• <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 ?

    基于特征加權(quán)FDCT和模糊最小二乘支持向量機(jī)的虹膜識別算法

    2016-11-08 06:45:49何振紅
    電信科學(xué) 2016年3期
    關(guān)鍵詞:二叉樹子帶虹膜

    何振紅

    (甘肅民族師范學(xué)院計算機(jī)科學(xué)系,甘肅 合作 747000)

    基于特征加權(quán)FDCT和模糊最小二乘支持向量機(jī)的虹膜識別算法

    何振紅

    (甘肅民族師范學(xué)院計算機(jī)科學(xué)系,甘肅 合作 747000)

    為了克服小波變換在二維空間分析的缺陷,提出了基于快速離散曲波(Curvelet)變換的虹膜識別改進(jìn)算法。利用能有效捕捉圖像邊緣信息的Curvelet變換對虹膜圖像進(jìn)行分解,提取低頻子帶系數(shù)矩陣的均值方差和高頻子帶能量,然后根據(jù)不同子帶特征的分類能力不同,對各子帶特征的離散度進(jìn)行加權(quán),為分類能力較強(qiáng)的特征向量賦予較大權(quán)值,構(gòu)成虹膜圖像的特征向量。利用最優(yōu)二叉樹多類模糊最小二乘支持向量機(jī)分類器進(jìn)行分類與識別。仿真實驗結(jié)果表明,該算法具有較高的識別性能,具有可行性。

    虹膜識別;特征加權(quán);快速離散曲波變換;模糊最小二乘支持向量機(jī);最優(yōu)二叉樹

    1 引言

    虹膜紋理以其唯一性、高穩(wěn)定性、高可靠性和低錯誤率的特點,已成為生物特征識別中極具發(fā)展?jié)摿Φ纳矸葑R別技術(shù),具有重要的研究價值和應(yīng)用意義,被廣泛應(yīng)用于金融、企事業(yè)、公共安全等領(lǐng)域,成為生物識別領(lǐng)域中研究的熱點之一。

    虹膜識別包括圖像采集、定位、特征提取和分類識別4個部分。其中特征提取是虹膜識別的關(guān)鍵環(huán)節(jié),決定了識別系統(tǒng)的性能。目前常用的虹膜特征提取方法有:Daugman[1]利用2D-Gabor濾波器的局部方向性提取虹膜紋理圖像的相位信息作為虹膜特征編碼;Wildes[2]利用 Laplacian金字塔濾波器分解提取虹膜特征;Boles[3]采用小波過零檢測選取特定小波子帶過零點間的小波變換積分均值構(gòu)建虹膜特征;Lim[4]等人使用2D-Haar小波的多尺度分解建立特征模板;Huang[5]等人利用二維不可分小波變換,結(jié)合 Gauss-MRF提取具有旋轉(zhuǎn)不變性虹膜紋理特征;Babu[6]等人將離散Wavelet變換與ICA相結(jié)合提取虹膜特征;Tsai[7]等人利用Log-Gabor小波局部頻率性編碼虹膜紋理作為虹膜特征等。以上方法對虹膜識別技術(shù)的發(fā)展產(chǎn)生了積極推動作用。

    雖然采用小波變換進(jìn)行虹膜特征提取,取得了良好的效果。但是小波變換也存在缺陷性,小波變換反映點奇異性,在表示線奇異的二維圖像時,不具有空間各向異性的要求,不能有效捕捉虹膜圖像的邊緣信息,從而影響虹膜識別的準(zhǔn)確性。Curvelet(曲波)變換克服了小波這一局限性,除了具有小波變換多尺度特性之外,還具有多方向性和各向異性,對圖像邊緣特征的表達(dá)更優(yōu)于小波變換。羅忠亮等[8]利用Curvelet變換提取虹膜特征取得了較好的識別效果。

