• <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 ?

    自然場(chǎng)景下蘋(píng)果圖像FSLIC超像素分割方法

    2016-10-27 02:12:16徐偉悅田光兆姬長(zhǎng)英蔣思杰

    徐偉悅 田光兆 姬長(zhǎng)英 張 波 蔣思杰 張 純

    (1.南京農(nóng)業(yè)大學(xué)工學(xué)院, 南京 210031; 2.江蘇省智能化農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室, 南京 210031)

    ?

    自然場(chǎng)景下蘋(píng)果圖像FSLIC超像素分割方法

    徐偉悅1,2田光兆1,2姬長(zhǎng)英1,2張波1,2蔣思杰1,2張純1,2

    (1.南京農(nóng)業(yè)大學(xué)工學(xué)院, 南京 210031; 2.江蘇省智能化農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室, 南京 210031)

    應(yīng)用Cauchy-Schwarz不等式,推導(dǎo)出一個(gè)聚類搜索過(guò)程中剝離不必要計(jì)算的條件,早期預(yù)估后舍掉符合預(yù)設(shè)條件的候選聚類,提出了基于自然場(chǎng)景的快速簡(jiǎn)單線性迭代聚類算法(FSLIC算法)。對(duì)包含極端惡劣條件下的500幅蘋(píng)果圖像進(jìn)行了邊界召回率檢驗(yàn)和運(yùn)行速度測(cè)試;統(tǒng)計(jì)了極端惡劣條件下的30幅蘋(píng)果圖像的全局錯(cuò)誤率GCE、假陽(yáng)性率FPR和假陰性率FNR。試驗(yàn)表明,提出的FSLIC算法減小了后續(xù)迭代過(guò)程中的冗余誤差,邊界召回率較GB超像素分割算法平均提高了21.7%,速度是GB超像素分割算法的1.83倍;整個(gè)圖像分割過(guò)程中基于超像素的分割算法(GB、FSLIC)的GCE值較常規(guī)分割算法(BP、WT、SVM)平均減小了13%,較常規(guī)算法的GCE值減小了19%。

    蘋(píng)果圖像; 超像素分割; 自然場(chǎng)景; 簡(jiǎn)單線性迭代聚類

    引言

    室外自然環(huán)境下農(nóng)田果園作業(yè)場(chǎng)景復(fù)雜,自然光照隨時(shí)間變化較大,從早晨或黃昏的弱大氣光到中午的強(qiáng)太陽(yáng)光,光照的強(qiáng)度和顏色都存在一定差異;不同生長(zhǎng)時(shí)期的植物獲取的田間圖像光照條件不同,顏色變化明顯;果樹(shù)枝葉遮擋、多果鄰接及重疊遮擋都會(huì)產(chǎn)生各種不同形式的陰影。果園中自然場(chǎng)景的不確定性和模糊性使得農(nóng)田自然環(huán)境圖像分割成為一個(gè)具有很大挑戰(zhàn)性的任務(wù)[1-3]。

    當(dāng)前已有的果蔬收獲機(jī)器人視覺(jué)系統(tǒng)中,針對(duì)自然光照干擾目標(biāo)分割所采用的方法主要有:利用攝像機(jī)加濾光片來(lái)獲取自然光下目標(biāo)圖像,降低光照對(duì)圖像影響;在人工輔助光源下進(jìn)行圖像采集,獲取自然環(huán)境中在弱光照、強(qiáng)光照、逆光照和陰影的條件下的圖像;利用特定變換或增強(qiáng)算法對(duì)自然場(chǎng)景下的圖像進(jìn)行處理,得到與光照無(wú)關(guān)的圖像。這種人工干預(yù)和人工光源方法的優(yōu)點(diǎn)是可以簡(jiǎn)化處理過(guò)程,后繼分析也能得到較好結(jié)果,然而,在實(shí)際應(yīng)用中這種方法受到限制,同時(shí)果蔬圖像的采集大多需要在自然光照下進(jìn)行。光照無(wú)關(guān)圖法對(duì)減小光照的影響有一定效果,但分割結(jié)果對(duì)極端惡劣光照條件下圖像的魯棒性以及處理速度均不夠理想[4-12]。

    大部分圖像分割算法均以像素為基本單元,忽略了像素之間固有的空間信息,使得非結(jié)構(gòu)化的自然場(chǎng)景下圖像處理結(jié)果不甚理想。近年超像素的提出使像素之間空間組織關(guān)系得到了有效利用,研究表明超像素可以使圖像處理效果和效率得到有效提升[13-15]。所謂超像素,是指具有同質(zhì)特征的相鄰像素構(gòu)成的圖像塊,超像素的同質(zhì)特征包括紋理、顏色、光照度等[16]。

    基于顏色和距離相似性的SLIC(Simple liner iteration clustering)算法在圖像預(yù)處理應(yīng)用中越來(lái)越受到研究者的重視,這種算法產(chǎn)生的超像素大小均勻,減少了后續(xù)冗余計(jì)算的維度;算法思想簡(jiǎn)單、易操作,且只需要調(diào)節(jié)單個(gè)參數(shù)即可控制產(chǎn)生的超像素個(gè)數(shù);分塊能較好地貼合目標(biāo)邊界;每個(gè)超像素塊內(nèi)部的像素之間特征差異很小[17]。

    超像素分割算法對(duì)處理隨機(jī)不確定的場(chǎng)景圖像具有很強(qiáng)的魯棒性[18],但其在農(nóng)田復(fù)雜場(chǎng)景圖像中的應(yīng)用近乎空白。本文借鑒其他自然場(chǎng)景的超像素處理算法[19-21],針對(duì)非結(jié)構(gòu)化的果園自然場(chǎng)景對(duì)SLIC超像素分割算法進(jìn)行改進(jìn),并將改進(jìn)后的算法應(yīng)用到蘋(píng)果圖像分割處理中。原始SLIC算法分割效果好且對(duì)極端惡劣的光照影響不敏感,但是時(shí)效性差。因此本文提出針對(duì)極端環(huán)境光照下的改進(jìn)快速簡(jiǎn)單線性迭代聚類算法(FSLIC算法)。

    1 SLIC超像素分割

    簡(jiǎn)單線性迭代聚類算法(SLIC算法)是ACHANTA等[22]擴(kuò)展K均值聚類提出的一種超像素分割算法。

    (1)

    其中

    (2)

    (3)

    λ=r/S

    式中Ck——具有相同顏色特征類的聚類中心

    Dc(i,Ck)——顏色空間距離矩陣

    Ds(i,Ck)——位置空間距離矩陣

    D(i,Ck)——第i個(gè)像素和超像素中心Ck的距離矩陣

    r——緊實(shí)度歸一化系數(shù),取10

    式(2)、(3)分別是在顏色域和空間域的歐氏距離公式。

    2 FSLIC超像素分割

    2.1Cauchy-Schwarz不等式

    定理(Cauchy-Schwarz不等式[24]):若a1,a2,…,an和b1,b2,…,bn是任意實(shí)數(shù),則有

    (4)

    此外,如有ai≠0,則式(4)中的等號(hào)存在條件是只有一個(gè)實(shí)數(shù)X使得對(duì)于任何k=1,2,…,n都有akX+bk=0成立。

    Cauchy-Schwarz不等式的范數(shù)寫(xiě)法為

    |〈x,y〉|≤‖x‖·‖y‖

    (5)

    2.2SLIC算法的范式變形

    在聚類分配步驟中,£s是初始化采樣點(diǎn),按照式(1)遍歷所有搜索域,使得圖像中的每個(gè)像素i都與Ci相關(guān)聯(lián)。參照文獻(xiàn)[17],在每個(gè)聚類中心點(diǎn)Ci的2S×2S鄰域內(nèi),計(jì)算D(i,Ck)以得到最佳匹配像素點(diǎn)。計(jì)算規(guī)定范圍內(nèi)的各個(gè)像素梯度,初始采樣點(diǎn)即梯度的最小值。圖像梯度的計(jì)算公式為

    G(x,y)=‖I(x+1,y)-I(x-1,y)‖2+

    ‖I(x,y+1)-I(x,y-1)‖2

    (6)

