男人来自地球电影免费观看| 国产精品亚洲av一区麻豆| 亚洲av片天天在线观看| 亚洲熟女毛片儿| 久久久欧美国产精品| 亚洲美女黄色视频免费看| 熟女少妇亚洲综合色aaa.| 亚洲精品国产av成人精品| 国产野战对白在线观看| 少妇裸体淫交视频免费看高清 | 午夜老司机福利片| 亚洲精品久久午夜乱码| 亚洲少妇的诱惑av| 1024视频免费在线观看| 国产成人欧美在线观看 | 亚洲国产日韩一区二区| 久久性视频一级片| 极品少妇高潮喷水抽搐| 成人亚洲精品一区在线观看| 777米奇影视久久| 少妇 在线观看| 男女床上黄色一级片免费看| 桃红色精品国产亚洲av| 成人18禁高潮啪啪吃奶动态图| 999精品在线视频| 亚洲精品国产精品久久久不卡| 中文字幕色久视频| 下体分泌物呈黄色| 18禁国产床啪视频网站| 一级,二级,三级黄色视频| 我的亚洲天堂| 日韩欧美国产一区二区入口| 黄频高清免费视频| 婷婷丁香在线五月| 黑人巨大精品欧美一区二区mp4| 欧美黄色片欧美黄色片| 操出白浆在线播放| 99九九在线精品视频| 国产成人系列免费观看| 1024视频免费在线观看| 午夜日韩欧美国产| 日韩 欧美 亚洲 中文字幕| 交换朋友夫妻互换小说| 成人18禁高潮啪啪吃奶动态图| 美女国产高潮福利片在线看| 国产亚洲精品第一综合不卡| 狠狠婷婷综合久久久久久88av| 菩萨蛮人人尽说江南好唐韦庄| 欧美国产精品va在线观看不卡| 日韩 欧美 亚洲 中文字幕| 青草久久国产| 王馨瑶露胸无遮挡在线观看| 亚洲第一av免费看| 两性夫妻黄色片| 精品高清国产在线一区| 午夜影院在线不卡| 日韩大码丰满熟妇| 丁香六月欧美| 一个人免费看片子| 丝袜人妻中文字幕| 精品一区二区三区av网在线观看 | 亚洲精品粉嫩美女一区| 精品久久久久久电影网| 欧美精品亚洲一区二区| 深夜精品福利| e午夜精品久久久久久久| 日日夜夜操网爽| 十八禁高潮呻吟视频| 亚洲精华国产精华精| av在线播放精品| 搡老岳熟女国产| 国产av又大| 国产精品久久久久成人av| 青春草视频在线免费观看| 中文字幕人妻丝袜制服| 亚洲精品国产色婷婷电影| av线在线观看网站| 久久久久久久久久久久大奶| 高潮久久久久久久久久久不卡| 国产亚洲av片在线观看秒播厂| 又大又爽又粗| 脱女人内裤的视频| 欧美黑人欧美精品刺激| 视频区图区小说| 午夜视频精品福利| 桃红色精品国产亚洲av| 天天躁日日躁夜夜躁夜夜| 欧美午夜高清在线| av福利片在线| 婷婷色av中文字幕| cao死你这个sao货| 人妻人人澡人人爽人人| 老司机影院毛片| 亚洲欧洲精品一区二区精品久久久| 飞空精品影院首页| 亚洲av国产av综合av卡| 老司机在亚洲福利影院| 岛国毛片在线播放| 国产激情久久老熟女| 成人国产一区最新在线观看| 母亲3免费完整高清在线观看| 99国产精品99久久久久| 国产在线观看jvid| 国产黄色免费在线视频| 一级毛片女人18水好多| 女人高潮潮喷娇喘18禁视频| 国产在线视频一区二区| 精品久久久久久电影网|