    本文提出了一種基于快速離散曲波變換 (fast discrete Curvelet transform,F(xiàn)DCT)的虹膜識別改進(jìn)算法。利用能有效捕捉圖像邊緣信息的Curvelet變換對虹膜圖像進(jìn)行分解,提取低頻子帶系數(shù)矩陣均值方差和高頻子帶能量,根據(jù)不同子帶特征的分類能力不同,對各子帶特征的離散度進(jìn)行加權(quán),為分類能力較強(qiáng)的特征量賦予較大權(quán)值,構(gòu)成虹膜圖像的特征向量。利用最優(yōu)二叉樹多類模糊LS-SVM(最小二乘支持向量機(jī))分類器實現(xiàn)對特征向量的有效分類。仿真實驗結(jié)果表明,該算法識別準(zhǔn)確率較高,能有效應(yīng)用于身份認(rèn)證系統(tǒng)中。

    2 快速離散Curvelet變換與模糊最小二乘支持向量機(jī)

    2.1 快速離散Curvelet變換

    Curvelet變換作為一種多尺度幾何分析的新方法,兼顧尺度、角度和位移信息,能構(gòu)建最優(yōu)逼近意義下的高維特征函數(shù)表示,從而成為圖像處理領(lǐng)域新的研究熱點。為了更好地體現(xiàn)Curvelet變換的優(yōu)良特性,提升其在信號處理、統(tǒng)計估計等多領(lǐng)域的應(yīng)用潛力,Candès和 Donoho于2005年提出了快速離散Curvelet變換理論的實現(xiàn)方法。

    設(shè)x為空間域參量,r和θ分別為頻域極坐標(biāo)的半徑和角度。在空間L2(R)中存在平滑非負(fù)實數(shù)的徑向窗函數(shù)W(r)和角窗函數(shù) V(t),滿足可容許條件[9]:

    對任意一個j≥j0,傅里葉頻域的頻率窗Uj定義如下:

    于是,頻域中尺度為 2-j、旋轉(zhuǎn)角度為 θl、位移為的連續(xù)Curvelet變換定義為:

    在圖像處理中連續(xù)Curvelet變換不能直接使用,需將其離散化。實現(xiàn)過程如下[10]。

    (1)在給定笛卡爾坐標(biāo)下對圖像進(jìn)行二維Fourier變換,得到二維頻率函數(shù)為矩陣行數(shù)。

    (2)頻域中對每一對尺度角度(j,l)組合重采樣,得到新的 采 樣 函 數(shù),計算 fj,l[n1,n2]=

    (3)對每一個 fj,l進(jìn)行二維的逆 Fourier 變換,得到離散Curvelet 系數(shù) cD(j,l,k):

    其中,Pj={(n1,n2)|n1,0≤n1<n1,0+L1,j,n2,0≤n2<n2,0+L2,j},L1,j與 L2,j分別表示Uj(n1,n2)的支撐區(qū)間長寬分量,且L1,j≈2j,L2,j≈2j/2。

    2.2 模糊最小二乘支持向量機(jī)

    對于二分類問題,Suykens和Vandewalle提出的LS-SVM,采用最小二乘線性系統(tǒng)作為損失函數(shù),利用核函數(shù)將數(shù)據(jù)由輸入空間映射到線性高維的特征空間,使原樣本空間中的線性不可分問題轉(zhuǎn)化為高維特征空間的線性可分問題。把SVM中不等式約束條件轉(zhuǎn)換成等式約束,使支持向量機(jī)的求解由二次規(guī)劃問題轉(zhuǎn)化為低階的對稱正定線性方程組問題,降低了求解復(fù)雜性,提高了求解效率[11]。但在虹膜圖像的分類識別過程中,如果訓(xùn)練樣本中含有噪聲點等“異?!毙畔?,LS-SVM分類過程就容易出現(xiàn)過學(xué)習(xí)或者欠學(xué)習(xí)現(xiàn)象,因而不能獲取真正最優(yōu)分類面。針對此情況,許亮[12]在最小二乘支持向量機(jī)的基礎(chǔ)上,通過引入模糊集理論,依據(jù)不同的訓(xùn)練樣本在分類中對LS-SVM的貢獻(xiàn)不同,賦予不同的模糊隸屬度τi,削弱噪聲點對分類產(chǎn)生的不利影響,以實現(xiàn)噪聲等異常信息與有效樣本區(qū)分開。