    式中I(x,y) ——Lab顏色空間中(x,y)對(duì)應(yīng)的空間位置

    式(6)同時(shí)考慮了光照度和位置信息。

    在更新聚類過(guò)程中,每一個(gè)fCk的更新都與RCk同步,其中RCk表示以Ck為聚類中心的超像素,fCk表示以Ck為聚類中心的具有相同顏色特征的類。重復(fù)聚類分配和更新直到收斂為止。終止條件是殘留誤差在新聚類中心和原始聚類中心的差小于閾值[25]。

    在具有三維顏色特征l、a、b的CIE LAB顏色空間和二維位置特征x、y位置空間中,大小為N=L×M圖像的單個(gè)像素是一個(gè)特征向量,表示為fi=[li,ai,bi,xi,yi]T,f=[l,a,b,x,y]T。類似地,一組具有相同顏色特征的類以Ck為聚類中心,即有

    fCk=[lCk,aCk,bCk,xCk,yCk]T

    (7)

    式(1)用矢量形式表示為

    ‖f‖w‖Wf‖

    (8)

    式中W——一個(gè)對(duì)角線元素wii≠0的對(duì)角矩陣

    w——矩陣W中某一元素值

    當(dāng)W=diag(1,1,1,λ,λ),得到初始像素i的加權(quán)L2范數(shù)的特征向量為

    (9)

    同樣的,聚類中心Ck的加權(quán)范數(shù)可以表示為

    (10)

    于是得到距離矩陣的向量形式

    (11)

    2.3FSLIC算法的實(shí)現(xiàn)

    由k均值聚類算法演變來(lái)的SLIC算法從根本上講是一個(gè)迭代算法。通過(guò)迭代,超像素逐步變換生成了均質(zhì)塊。在第1次迭代過(guò)程中,超像素變化很劇烈,但是在某步迭代后超像素變化越來(lái)越小,直到最后局部收斂[26]。

    因此,在某一步迭代后,大部分的像素基本上都在重復(fù)歸屬同一個(gè)聚類。在FSLIC算法中,通過(guò)應(yīng)用一個(gè)基于帶權(quán)值的L2范數(shù)像素和強(qiáng)魯棒性不等式條件減少這種冗余計(jì)算,即

    (12)

    式中Ck*——聚類搜索i的最近鄰聚類中心

    Ci搜索域包含了i的一組聚類中心R(i)[27]。

    (13)

    此時(shí)

    D′(i,Ck)D(i,Ck)-‖fi‖2w=

    (14)

    應(yīng)用Cauchy-Schwarz不等式,同時(shí)由式(14)可得

    ‖fCk‖2w-2‖fCk‖W·‖ fi‖W=

    ‖fCk‖W(‖fCk‖W-2‖fi‖W)D″(i,Ck)

    (15)

    假設(shè)有一些候選聚類中心已經(jīng)被遍歷到,應(yīng)用式(14),如果另一個(gè)候選的Ck滿足

    D″(i,Ck)≥d′min

    (16)

    式中d′min——到目前為止最小的距離

    可以保證D′(i,Ck)≥d′min。因此,當(dāng)Ck和i的距離總是大于目前為止的聚類中心距離時(shí),不需要計(jì)算D′(i,Ck)即可淘汰Ck。

    式(16)中的不等式稱作預(yù)先聚類淘汰條件(Predict candidate cluster elimination,PCCE)。應(yīng)用了Cauchy-Schwarz不等式的PCCE條件獲得了更少的計(jì)算量,同時(shí)減少了冗余計(jì)算產(chǎn)生的分割誤差,得到了更好的聚類結(jié)果。

    2.4條件隨機(jī)場(chǎng)模型

    本文FSLIC算法以及Graph-based超像素分割算法(GB算法)所選模型均為條件隨機(jī)場(chǎng)模型[28]。條件隨機(jī)場(chǎng)模型實(shí)現(xiàn)過(guò)程為:首先建立圖模型,模型選擇即定義相容函數(shù)φi(·)和φij(·),然后進(jìn)行參數(shù)學(xué)習(xí),確定模型中的參數(shù),實(shí)現(xiàn)模型推理,通過(guò)給定的已知觀察數(shù)據(jù)x和模型參數(shù)θ來(lái)估計(jì)對(duì)應(yīng)的類別標(biāo)記y。最后獲取分割或者分類標(biāo)記圖像的結(jié)果。圖1為條件隨機(jī)場(chǎng)算法的示意圖。

    圖1 算法流程圖Fig.1 Flow chart of algorithm

    3 試驗(yàn)結(jié)果與分析

    通過(guò)超像素分割性能測(cè)試的若干試驗(yàn)對(duì)比分析GB算法[29]、BP神經(jīng)網(wǎng)絡(luò)分割算法(BP)[30-31]、支持向量機(jī)分割算法(SVM)[32]和WT分水嶺分割算法(WT)[33]。

    3.1試驗(yàn)環(huán)境

    創(chuàng)建一個(gè)由2 000幅蘋(píng)果樹(shù)圖像組成的數(shù)據(jù)庫(kù)。圖像采集地點(diǎn)是徐州市豐縣大沙河果園示范區(qū),日期為2015年10月1—31日,采集設(shè)備為Point Grey單目相機(jī)。所有試驗(yàn)結(jié)果通過(guò)CPU為64位i7-2600四核3.39 GHz、內(nèi)存為8 GB的研華IPC-6606型工控機(jī)得到,試驗(yàn)編程環(huán)境為Visual Studio 2013。原始算法代碼參照文獻(xiàn)[34]。性能測(cè)試運(yùn)行時(shí)間統(tǒng)計(jì)采用GetTickCount命令自動(dòng)計(jì)時(shí),其精度為毫秒級(jí)。

    3.2超像素分割對(duì)比試驗(yàn)

    3.2.1超像素分割效果檢驗(yàn)

    SLIC算法的超像素分割逼近程度受超像素塊數(shù)目和光源條件的共同影響[35]。應(yīng)用圖像細(xì)節(jié)對(duì)比試驗(yàn)測(cè)試改進(jìn)的FSLIC算法與原始算法的相似度,并進(jìn)行相似度和分割結(jié)果之間關(guān)系的試驗(yàn)。

    圖2 逆光蘋(píng)果圖像的超像素分割結(jié)果對(duì)比Fig.2 Superpixel segmentation contrast of backlight apple images

    順光高光照度和逆光低光照度是自然環(huán)境下果園中兩個(gè)極端光照問(wèn)題。對(duì)2 000幅圖像組成的數(shù)據(jù)庫(kù)中具有光照極端條件的500幅圖像分別進(jìn)行試驗(yàn),圖像的大小均為558像素×373像素,本節(jié)僅列出隨機(jī)抽取的2幅試驗(yàn)圖像,圖像拍攝角度為水平方向正負(fù)誤差不超過(guò)10°。圖2為13∶38的低光照度逆光圖像,光照度為23.8 klx。圖3為12∶22的順光圖像,其光照度為30.4 klx。利用SLIC原始算法和FSLIC算法分別進(jìn)行超像素分割試驗(yàn),超像素?cái)?shù)N分別為50、100、200、300、400、500、800、1 000。

    圖3 順光蘋(píng)果圖像的超像素分割結(jié)果對(duì)比Fig.3 Superpixel segmentation contrast of frontlight apple images

    如圖2所示,圖2a左列為應(yīng)用SLIC算法的處理結(jié)果,圖2a右列為白色框SLIC算法放大細(xì)節(jié)圖。圖2b左列為應(yīng)用改進(jìn)算法FSLIC的處理結(jié)果,圖2b右列為改進(jìn)算法同一位置放大細(xì)節(jié)圖。從分割的直觀結(jié)果看,在光照度較小的逆光圖像中,當(dāng)N=50時(shí),超像素聚合塊二者基本無(wú)差異,而當(dāng)N大于100時(shí),聚合塊的變化呈增長(zhǎng)趨勢(shì)。超像素聚合塊差異沒(méi)能影響蘋(píng)果目標(biāo)的分割邊界輪廓,如圖2a、2b右列的目標(biāo)邊界保持誤差基本可以忽略不計(jì)。從圖2細(xì)節(jié)圖可以明顯觀察到,當(dāng)N=500時(shí),改進(jìn)算法的邊界保持效果明顯優(yōu)于原始算法,由于圖像是逆光拍攝,光線較暗,前方蘋(píng)果和后方樹(shù)枝的光照度差異和顏色差異很小,因此二者在原始算法中被誤分割,在本文算法中只產(chǎn)生了小部分的突起。N從50變化到800時(shí),圖2c中GB算法產(chǎn)生的超像素塊分布一直極不均勻,很容易使后續(xù)的邊界分割步驟產(chǎn)生誤召回;同時(shí)邊界的毛刺充斥著GB算法在N的變化整個(gè)過(guò)程。

    從圖3可以看出,在光照度較大的順光圖像中,并沒(méi)有因?yàn)殛幱暗某霈F(xiàn)使得分割效果變差。當(dāng)N從50變化到200時(shí),F(xiàn)SLIC算法的邊界誤分割率明顯低于SLIC算法,在N=400時(shí)效果較差,但N從500變化到1 000時(shí),誤分割率又漸漸接近了原始算法。同期對(duì)比GB算法和本文算法,雖然GB算法在N=300 和N=400 時(shí)邊界召回率與本文算法相差無(wú)幾,如圖3c所示,但受陰影影響較大,超像素形狀極不均勻,分割的整體效果較差。

    綜合圖2、3可以得出,本文算法分割效果整體優(yōu)于原算法和GB算法,同時(shí)發(fā)現(xiàn)本文算法在超像素?cái)?shù)為500~800范圍內(nèi)分割效果最佳。在蘋(píng)果圖像分割的實(shí)際應(yīng)用時(shí),超像素聚類塊的個(gè)數(shù)不能過(guò)大或過(guò)小,過(guò)大對(duì)分割目標(biāo)邊界基本無(wú)影響,過(guò)小區(qū)域分割不明顯。

    3.2.2超像素分割邊界召回率分析

    結(jié)合在自定義數(shù)據(jù)庫(kù)中包含惡劣條件的500幅圖像分割后的數(shù)據(jù),分析3種算法的欠分割錯(cuò)誤率,結(jié)果如圖4a所示。3條曲線在超像素總數(shù)小于500時(shí)產(chǎn)生了波動(dòng),但總體的欠分割錯(cuò)誤率相差不大,尤其當(dāng)N大于500之后,SLIC和FSLIC曲線越來(lái)越靠近,證明本文算法的欠分割錯(cuò)誤率沒(méi)有因?yàn)榈^(guò)程的變化而受影響。GB算法的曲線在N=200時(shí)發(fā)生了波動(dòng),但其總體錯(cuò)誤率均高于本文算法。三者平均邊界命中率對(duì)比見(jiàn)圖4b。改進(jìn)算法與原始算法的邊界識(shí)別率總體持平,在N大于500時(shí)改進(jìn)算法分割效果優(yōu)于原始算法。

    綜合圖4可以得出,由于迭代過(guò)程的優(yōu)化,避免了許多超像素畸形擴(kuò)張,不管是低光照度的逆光還是高光照度的順光陰影部分,改進(jìn)方法的邊界保持性能優(yōu)良。

    圖4 邊界召回率結(jié)果Fig.4 Analysis of recall rate

    3.2.3超像素分割運(yùn)行效率對(duì)比與分析

    圖5為運(yùn)行效率評(píng)測(cè)試驗(yàn),采用GetTickCount命令自動(dòng)計(jì)時(shí),精度為毫秒級(jí)。本文算法應(yīng)用一個(gè)帶權(quán)值范數(shù)像素和魯棒性很高的不等式條件大大減少了冗余計(jì)算,省去了大量非必需的由距離計(jì)算和對(duì)比計(jì)算的聚類搜索。從圖5可以很直觀地發(fā)現(xiàn),當(dāng)N>100后,3種超像素分割算法的運(yùn)行速度整體趨勢(shì)都是隨著超像素總數(shù)的增加而相應(yīng)減少;本文提出的FSLIC算法優(yōu)于具有良好分割結(jié)果的GB超像素分割算法以及傳統(tǒng)分割算法,同時(shí)分割效率顯著提高,算法運(yùn)行時(shí)間至少比原始算法縮短了20%,比GB算法縮短了50%。

    圖5 運(yùn)行時(shí)間分析Fig.5 Analysis of execution time

    3.3算法整體分割性能分析

    從目標(biāo)圖像分割的邊界保持性來(lái)評(píng)價(jià)FSLIC算法的可靠性。GB算法是目前該領(lǐng)域公認(rèn)的能較好保持圖像邊界、速度較快的超像素分割算法[29]。BP神經(jīng)網(wǎng)絡(luò)算法、小波變換分水嶺算法(WT)和支持向量機(jī)算法(SVM)屬于傳統(tǒng)算法。其中BP神經(jīng)網(wǎng)絡(luò)算法采用3層(輸入層、輸出層和隱含層)和3×3鄰域像素,利用線剖面技術(shù)提取顏色特征,利用對(duì)比度和相關(guān)性提取紋理特征,經(jīng)過(guò)100次循環(huán),目標(biāo)值與實(shí)際輸出的誤差降至0.001時(shí)終止,獲得了有效的網(wǎng)絡(luò)權(quán)值,經(jīng)過(guò)35次訓(xùn)練達(dá)到穩(wěn)定[30-31]。分水嶺算法采用了基于二級(jí)小波變換方法[33]。支持向量機(jī)算法提取HLS顏色空間的H和S通道值作為顏色特征,以圓方差、橢圓方差、緊密度和周長(zhǎng)平方面積比作為形狀特征,參照文獻(xiàn)[32]中基于粒子群優(yōu)化確定的支持向量機(jī)中懲罰參數(shù)C及核函數(shù)K,用其得到的最佳參數(shù)構(gòu)造了SVM分類器。BP神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)算法是人工選取100幅蘋(píng)果圖像作為訓(xùn)練樣本集,訓(xùn)練樣本集分別為高照度強(qiáng)光樣本集、低照度背光樣本集、光照不均勻的多云樣本集、多果鄰接樣本集和嚴(yán)重粘連樣本集,每類訓(xùn)練樣本集均由20幅惡劣光照條件下的蘋(píng)果圖像組成。

    本文算法以及GB算法所選模型為條件隨機(jī)場(chǎng)模型。所選樣本分為兩類:目標(biāo)蘋(píng)果類和非目標(biāo)類。蘋(píng)果屬于目標(biāo)類,樹(shù)枝、樹(shù)干、樹(shù)葉、地面、天空等屬于非目標(biāo)類。

    樣本數(shù)據(jù)類別通過(guò)軟件標(biāo)記獲取。軟件標(biāo)記的過(guò)程為:將數(shù)據(jù)庫(kù)中圖像加載到軟件中,手動(dòng)選取蘋(píng)果類在圖像中統(tǒng)一標(biāo)記為紅色,同時(shí)利用軟件反向選取并自動(dòng)標(biāo)記其余非目標(biāo)蘋(píng)果類為綠色,最后輸出標(biāo)記成功的圖像,如圖6所示。試驗(yàn)中模型訓(xùn)練迭代次數(shù)最大值Nmax取值為30。

    圖6 手工標(biāo)記過(guò)程Fig.6 Handed labeling process

    3.3.1定性分析

    不同算法的分割結(jié)果對(duì)比如圖7所示,從左到右依次為原圖、FSLIC算法、GB算法、BP算法、WT算法、SVM算法。

    圖7 蘋(píng)果圖像分割結(jié)果對(duì)比Fig.7 Comparison of segmentation result

    圖7a、7b是與前一節(jié)相同場(chǎng)景的對(duì)比試驗(yàn)圖像。在單果圖像的同一光照?qǐng)鼍跋?,?yīng)用FSLIC算法、GB算法以及SVM算法的分割效果接近,而B(niǎo)P算法和WT算法效果相對(duì)較差。但當(dāng)圖像為多果鄰接時(shí),本文算法明顯優(yōu)于其他算法,如圖7b中5個(gè)蘋(píng)果互相遮擋或鄰接,應(yīng)用FSLIC算法最終可將蘋(píng)果遮擋部位和鄰接部位的邊界較清晰地區(qū)分出來(lái),而其他4種算法進(jìn)行分割后的鄰接目標(biāo)粘連,甚至背光部分目標(biāo)缺失。