    其中,||xi-xc||表示訓(xùn)練樣本點間的歐式距離,xc表示類中心,ε表示極小正數(shù),且0<σ<ε。當(dāng)訓(xùn)練樣本點為異常數(shù)據(jù)時,賦予其隸屬度,這樣確保所有正常樣本全部映射到[ε,1]。

    假設(shè)訓(xùn)練樣本集T由n個獨立同分布樣本點組成:T={(xi,yi)|xi∈Rn,yi∈{-1,1}}。根據(jù)結(jié)構(gòu)風(fēng)險最小化原理,求解模糊LS-SVM最優(yōu)分類面可歸結(jié)為如下二次規(guī)劃:

    其中,w為權(quán)向量,γ為正則化因子且γ>0,ζi為松弛變量且 ζi>0,φ(xi)表示由輸入空間到高維特征空間的非線性映射,δ為偏差量。

    引入拉格朗日函數(shù):

    根據(jù)KKT條件同解變換消去變量w和ζi,結(jié)合Mercer理論,得到矩陣形式:

    其 中 ,Y=[y1,…,yn]T,ζ=[ζ1,…,ζn]T,a=[a1,…,an]T,I=[1,…,1]T,Ψij=yiyjK(xi,xj)。

    于是,模糊LS-SVM分類決策函數(shù)為:

    3 基于特征加權(quán)FDCT與模糊LS-SVM的虹膜識別算法

    3.1 虹膜圖像預(yù)處理

    虹膜圖像預(yù)處理包括圖像灰度化、虹膜定位、歸一化和圖像增強(qiáng)。圖像灰度化的目的是降低圖像維數(shù),剔除圖像的冗余信息,虹膜定位在虹膜圖像中確定虹膜內(nèi)外邊緣所在圓周的圓心和半徑,以準(zhǔn)確分割虹膜區(qū)域。歸一化是采用極坐標(biāo)形式將環(huán)型虹膜圖像展開成固定尺度的矩形圖像,以實現(xiàn)虹膜圖像平移不變性及瞳孔縮放不變性。為了提高識別的效果,采用局部動態(tài)的直方圖均衡化來獲得虹膜圖像的增強(qiáng)效果。整個虹膜的預(yù)處理過程如圖1所示。

    3.2 特征提取

    在圖像識別中,特征提取的目的是從圖像中獲取有助于分類識別的特征向量。Curvelet作為多尺度幾何分析新方法,兼顧尺度、角度和位移信息,能構(gòu)建最優(yōu)逼近意義下的高維特征函數(shù)表示,從而成為圖像處理領(lǐng)域新的研究熱點。根據(jù)FDCT結(jié)果,提取低頻子帶系數(shù)矩陣的均值方差和高頻子帶能量,然后根據(jù)不同子帶特征的分類能力不同,對各子帶特征的離散度進(jìn)行加權(quán),為分類能力較強(qiáng)的特征向量賦予較大權(quán)值,構(gòu)成虹膜圖像的特征向量。

    (1)低頻子帶系數(shù)矩陣的均值方差

    Curvelet分解的低頻子帶含有虹膜圖像的基本信息,是對虹膜圖像的平滑逼近。其均值和方差表征了虹膜圖像整體特征,決定了分類準(zhǔn)確性。

    (2)高頻子帶能量

    Curvelet分解的高頻子帶的能量反映虹膜的斑點、收縮褶、細(xì)絲等紋理特征在不同方向、不同尺度的分布情況,刻畫了虹膜圖像的邊緣特征,是最具識別性的特征之一。

    其中,c(k1+i,k2+j)為對應(yīng)圖像在第 i層 j方向子帶的系數(shù)矩陣,m×n為低頻子帶系數(shù)矩陣的大小,mij×nij為第 i層j方向的高頻子帶系數(shù)矩陣的大小,σij為對應(yīng)層子帶的方差。

    圖1 虹膜圖像預(yù)處理

    (3)特征加權(quán)