    對(duì)比經(jīng)過(guò)FSLIC算法和GB算法后的圖像,尤其圖7b、7e,可以看出,GB的分割效果較差,很可能是因?yàn)镕SLIC算法對(duì)聚類的重復(fù)歸屬步驟減少,同時(shí)超像素分割步驟中GB算法得到的超像素大小和形狀不規(guī)則,導(dǎo)致后續(xù)處理過(guò)程中對(duì)形狀特征不敏感,形成了更多的錯(cuò)分域。

    為了進(jìn)一步驗(yàn)證FSLIC算法對(duì)遮擋邊界和鄰接邊界的魯棒性,進(jìn)行了光照較均勻的陰天和光照度動(dòng)態(tài)變化的晴天(順光和逆光)對(duì)比試驗(yàn)。圖7c為陰天光照度為10.23 klx的圖像,由各個(gè)算法分割結(jié)果可以看出,F(xiàn)SLIC算法有效避免了遮擋造成的分割目標(biāo)粘連現(xiàn)象,鄰接被遮擋部分仍可以分辨出前后端蘋(píng)果的鄰接邊界。同時(shí)為了驗(yàn)證本文算法對(duì)陰影和高光圖像的影響,晴天逆光光照度為23.20 klx和順光光照度為29.21 klx的整體分割結(jié)果,如圖7d、7e所示,由此結(jié)果可見(jiàn)本文算法在晴天順光和逆光條件下的最終分割結(jié)果對(duì)于陰影和高光部分不敏感,邊界保持性較好。FSLIC算法在分割過(guò)程中利用預(yù)先候選聚類消除(PCCE)方法減少了分割結(jié)果的冗余錯(cuò)誤,優(yōu)化了分割結(jié)果,同時(shí)省去了大量非必需的由距離計(jì)算和對(duì)比計(jì)算產(chǎn)生的聚類搜索,避免了在惡劣光照下圖像陰影和高光現(xiàn)象的干擾,同時(shí)也因?yàn)轭A(yù)先候選聚類的消除使得多果實(shí)之間的連帶效應(yīng)減弱。從圖7整體來(lái)看,本文提出的FSLIC算法不僅在超像素分割的前期減少了時(shí)間維度,更重要的是在復(fù)雜多變的光照下,對(duì)陰影、高光、多果鄰接和多果遮擋等復(fù)雜隨機(jī)的場(chǎng)景具有很強(qiáng)的魯棒性,為下一步的果實(shí)定位提供了可靠的圖像邊界保持條件。

    3.3.2定量分析

    本節(jié)所用圖像數(shù)據(jù)庫(kù)為30幅具有惡劣極端條件的蘋(píng)果圖像,極端條件包括:高照度強(qiáng)光條件、低照度背光條件、光照不均勻的多云條件、多果鄰接和嚴(yán)重粘連條件。

    全局錯(cuò)誤率[36](Global consistency error, GCE)是一種比較嚴(yán)格的分割質(zhì)量衡量標(biāo)準(zhǔn),由MARTIN于2001年提出。該算法統(tǒng)計(jì)各個(gè)分類的錯(cuò)分像素,然后將錯(cuò)分像素之和除以圖像總像素,GCE越小表明錯(cuò)分像素越少,分割效果越好。假陽(yáng)性率是指背景被錯(cuò)分為目標(biāo)的比率,假陰性率是指目標(biāo)被錯(cuò)分為背景的比率,其值越低則說(shuō)明目標(biāo)提取的精度越高[37]。通過(guò)對(duì)數(shù)據(jù)庫(kù)中圖像進(jìn)行測(cè)試并計(jì)算分割結(jié)果,得到的假陽(yáng)性率(False positive rate,F(xiàn)PR)、假陰性率(False negative rate, FNR)以及全局錯(cuò)誤率數(shù)據(jù)結(jié)果如表1。

    表1 5種算法的FPR、FNR和GCE對(duì)比分析Tab.1 Analysis of FPR, FNR and GCE of five algorithms %

    圖8 5種算法的分割性能對(duì)比Fig.8 Segmentation performance comparison of five algorithms

    圖8為5種算法的分割性能對(duì)比柱狀圖,縱坐標(biāo)為錯(cuò)誤率。在FPR柱形圖中,本文算法錯(cuò)誤率最低,WT分水嶺算法是傳統(tǒng)分割方法中效果較好的,其FPR錯(cuò)誤率低于基于超像素的GB算法。在FNR和GCE柱形圖中可以看出,2種基于超像素的分割算法(GB算法和FSLIC算法)的FNR和GCE均低于傳統(tǒng)分割算法(BP算法、WT算法以及SVM算法);與BP算法和WT算法相比,傳統(tǒng)SVM算法在FNR和GCE中表現(xiàn)優(yōu)異,但錯(cuò)誤率高于基于超像素的分割算法。綜上也可直觀看出,對(duì)于處理極端條件的圖像,本文算法與其他分割算法對(duì)比,全局錯(cuò)誤率最低,其分割效果優(yōu)于本試驗(yàn)中其他4種性能優(yōu)良的分割算法。

    表1中5類蘋(píng)果圖像分割算法的GCE、FPR和FNR都較高,其原因主要是樣本全部選擇了具有惡劣光照條件和多果粘連較嚴(yán)重的蘋(píng)果圖像,而在廣義上的自然圖像中,此類樣本僅占全體樣本總量的30%左右。在非結(jié)構(gòu)化的果園中,時(shí)間段的不同會(huì)導(dǎo)致太陽(yáng)光源照射角度的相對(duì)變化、陰影現(xiàn)象、高光

    反射現(xiàn)象以及蘋(píng)果之間的重疊遮擋粘連現(xiàn)象,使采集樣本時(shí)產(chǎn)生的高光陰影和粘連位置角度不盡相同;樹(shù)枝、樹(shù)葉、天空、土地等與目標(biāo)之間的相對(duì)位置分布隨機(jī)性較大,使得5種算法測(cè)試樣本背景被錯(cuò)分為目標(biāo)的比率與目標(biāo)被錯(cuò)分為背景的比率差異明顯。FNR和FPR主要用于算法分割質(zhì)量性能對(duì)比,全局錯(cuò)誤率判斷標(biāo)準(zhǔn)較嚴(yán)格,可以更全面地衡量算法分割質(zhì)量的優(yōu)劣。

    4 結(jié)束語(yǔ)

    在簡(jiǎn)單線性迭代聚類算法的基礎(chǔ)上提出了FSLIC算法。FSLIC算法在分割過(guò)程中借助Cauchy-Schwarz不等式優(yōu)化迭代步驟,利用預(yù)先候選聚類消除(PCCE)方法減少了分割結(jié)果的冗余錯(cuò)誤,優(yōu)化了分割結(jié)果,同時(shí)省去了大量非必需的由距離計(jì)算和對(duì)比計(jì)算產(chǎn)生的聚類搜索。通過(guò)試驗(yàn)驗(yàn)證及分析,F(xiàn)SLIC算法在較好保持圖像邊界命中率和抗高光和陰影較優(yōu)分割效果的同時(shí),使超像素分割的運(yùn)行速度是原始算法的近1.2倍;同時(shí)對(duì)比基于超像素的GB算法以及3種分割效果較好的常規(guī)分割算法(BP算法、WT算法和SVM算法),結(jié)果表明,本文算法在復(fù)雜多變的光照下,對(duì)陰影、高光、多果鄰接和多果遮擋等隨機(jī)場(chǎng)景有更優(yōu)良的分割效果。

    1熊俊濤,鄒湘軍,陳麗娟,等.基于機(jī)器視覺(jué)的自然環(huán)境中成熟荔枝識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(9):162-166.

    XIONG J T, ZOU X J, CHEN L J, et al. Recognition of mature litchi in natural environment based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery,2011,42(9):162-166.(in Chinese)

    2蔡健榮,趙杰文.自然場(chǎng)景下成熟水果的計(jì)算機(jī)視覺(jué)識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2005,36(2):61-64.