    對虹膜圖像進(jìn)行FDCT獲取的是虹膜圖像局部特征,針對圖像不同子帶系數(shù)矩陣分類能力不同,對各子帶系數(shù)矩陣離散度進(jìn)行加權(quán),為分類能力較強(qiáng)的特征向量賦予較大權(quán)值,分類能力較弱的特征向量賦予較小權(quán)值。通過特征加權(quán),使利用FDCT提取的不同子帶信息重要性反映到虹膜圖像最終特征向量中。

    由于經(jīng)FDCT分解后,各子帶系數(shù)的概率分布服從廣義高斯分布(generalized Gaussian distribution,GGD)模型,因而可以利用零均值GGD描述FDCT系數(shù)概率分布,用極大似然準(zhǔn)則估計法估算GGD的尺度參數(shù)和形狀參數(shù)。

    構(gòu)造δ函數(shù):

    3.3 分類識別

    利用特征加權(quán)FDCT提取虹膜的特征向量后,選擇合適的分類算法進(jìn)行分類識別至關(guān)重要。目前采用支持向量機(jī)對特征向量進(jìn)行分類識別較為普遍。SVM通過使用核函數(shù)將輸入數(shù)據(jù)信息映射到高維的特征空間,使非線性模式轉(zhuǎn)化為線性可分模式,較好地解決了高維非線性小樣本模式識別和函數(shù)估計等實際問題。當(dāng)SVM的訓(xùn)練復(fù)雜度高、樣本數(shù)據(jù)量大時,求解二次規(guī)劃問題就越復(fù)雜。針對上述不足,采用模糊LS-SVM把SVM的訓(xùn)練轉(zhuǎn)化為線性方程組的求解,在一定程度上加速了SVM的訓(xùn)練。

    目前應(yīng)用較多的多類分類算法有一對一模糊LS-SVM和一對多模糊LS-SVM算法,但這些算法在測試樣本數(shù)和類別數(shù)較多時,算法時間復(fù)雜度較大。為此,本文利用聚類類距離為二叉樹生成依據(jù),提出了最優(yōu)二叉樹多類模糊LS-SVM分類算法。

    設(shè)虹膜圖像訓(xùn)練樣本集T={(xi,yi)|xi∈Rn,yi=±1,i=1,2,…,n},M為類別數(shù)。則第m類樣本子集的均值表示為

    步驟1 依據(jù)給定M類訓(xùn)練樣本構(gòu)造M棵二叉樹集合BT={T1,T2,…,TM},每棵二叉樹 Ti(i=1,2,…,M)帶有一個權(quán)值為?i的根節(jié)點,它的左、右子樹均為空。其中,?ij=min{||Ti-Tj||2},i,j=1,2,…,M 且 i≠j。

    步驟2 在BT中選取兩棵最小權(quán)值根節(jié)點的二叉樹(Ti和Tj)為左、右子樹構(gòu)造一棵新的二叉樹TNew_i,其左子樹根節(jié)點對應(yīng)樣本為正類,右子樹根節(jié)點對應(yīng)樣本為負(fù)類,訓(xùn)練模糊LS-SVM,同時新生成的二叉樹根節(jié)點的權(quán)值為其左、右節(jié)點的權(quán)值之和。

    步驟3 在BT中刪除Ti和Tj,同時將TNew_i加入BT中。

    步驟4 重復(fù)步驟2和步驟3,直到BT中只有一棵樹,此時所生成的二叉樹即所求。

    對測試樣本從根節(jié)點出發(fā),依次經(jīng)若干個兩類模糊LS-SVM分類器到達(dá)某一葉節(jié)點,則該節(jié)點對應(yīng)的類即該測試樣本的類別。