    CAI J R, ZHAO J W. Recognition of mature fruit in natural scene using computer vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2005,36(2):61-64.(in Chinese)

    3陳麗娟. 基于機(jī)器視覺(jué)的自然環(huán)境下的目標(biāo)定位研究[D]. 廣州:華南農(nóng)業(yè)大學(xué),2012.

    CHEN L J. Research on targets locating in natural environment based on machine vision[D]. Guangzhou: South China Agricultural University,2012.(in Chinese)

    4ZHAO D A, LV J D, JI W, et al. Design and control of an apple harvesting robot[J]. Biosystems Engineering, 2011,110(2): 112-122.

    5HANNAN M W, BURKS T F, BULANON D M. A real-time machine vision algorithm for robotic citrus harvesting[C]∥2007 ASABE Annual International Meeting, ASABE Paper 073125,2007.

    6HAYASHI S, SHIGEMATSU K, YAMAMOTO S, et al. Evaluation of a strawberry-harvesting robot in a field test[J]. Biosystems Engineering, 2010, 105(2): 160-171.

    7BULANON D M, KATAOKA T. Fruit detection system and an end effector for robotic harvesting of fuji apples[J]. Agricultural Engineering International: CIGR Journal, 2010, 12(1): 203-210.

    8宋懷波,張傳棟,潘景朋,等. 基于凸殼的重疊蘋(píng)果目標(biāo)分割與重建算法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013,29(3):163-168.

    SONG H B,ZHANG C D, PAN J P, et al. Segmentation and reconstruction of overlapped apple images based on convex hull[J]. Transactions of the CSAE, 2013, 29(3): 163-168.(in Chinese)

    9石雪強(qiáng),程新文,李春福,等. 自然環(huán)境下蘋(píng)果彩色圖像分割研究[J]. 安徽農(nóng)業(yè)科學(xué),2011,39(30): 18993-18995,19004.

    SHI X Q, CHENG X W, LI C F, et al. Research on apples’ color image segmentation in natural environment[J]. Journal of Anhui Agricultural Sciences, 2011,39(30): 18993-18995,19004.(in Chinese)

    10熊俊濤,鄒湘軍,王紅軍,等. 基于Retinex圖像增強(qiáng)的不同光照條件下的成熟荔枝識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013, 29(12):170-178.

    XIONG J T, ZOU X J, WANG H J, et al. Recognition of ripe litchi in different illumination conditions based on Retinex image enhancement[J]. Transactions of the CSAE, 2013, 29(12): 170-178.(in Chinese)

    11武濤,袁池,陳軍. 基于機(jī)器視覺(jué)的獼猴桃果實(shí)目標(biāo)提取研究[J]. 農(nóng)機(jī)化研究,2012,34(12):21-26.

    WU T, YUAN C, CHEN J. Research on the object extraction of kiwifruit based on machine vision[J]. Journal of Agricultural Mechanization Research, 2012,34(12):21-26.(in Chinese)

    12屠珺,劉成良,李彥明,等. 基于光照無(wú)關(guān)圖的蘋(píng)果圖像識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2010,26(增刊2):26-31.

    TU J, LIU C L, LI Y M, et al. Apple recognition method based on illumination invariant graph [J]. Transactions of the CSAE, 2010, 26(Supp.2): 26-31.(in Chinese)

    13ZHANG Y, LI X, GAO X, et al. A simple algorithm of superpixel segmentation with boundary constraint[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2016,(99): 1.

    14宋熙煜,周利莉,李中國(guó),等. 圖像分割中的超像素方法研究綜述[J]. 中國(guó)圖象圖形學(xué)報(bào),2015,20(5):599-608.

    SONG X Y,ZHOU L L,LI Z G,et al. Review on superpixel methods in image segmentation[J]. Journal of Image and Graphics,2015,20(5): 599-608.(in Chinese)

    15WANG J, WANG X Q. Simple and efficient superpixels using edge-weighted centroidal voronoi tessellations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(6):1241-1247.

    16QIN F, GUO J,LANG F. Superpixel segmentation for polarimetric SAR imagery using local iterative clustering[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(1): 13-17.

    17孫巍,郭敏. 基于SLIC與條件隨機(jī)場(chǎng)的圖像分割算法[J]. 計(jì)算機(jī)應(yīng)用研究,2015(12):3817-3820,3824.

    SUN W, GUO M. Image segmentation based on SLIC and conditional random field[J]. Application Research of Computers,2015(12):3817-3820,3824.(in Chinese)

    18周俊,朱金榮,王明軍. 基于條件隨機(jī)場(chǎng)的梨園場(chǎng)景圖像分割方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(2):8-13.

    ZHOU J, ZHU J R, WANG M J. Pear orchard scene segmentation based on conditional random fields[J]. Transactions of the Chinese Society for Agricultural Machinery,2015,46(2):8-13.(in Chinese)

    19HSU C Y, DING J J. Efficient image segmentation algorithm using SLIC superpixels and boundary-focused region merging[C]∥International Conference on Information, Communications & Signal Processing, 2013:1-5.

    20BAI X D, CAO Z G, WANG Y, et al. Image segmentation using modified SLIC and Nystrom based spectral clustering[J]. Optik—International Journal for Light and Electron Optics, 2014, 125(16):4302-4307.

    21ABDEL-HAKIM A E,LZZ M, EL-SABAN M. Graph-based superpixel labeling for enhancement of online video segmentation[C]∥IEEE Second International Conference on Image Information Processing, IEEE, 2013:101-106.

    22ACHANTA R, SHAJI A, SMITH K, et al. Slic superpixels, EPFL 149300[R]. Ecole Polytechnique Federal de Lausssanne,2010.

    23張曉平. 幾種新超像素算法的研究[J]. 控制工程,2015(5):902-907.

    ZHANG X P.Study on several current superpixel algorithms[J]. Control Engineering of China, 2015(5):902-907.(in Chinese)

    24VOLOVICH I V. A cauchy-schwarz inequality-based criteria for the non-classicality of sub-Poisson and anti-bunched light[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2016, 380(1-2): 56-58.

    25REN C Y, REID I. A real-time implementation of SLIC superpixel segmentation [R]. Oxford: University of Oxford, 2011.

    26ZHANG G, JIA X, HU J. Superpixel-based graphical model for remote sensing image mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(11): 5861-5871.

    27TIAN Z Q, LIU L Z, ZHANG Z F, et al. Superpixel-based segmentation for 3D prostate MR images[J]. IEEE Transactions on Medical Imaging, 2016, 35(3):791-801.

    28徐麗. 面向圖像標(biāo)記的條件隨機(jī)場(chǎng)模型研究[D].西安:長(zhǎng)安大學(xué),2013.

    XU L. The research on conditional random fields models for image labelling[D].Xi’an: Chang’an University,2013. (in Chinese)

    29PEDRO F F, DANIEL P H. Efficient graph-based image segmentation[J]. International Journal of Computer Vision,2004,59(2): 167-181.

    30王津京,趙德安,姬偉,等. 基于BP神經(jīng)網(wǎng)絡(luò)的蘋(píng)果圖像分割算法[J]. 農(nóng)機(jī)化研究,2008(11):19-21.

    WANG J J, ZHAO D A, JI W, et al. Segmentation of apple image by BP neural network using in apple harvesting robot[J]. Journal of Agricultural Mechanization Research, 2008(11):19-21.(in Chinese)

    31張亞靜,李民贊,喬軍,等. 一種基于圖像特征和神經(jīng)網(wǎng)絡(luò)的蘋(píng)果圖像分割算法[J]. 光學(xué)學(xué)報(bào),2008,28(11):2104-2108.

    ZHANG Y J, LI M Z, QIAO J, et al. Segmentation algorithm for apple recognition using image features and artificial neural network[J]. Acta Optica Sinica, 2008,28(11):2104-2108.(in Chinese)

    LIU Z F, XU Q W, LI C L. On image segmentation based on wavelet transformation[J]. Computer Applications and Software,2009,26(4):62-64.(in Chinese)

    34ACHANTA R, SHAJI A, SMITH K, et al. SLIC superpixels compared to state-of-the-art superpixel methods[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(11): 2274-2282.

    35張飛飛,孫旭,薛良勇,等. 融合簡(jiǎn)單線性迭代聚類的高光譜混合像元分解策略[J]. 農(nóng)業(yè)工程學(xué)報(bào),2015,31(17):199-206.