    4 實驗結(jié)果與分析

    為了驗證本文算法的性能,實驗在Intel Core2 Duo CPU E7600,3.06 GHz,3.0 GB 內(nèi)存,MATLAB 7.1 編程環(huán)境的PC上進(jìn)行,采用中國科學(xué)院自動化研究所模式識別國家重點實驗室虹膜圖像數(shù)據(jù)庫 CASIA(V2)中的虹膜樣本進(jìn)行測試。CASIA包括了40個人的虹膜圖像,每人10幅,共400幅虹膜圖像標(biāo)本,分辨率為 640 dpi×480 dpi。實驗選取各類虹膜前7幅圖像為訓(xùn)練樣本,后3幅虹膜圖像為測試樣本。在特征提取階段,將訓(xùn)練樣本和測試樣本采用特征加權(quán)FDCT進(jìn)行分解,獲得Curvelet變換系數(shù)。每幅虹膜圖像分別選取 16、64、256、1 024、4 096 個系數(shù),做 5 組實驗。通過錯誤接受率(FAR)、錯誤拒絕率(FRR)和正確識別率(CRR)3個指標(biāo)進(jìn)行比較,實驗結(jié)果見表1。

    表1 性能比較

    特征加權(quán)FDCT算法訓(xùn)練虹膜樣本圖像,其編碼長度由Curvelet變換系數(shù)個數(shù)決定。系數(shù)數(shù)目將直接影響識別算法性能,系數(shù)數(shù)目過少或過多都會增大等錯率(EER)。系數(shù)數(shù)目過少,提取預(yù)處理后的虹膜圖像序列會丟失太多虹膜圖像紋理信息;系數(shù)數(shù)目過多,提取預(yù)處理后的虹膜圖像序列會包含大量噪音信號。實驗結(jié)果表明,Curvelet變換系數(shù)數(shù)目為1 024個時,可獲得最佳識別效果。

    選取徑向基核函數(shù) K=(xi,xj)=exp(-||xi-xj||2/2α2)作為模糊LS-SVM的核函數(shù),采用雙線性法對280幅訓(xùn)練樣本圖像進(jìn)行實驗。正則化參數(shù)γ和徑向基寬度α對識別準(zhǔn)確率有較大影響,如圖2所示。γ過大或α2過小都會導(dǎo)致過擬合現(xiàn)象。當(dāng) γ=10,α2=0.9 時,取得了較低等錯率(0.81%)。

    圖2 EER與γ、α2的分布曲線

    為了進(jìn)一步驗證本文算法的效果和性能,將該算法與基于小波變換的虹膜識別算法進(jìn)行對比實驗。實驗采用識別準(zhǔn)確率較高且變換速度較快的Gabor小波和Haar小波,對虹膜圖像進(jìn)行3層分解,提取虹膜紋理特征,分別采用海明距離(Hamming distance,HD)、SVM、最優(yōu)二叉樹多類模糊LS-SVM進(jìn)行分類識別,實驗結(jié)果見表2。

    通過對表2實驗結(jié)果的分析可知,基于特征加權(quán)FDCT和模糊最小二乘支持向量機(jī)的虹膜識別算法的性能優(yōu)于采用小波變換的虹膜識別算法,識別結(jié)果相對于小波算法的識別準(zhǔn)確率略有提高,最佳識別率可達(dá)98.72%,而Gabor小波和Haar小波算法最佳識別率分別為96.22%、94.63%。實驗驗證,基于特征加權(quán)FDCT的虹膜識別算法具有較好穩(wěn)定性和較強(qiáng)頑健性。

    為了更好地評價算法的優(yōu)劣,采用ROC曲線進(jìn)行比較。ROC曲線越接近坐標(biāo)軸,說明匹配性能越好。對CASIA(V2)虹膜數(shù)據(jù)庫圖像采用Gabor小波、Haar小波、特征加權(quán)FDCT的ROC曲線如圖3所示。從圖3可知,與Gabor小波和Haar小波的虹膜圖像紋理特征提取算法相比,在同一相似度度量的情況下,本文提出的基于特征加權(quán)FDCT的特征提取算法,在相同錯誤接受率下,錯誤拒絕率更小,這表示虹膜識別性能得到提高。這是因為特征加權(quán)FDCT在提取虹膜紋理特征尺度信息的同時,也提取其角度和位移信息,細(xì)化了虹膜紋理信息的表達(dá)。因此,本文提出的算法,提取虹膜紋理特征性能更好,識別準(zhǔn)確率更高。

    表2 算法性能對比

    5 結(jié)束語

    快速離散Curvelet變換具有緊支撐框架結(jié)構(gòu),可實現(xiàn)對二維圖像線奇異的“最優(yōu)”稀疏表示,其非線性逼近誤差可達(dá)到o在提取虹膜圖像紋理特征的算法中,基于特征加權(quán)FDCT能有效捕捉虹膜圖像的邊緣信息,從而提高了虹膜識別的準(zhǔn)確性。本文研究工作還有可改進(jìn)的地方,下一步將繼續(xù)完善相關(guān)算法,將小波變換和曲波變換的優(yōu)點相結(jié)合,提取虹膜圖像的紋理特征,采用多類分類器融合算法進(jìn)行分類識別,以期待獲得更高的識別效果。

    圖3 ROC曲線

    [1]DAUGMAN J.The importance of being random:statistical principles of iris recognition[J].Pattern Recognition,2003,36(2):279-291.

    [2]WILDES R P.Iris recognition: an emerging biometric technology[J].Proceedings of the IEEE,1997,85(9):1348-1363.

    [3]BOLES W W.Security system based on human iris identification using wavelet transform [J]. Engineering Applications of Artificial Intelligence,1998,11(l):77-85.

    [4]LIM S Y,LEE K,BYEON O,et al.Efficient iris recognition through improvement of feature vector and classifier [J].Journal of Electronics and Telecommunication Research Institute,2001,23(2):61-70.

    [5]HUANG J,YOU X G,YUAN Y,et al.Rotation invariant iris feature extraction using Gaussian Markov random fields with non-separable wavelet [J].Neuro Computing,2010,73 (4-6):883-894.

    [6]BABU N T N,VAIDEHI V.Fuzzy based iris recognition system(FIRS)for person identification[C]//International Conference on Recent Trends in Information Technology,June 3-5,2011,Chennai,India.New Jersey:IEEE Press, 2011:1005-1011.

    [7]TSAI C C,LIN H Y,TAUR J,et al.Iris recognition using possibilistic fuzzy matching on localfeatures [J].IEEE Transactions on Systems,Man and Cybernetics,2012,42 (1):150-162.

    [8]羅忠亮,段琢華.基于 Curvelet變換的虹膜識別[J].武漢理工大學(xué)學(xué)報,2012,34(8):160-164.LUO Z L,DUAN Z H.Iris recognition based on the second generation Curvelet transform[J].Journal of Wuhan University of Technology,2012,34(8):160-164.

    [9]STARCK J L,MURTAGH F,CANDES E J,et al.Gray and color image contrast enhancement by the Curvelet transform[J].IEEE Transactions on Image Processing,2003,12(6):706-717.

    [10]CANDèS E J,DEMANET L,DONOHO D L,et al.Fast discrete Curvelet transforms[J].Multiscale Modeling&Simulation,2006,5(3):861-899.

    [11]SUYKENS J A K,VANDEWALLE J.Least squares support vector machine classifiers[J].Neural Processing Letter,1999,9(3):293-300.

    [12]許亮.改進(jìn)的模糊最小二乘支持向量機(jī)模型[J].計算機(jī)工程,2009,35(14):236-240.XU L.Improved fuzzy least squares support vector machines model[J].Computer Engineering,2009,35(14):236-240.

    Iris recognition algorithm based on feature weighting fast discrete Curvelet transform and fuzzy LS-SVM

    HE Zhenhong
    Department of Computer Science,Gansu Normal University for Nationalities,Hezuo 747000,China

    In order to overcome the weakness of wavelet transform in two dimensional spatial analysis,an improved algorithm based on fast discrete Curvelet transform for iris recognition was proposed.Curvelet transform which can effectively capture the image edge information was introduced to decompose iris image.Mean and variance of low frequency sub-band coefficients and the energy of high frequency sub-band were extracted.Then the feature vectors were weighted according to the difference of classification ability of sub-band feature.Fuzzy least square support vector machine with optimal binary tree was developed to implement classification and recognition.The simulation results show that the proposed algorithm has higher recognition performance than the present method.

    iris recognition,feature weighting,fast discrete Curvelet transform,fuzzy least square support vector machine,optimal binary tree

    TP391

    A

    10.11959/j.issn.1000-0801.2016058

    2015-09-27;