    ZHANG F F, SUN X, XUE L Y, et al. Hyperspectral mixed pixel decomposition policy merging simple linear iterative clustering[J]. Transactions of the CSAE, 2015, 31(17): 199- 206.(in Chinese)

    36MARTIN D, FOWLKES C, TAL D. A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics[C]∥Proceedings of the 8th IEEE International Conference on Computer Vision, 2001,2:416-423.

    37宋懷波,屈衛(wèi)鋒,王丹丹,等. 基于光照無(wú)關(guān)圖理論的蘋(píng)果表面陰影去除方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014,30(24):168-176.

    SONG H B, QU W F, WANG D D, et al. Shadow removal method of apples based on illumination invariant image[J]. Transactions of the CSAE, 2014, 30(24): 168-176.(in Chinese)

    FSLIC Superpixel Segmentation Algorithm for Apple Image in Natural Scene

    Xu Weiyue1,2Tian Guangzhao1,2Ji Changying1,2Zhang Bo1,2Jiang Sijie1,2Zhang Chun1,2

    (1.CollegeofEngineering,NanjingAgriculturalUniversity,Nanjing210031,China2.IntelligentAgricultureEquipmentKeyLaboratoryinJiangsuProvince,Nanjing210031,China)

    Real time efficiency is one of the bottleneck problems in the field of image processing, especially in the natural scene of the agricultural robot vision system. Nowadays superpixel segmentation algorithm was proposed as the high robustness to deal with the random uncertainty in natural scene. Simple linear iterative clustering(SLIC) has drawn much attention due to its outstanding performance in terms of accuracy, speed, anti-shadow and anti-highlight. In this paper, by applying the Cauchy-Schwarz inequality, we derived a condition to leave unnecessary operations from the cluster inspection procedure. In the proposed algorithm, we reduced the redundant computation by using a robust inequality condition based on weighted L2-norm of pixel and cluster center representation. Then we put up with an advanced algorithm: FSLIC algorithm. We built a database with 2000 apple images in almost all natural conditions. Several kinds of extreme situations were chosen: high intensity of illumination light condition, low intensity of illumination backlight condition, uneven illumination of cloudy condition, adjacency and severe adhesion condition. The error rate curves of the insufficient segmentation, the hit rate curves of the boundary and execution time were analyzed with the 500 apple images; the GCE, FNR and FPR were detected with the 30 images in extreme condition. In the experimental results, it was confirmed that the GCE in Graph-based and FSLIC algorithm was reduced by 13% than BP algorithm, WT algorithm and SVM algorithm, the GCE in FSLIC algorithm was reduced by 19% than the traditional algrithms. The hit rate of the boundary in FSLIC algorithm was increased by 21.7% and the speed was 1.83 times than Graph-based algorithm.

    apple image; superpixel segmentation; natural scene; simple linear iterative clustering

    10.6041/j.issn.1000-1298.2016.09.001

    2016-06-01

    2016-07-06

    國(guó)家自然科學(xué)基金項(xiàng)目(31401291)、江蘇省自然科學(xué)基金項(xiàng)目(BK20140720、BK20140729)和中央高?;鹂蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(KYZ201325)

    徐偉悅(1990—),女,博士生,主要從事圖像處理研究,E-mail: wyxu_1990@126.com

    姬長(zhǎng)英(1957—),男,教授,博士生導(dǎo)師,主要從事農(nóng)業(yè)機(jī)器人研究,E-mail: chyji@njau.edu.cn

    TP391.4

    A

    1000-1298(2016)09-0001-10

    狂野欧美白嫩少妇大欣赏| 中文字幕制服av| 国产深夜福利视频在线观看| 国产成人精品福利久久| 亚洲熟女精品中文字幕| 九色成人免费人妻av| 最近手机中文字幕大全| 精品亚洲成国产av| 99精国产麻豆久久婷婷| av免费观看日本| 久久久精品94久久精品| 欧美精品亚洲一区二区| 亚洲三级黄色毛片| 国产白丝娇喘喷水9色精品| 国产精品无大码| 国产亚洲最大av| 男人爽女人下面视频在线观看| 91成人精品电影| 日韩av免费高清视频| 欧美精品国产亚洲| 亚洲久久久国产精品| 亚洲精品乱久久久久久| 夫妻午夜视频| 亚洲精品中文字幕在线视频| 国产精品不卡视频一区二区| 五月玫瑰六月丁香| 亚洲欧美成人精品一区二区| 丝袜美足系列| 亚洲欧美精品自产自拍| 嘟嘟电影网在线观看| 激情五月婷婷亚洲| 国产永久视频网站| 老熟女久久久| 黑人猛操日本美女一级片| 国产成人精品无人区| 九九爱精品视频在线观看| 大片电影免费在线观看免费| 日韩,欧美,国产一区二区三区| 韩国av在线不卡| 亚洲内射少妇av| 啦啦啦在线观看免费高清www| 欧美日韩在线观看h| 日韩av在线免费看完整版不卡| 日本免费在线观看一区| 久久鲁丝午夜福利片| 免费高清在线观看日韩| 日韩视频在线欧美| 黑人巨大精品欧美一区二区蜜桃 | 免费观看的影片在线观看| 日本免费在线观看一区| 国产男女超爽视频在线观看| 久久久久久久久久久免费av| 亚洲中文av在线| 狠狠精品人妻久久久久久综合| 午夜福利影视在线免费观看| 能在线免费看毛片的网站| 男女国产视频网站| 在线看a的网站| 一级黄片播放器| 亚洲欧美中文字幕日韩二区| 99热全是精品| 蜜桃国产av成人99| 欧美成人午夜免费资源| 黄色欧美视频在线观看| 国产不卡av网站在线观看| 久久精品国产亚洲av涩爱| 国产精品99久久久久久久久| 国产成人精品福利久久| 制服丝袜香蕉在线| 免费观看a级毛片全部| 99久久中文字幕三级久久日本| 国产亚洲午夜精品一区二区久久| 国产高清国产精品国产三级| 啦啦啦视频在线资源免费观看| 亚洲综合精品二区| 九色亚洲精品在线播放| 插阴视频在线观看视频| 国产成人免费无遮挡视频| 热re99久久国产66热| 老司机亚洲免费影院| 久久精品夜色国产| 国产日韩欧美视频二区| 精品99又大又爽又粗少妇毛片| 国产精品久久久久久精品古装| 久久久精品94久久精品| a级毛片在线看网站| av.在线天堂| 久久99一区二区三区| av线在线观看网站| 在线免费观看不下载黄p国产| 国产乱来视频区| 亚洲精品国产av成人精品| 国内精品宾馆在线| a级毛片免费高清观看在线播放| 交换朋友夫妻互换小说| 熟妇人妻不卡中文字幕| 热re99久久精品国产66热6| 人妻少妇偷人精品九色| 亚洲婷婷狠狠爱综合网| 丰满乱子伦码专区| 精品国产乱码久久久久久小说| 欧美亚洲 丝袜 人妻 在线| 伦理电影大哥的女人| 夜夜爽夜夜爽视频| 乱人伦中国视频| 日韩欧美精品免费久久| 两个人的视频大全免费| 看免费成人av毛片| 成年人免费黄色播放视频| 精品视频人人做人人爽| av不卡在线播放| 男女高潮啪啪啪动态图| 精品久久久久久久久av| 黑人猛操日本美女一级片| 91久久精品国产一区二区三区| 久久综合国产亚洲精品| 中文字幕最新亚洲高清| 精品一区二区免费观看| 日韩人妻高清精品专区| 美女脱内裤让男人舔精品视频| 精品国产一区二区三区久久久樱花| 99国产综合亚洲精品| 免费观看在线日韩| 亚洲中文av在线| 精品国产露脸久久av麻豆| videosex国产| 免费av不卡在线播放| 一级毛片黄色毛片免费观看视频| 大话2 男鬼变身卡| 欧美最新免费一区二区三区| 久久久欧美国产精品| 欧美3d第一页| 国产精品99久久99久久久不卡 | 丝袜喷水一区| 一级黄片播放器| 满18在线观看网站| 久久精品国产亚洲网站| 国产免费视频播放在线视频| 日本与韩国留学比较| av.在线天堂| 免费高清在线观看日韩| 亚洲,欧美,日韩| 在线免费观看不下载黄p国产| 又大又黄又爽视频免费| 视频在线观看一区二区三区| 日韩精品免费视频一区二区三区 | 在线精品无人区一区二区三| 中文字幕av电影在线播放| 在线精品无人区一区二区三| 久久精品久久精品一区二区三区| 精品人妻熟女av久视频| 蜜桃在线观看..| 欧美日韩精品成人综合77777| 国内精品宾馆在线| 视频在线观看一区二区三区| 国产乱人偷精品视频| 国产亚洲精品久久久com| 久久久久久伊人网av| 久久女婷五月综合色啪小说| 欧美亚洲日本最大视频资源| 2018国产大陆天天弄谢| 一级,二级,三级黄色视频| 热99久久久久精品小说推荐| 91精品国产九色| 少妇的逼好多水| 22中文网久久字幕| 亚洲人成网站在线观看播放| 极品少妇高潮喷水抽搐| 亚洲第一av免费看| 一级爰片在线观看| 成年女人在线观看亚洲视频| 久久久久久久国产电影| 99久久精品一区二区三区| 日本欧美视频一区| 久久久欧美国产精品| 夫妻性生交免费视频一级片| 亚洲丝袜综合中文字幕| 亚洲欧美成人精品一区二区| 女性生殖器流出的白浆| 永久免费av网站大全| 母亲3免费完整高清在线观看 | 日韩大片免费观看网站| 亚洲一级一片aⅴ在线观看| 9色porny在线观看| 91精品伊人久久大香线蕉| 亚洲av电影在线观看一区二区三区| 大片免费播放器 马上看| 午夜激情av网站| 欧美精品一区二区大全| 久久狼人影院| 999精品在线视频| 亚洲av在线观看美女高潮| 亚洲国产精品成人久久小说| 亚洲精品第二区| 国产精品一二三区在线看| av在线app专区| 欧美变态另类bdsm刘玥| 日韩熟女老妇一区二区性免费视频| 欧美日韩一区二区视频在线观看视频在线| 久久99一区二区三区| 最新的欧美精品一区二区| 国产午夜精品久久久久久一区二区三区| 草草在线视频免费看| 精品午夜福利在线看| 欧美日韩视频高清一区二区三区二| 国产成人a∨麻豆精品| 一本一本综合久久| 免费看av在线观看网站| 免费黄频网站在线观看国产| 乱人伦中国视频| 国产不卡av网站在线观看| 九草在线视频观看| 国产高清不卡午夜福利| 22中文网久久字幕| av免费观看日本| 五月玫瑰六月丁香| 色视频在线一区二区三区| 午夜老司机福利剧场| 中文字幕精品免费在线观看视频 | 天天影视国产精品| 婷婷成人精品国产| 亚洲精品乱码久久久v下载方式| 成年女人在线观看亚洲视频| 久热这里只有精品99| 免费看光身美女| 国产精品一区二区在线观看99| 满18在线观看网站| 又大又黄又爽视频免费| 成人影院久久| 精品卡一卡二卡四卡免费| 亚洲精品成人av观看孕妇| 国产精品嫩草影院av在线观看| 日本黄色片子视频| 婷婷成人精品国产| 亚洲不卡免费看| 欧美日韩亚洲高清精品| 久久久国产欧美日韩av| 欧美激情 高清一区二区三区| 亚洲精品aⅴ在线观看| 国产成人91sexporn| 制服诱惑二区| 99热网站在线观看| √禁漫天堂资源中文www| 最近手机中文字幕大全| 久久久精品区二区三区| 毛片一级片免费看久久久久| 男女国产视频网站| 亚洲av福利一区| 天堂8中文在线网| 国产精品久久久久成人av| 国产精品一二三区在线看| 久久国产精品男人的天堂亚洲 | 久久精品国产亚洲网站| 亚洲国产精品国产精品| 午夜免费男女啪啪视频观看| 精品国产一区二区三区久久久樱花| 22中文网久久字幕| 免费播放大片免费观看视频在线观看| 777米奇影视久久| 国产免费一区二区三区四区乱码| 亚洲精品中文字幕在线视频| 国产淫语在线视频| 国产av码专区亚洲av| 日本色播在线视频| 亚洲内射少妇av| 夜夜骑夜夜射夜夜干| 香蕉精品网在线| 考比视频在线观看| 高清视频免费观看一区二区| 国产日韩欧美在线精品| 亚洲少妇的诱惑av| 97超视频在线观看视频| 日韩av免费高清视频| 成人国语在线视频| 黄色怎么调成土黄色| 美女国产高潮福利片在线看| 精品99又大又爽又粗少妇毛片| 91精品三级在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | xxxhd国产人妻xxx| 在线 av 中文字幕| 亚洲精品456在线播放app| 乱人伦中国视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲精品日韩av片在线观看| 七月丁香在线播放| 99九九线精品视频在线观看视频| av不卡在线播放| 国产欧美日韩一区二区三区在线 | 久久久久久伊人网av| 国产免费视频播放在线视频| 天堂俺去俺来也www色官网| 人妻 亚洲 视频| 成人毛片60女人毛片免费| 亚洲国产av新网站| 日本爱情动作片www.在线观看| 国产黄片视频在线免费观看| 人妻少妇偷人精品九色| 在线亚洲精品国产二区图片欧美 | 男女边吃奶边做爰视频| 亚洲综合精品二区| 亚洲精品中文字幕在线视频| 精品一品国产午夜福利视频| 欧美激情极品国产一区二区三区 | 22中文网久久字幕| 国产国拍精品亚洲av在线观看| 一本一本综合久久| 十八禁高潮呻吟视频| 免费人成在线观看视频色| 在线天堂最新版资源| 超色免费av| 激情五月婷婷亚洲| 亚洲精品日本国产第一区| 亚洲精品一区蜜桃| 国产精品一区二区三区四区免费观看| 免费人妻精品一区二区三区视频| 全区人妻精品视频| 亚洲精品日韩在线中文字幕| 久久女婷五月综合色啪小说| 亚洲熟女精品中文字幕| 有码 亚洲区| 精品人妻熟女av久视频| 国产精品人妻久久久久久| 久久久午夜欧美精品| 成人影院久久| 最近2019中文字幕mv第一页| av视频免费观看在线观看| 91午夜精品亚洲一区二区三区| av一本久久久久| 最近2019中文字幕mv第一页| 日韩欧美一区视频在线观看| 国产成人精品无人区| 一边亲一边摸免费视频| av不卡在线播放| 男人添女人高潮全过程视频| 母亲3免费完整高清在线观看 | 在现免费观看毛片| 日韩一区二区视频免费看| 午夜福利网站1000一区二区三区| 黑人高潮一二区| 色婷婷久久久亚洲欧美| 天天影视国产精品| 我的老师免费观看完整版| av又黄又爽大尺度在线免费看| 一本大道久久a久久精品| 国产亚洲av片在线观看秒播厂| 狠狠婷婷综合久久久久久88av| 九九久久精品国产亚洲av麻豆| 99久久综合免费| 久久久久久久国产电影| 伦理电影大哥的女人| 欧美bdsm另类| 在线观看免费高清a一片| 国产乱人偷精品视频| 黑丝袜美女国产一区| 99久久中文字幕三级久久日本| 五月天丁香电影| 午夜视频国产福利| 亚洲精品,欧美精品| 亚洲情色 制服丝袜| 飞空精品影院首页| 国产成人一区二区在线| 18在线观看网站| 亚洲国产精品一区三区| 妹子高潮喷水视频| 国产精品一区二区三区四区免费观看| 日本vs欧美在线观看视频| 人妻人人澡人人爽人人| 久久精品国产a三级三级三级| 国产精品久久久久久久电影| 又粗又硬又长又爽又黄的视频| 啦啦啦啦在线视频资源| 亚洲欧美成人精品一区二区| 久久久久久久久久久久大奶| 成人国产av品久久久| 国产成人a∨麻豆精品| 日韩免费高清中文字幕av| 黑人巨大精品欧美一区二区蜜桃 | 欧美 日韩 精品 国产| 亚洲精品久久成人aⅴ小说 | 黑人猛操日本美女一级片| 2021少妇久久久久久久久久久| 国产淫语在线视频| 日韩av不卡免费在线播放| 国产精品欧美亚洲77777| 国产69精品久久久久777片| 日韩,欧美,国产一区二区三区| 日本wwww免费看| 能在线免费看毛片的网站| 男女无遮挡免费网站观看| 亚洲精品乱码久久久久久按摩| 男女高潮啪啪啪动态图| 啦啦啦啦在线视频资源| 女性生殖器流出的白浆| 一级毛片电影观看| 欧美日韩亚洲高清精品| 制服丝袜香蕉在线| 97在线视频观看| 秋霞在线观看毛片| 亚洲精品美女久久av网站| 3wmmmm亚洲av在线观看| 亚洲欧美日韩卡通动漫| 新久久久久国产一级毛片| 午夜福利网站1000一区二区三区| 97在线视频观看| av电影中文网址| 丝袜喷水一区| 我的老师免费观看完整版| 欧美另类一区| 亚洲精品456在线播放app| 老司机影院毛片| 亚洲av福利一区| 国产精品一二三区在线看| 看免费成人av毛片| av免费在线看不卡| 黄色视频在线播放观看不卡| 日韩成人伦理影院| 哪个播放器可以免费观看大片| 久久韩国三级中文字幕| 在线观看人妻少妇| av网站免费在线观看视频| 免费av中文字幕在线| 三级国产精品片| 人妻制服诱惑在线中文字幕| 99热网站在线观看| 亚洲国产精品成人久久小说| 久久av网站| 草草在线视频免费看| 99久国产av精品国产电影| 青春草视频在线免费观看| 免费人妻精品一区二区三区视频| 亚洲高清免费不卡视频| 性高湖久久久久久久久免费观看| 母亲3免费完整高清在线观看 | 中文乱码字字幕精品一区二区三区| 麻豆成人av视频| 午夜激情久久久久久久| 亚洲人成网站在线播| 高清午夜精品一区二区三区| 一级片'在线观看视频| 欧美精品亚洲一区二区| 少妇被粗大的猛进出69影院 | 成人免费观看视频高清| 国产精品人妻久久久影院| 啦啦啦啦在线视频资源| 熟女电影av网| 激情五月婷婷亚洲| av线在线观看网站| 汤姆久久久久久久影院中文字幕| 欧美日韩国产mv在线观看视频| 国产av一区二区精品久久| 国产熟女午夜一区二区三区 | 久久精品久久久久久久性| 国产成人精品无人区| 美女福利国产在线| 亚洲三级黄色毛片| 3wmmmm亚洲av在线观看| av国产久精品久网站免费入址| 欧美变态另类bdsm刘玥| 视频区图区小说| 一级黄片播放器| 午夜福利在线观看免费完整高清在| 久久99热这里只频精品6学生| 午夜视频国产福利| 国产亚洲欧美精品永久| 999精品在线视频| 男的添女的下面高潮视频| 中文字幕av电影在线播放| 男女无遮挡免费网站观看| 一区在线观看完整版| 99久久精品国产国产毛片| 久久久久久久久久成人| 99热网站在线观看| 欧美xxxx性猛交bbbb| 久久久久久久久久久免费av| 多毛熟女@视频| 蜜桃久久精品国产亚洲av| 日韩一本色道免费dvd| 精品国产国语对白av| 欧美老熟妇乱子伦牲交| 各种免费的搞黄视频| 99热这里只有是精品在线观看| 成人亚洲精品一区在线观看| 亚洲国产欧美在线一区| 婷婷成人精品国产| 高清黄色对白视频在线免费看| av在线播放精品| 亚洲精品久久成人aⅴ小说 | 久久久久视频综合| 丰满饥渴人妻一区二区三| 狠狠婷婷综合久久久久久88av| 日本av手机在线免费观看| 午夜福利视频在线观看免费| 欧美精品一区二区免费开放| av不卡在线播放| 精品人妻在线不人妻| 极品人妻少妇av视频| 在线免费观看不下载黄p国产| 欧美日韩综合久久久久久| 久久综合国产亚洲精品| 日本欧美视频一区| 婷婷色综合大香蕉| 少妇人妻精品综合一区二区| 熟女电影av网| 亚洲精品久久午夜乱码| 成年女人在线观看亚洲视频| 哪个播放器可以免费观看大片| 亚洲精品日本国产第一区| 人人妻人人澡人人爽人人夜夜| 美女xxoo啪啪120秒动态图| 国产色婷婷99| 日韩伦理黄色片| 国产精品国产三级国产专区5o| 这个男人来自地球电影免费观看 | 女的被弄到高潮叫床怎么办| 国产精品 国内视频| 亚洲综合精品二区| 久久久久国产网址| 在线观看国产h片| 日韩电影二区| 亚洲国产av影院在线观看| 久热久热在线精品观看| 久久久亚洲精品成人影院| 一本大道久久a久久精品| 伦理电影大哥的女人| 欧美日韩视频高清一区二区三区二| 久热这里只有精品99| 亚洲精品乱久久久久久| 久久久a久久爽久久v久久| 各种免费的搞黄视频| 在线观看一区二区三区激情| 日日撸夜夜添| 国产一区有黄有色的免费视频| 国产精品国产三级国产av玫瑰| 国产亚洲av片在线观看秒播厂| 免费观看a级毛片全部| 国产视频内射| 欧美亚洲日本最大视频资源| 久久精品人人爽人人爽视色| 亚洲色图综合在线观看| 欧美变态另类bdsm刘玥| 一边亲一边摸免费视频| 97在线人人人人妻| 久久久久精品久久久久真实原创| 免费看av在线观看网站| 亚洲av中文av极速乱| 美女国产高潮福利片在线看| 插逼视频在线观看| 国模一区二区三区四区视频| 亚洲成人av在线免费| 国产精品久久久久久av不卡| 91精品三级在线观看| 美女xxoo啪啪120秒动态图| 少妇被粗大的猛进出69影院 | 亚洲精品美女久久av网站| 天堂8中文在线网| 欧美人与善性xxx| 亚洲av电影在线观看一区二区三区| 精品一品国产午夜福利视频| 十分钟在线观看高清视频www| 亚洲精品乱码久久久v下载方式| 欧美人与性动交α欧美精品济南到 | 国产国语露脸激情在线看| 人妻系列 视频| 久久99精品国语久久久| 国产精品久久久久久久电影| a级毛片免费高清观看在线播放| 天天影视国产精品| 成人国产av品久久久| 三级国产精品欧美在线观看| 婷婷色综合www| 全区人妻精品视频| 国产在视频线精品| 久久精品人人爽人人爽视色| 国产成人免费无遮挡视频| 女性生殖器流出的白浆| 高清不卡的av网站| 国产精品不卡视频一区二区| 成人漫画全彩无遮挡| 中国美白少妇内射xxxbb| 一级毛片电影观看| 亚洲人成网站在线观看播放| 成人影院久久| 亚洲国产精品999| 久久午夜综合久久蜜桃| 99国产精品免费福利视频| 日日摸夜夜添夜夜爱| 色94色欧美一区二区| 日日爽夜夜爽网站| 久久精品人人爽人人爽视色| 亚洲高清免费不卡视频| 美女脱内裤让男人舔精品视频| 能在线免费看毛片的网站| 色网站视频免费| 精品少妇内射三级| 日韩熟女老妇一区二区性免费视频| 黄色毛片三级朝国网站| 看十八女毛片水多多多| 在线观看免费高清a一片| 五月开心婷婷网| 91精品伊人久久大香线蕉| 成人亚洲精品一区在线观看| 精品少妇内射三级| 国产av码专区亚洲av| 我要看黄色一级片免费的| 欧美日韩一区二区视频在线观看视频在线| 老司机亚洲免费影院| 中文天堂在线官网| 久久人人爽人人片av| 国产精品偷伦视频观看了| 丝袜在线中文字幕| 看非洲黑人一级黄片| 老熟女久久久| 一本—道久久a久久精品蜜桃钙片| 精品人妻一区二区三区麻豆|