    2016-01-08

    何振紅(1979-),女,甘肅民族師范學(xué)院計算機(jī)科學(xué)系講師,主要研究方向為圖像處理、模式識別。

    猜你喜歡
    二叉樹子帶虹膜
    CSP真題——二叉樹
    電腦報(2022年37期)2022-09-28 05:31:07
    雙眼虹膜劈裂癥一例
    一種基于奇偶判斷WPT的多音干擾抑制方法*
    二叉樹創(chuàng)建方法
    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
    “刷眼”如何開啟孩子回家之門
    一種由層次遍歷和其它遍歷構(gòu)造二叉樹的新算法
    基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計
    虹膜識別技術(shù)在公安領(lǐng)域中的應(yīng)用思考
    基于Hough變換的快速虹膜識別算法研究
    99精品在免费线老司机午夜| 人人妻人人澡人人看| 精品欧美一区二区三区在线| 欧美性长视频在线观看| 精品国产一区二区三区四区第35| 人成视频在线观看免费观看| 成年人黄色毛片网站| 久久久久视频综合| 国产欧美日韩一区二区精品| 91在线观看av| 侵犯人妻中文字幕一二三四区| 国产精品影院久久| 日韩欧美三级三区| 性色av乱码一区二区三区2| 亚洲人成电影免费在线| 欧美另类亚洲清纯唯美| 久久久久久久久免费视频了| www日本在线高清视频| 热re99久久精品国产66热6| 天天躁狠狠躁夜夜躁狠狠躁| 欧美黄色片欧美黄色片| 日韩三级视频一区二区三区| 老司机影院毛片| 在线观看日韩欧美| 欧美成狂野欧美在线观看| 欧美日韩一级在线毛片| 99久久精品国产亚洲精品| 狂野欧美激情性xxxx| 大片电影免费在线观看免费| 成人18禁在线播放| 精品国内亚洲2022精品成人 | 国产视频一区二区在线看| 水蜜桃什么品种好| 每晚都被弄得嗷嗷叫到高潮| 女人高潮潮喷娇喘18禁视频| 一区二区日韩欧美中文字幕| 视频区欧美日本亚洲| 亚洲五月天丁香| 国产成人免费观看mmmm| 久久午夜综合久久蜜桃| 久久人人爽av亚洲精品天堂| 久久影院123| 99国产精品99久久久久| 少妇 在线观看| 日韩免费av在线播放| 老熟妇仑乱视频hdxx| 巨乳人妻的诱惑在线观看| 热99久久久久精品小说推荐| 亚洲第一青青草原| 午夜福利在线免费观看网站| 久久亚洲真实| av福利片在线| 91麻豆av在线| 成人影院久久| 女人爽到高潮嗷嗷叫在线视频| 一边摸一边做爽爽视频免费| 热re99久久精品国产66热6| 精品亚洲成a人片在线观看| 亚洲,欧美精品.| 免费女性裸体啪啪无遮挡网站| 视频区图区小说| av天堂久久9| 女性被躁到高潮视频| 国产又色又爽无遮挡免费看| 亚洲av熟女| 亚洲精品国产一区二区精华液| 曰老女人黄片| 国产高清激情床上av| 交换朋友夫妻互换小说| 欧洲精品卡2卡3卡4卡5卡区| 天堂俺去俺来也www色官网| 99精品欧美一区二区三区四区| 中文欧美无线码| 国产精品一区二区免费欧美| 午夜视频精品福利| 极品教师在线免费播放| 黑人猛操日本美女一级片| av免费在线观看网站| 国产不卡一卡二| 免费人成视频x8x8入口观看| 丰满人妻熟妇乱又伦精品不卡| 一边摸一边做爽爽视频免费| 在线天堂中文资源库| 一进一出抽搐动态| 女性被躁到高潮视频| 久久亚洲精品不卡| 亚洲五月婷婷丁香| 国产成人精品久久二区二区免费| 欧美av亚洲av综合av国产av| 69av精品久久久久久| 欧洲精品卡2卡3卡4卡5卡区| 999精品在线视频| 岛国毛片在线播放| 国产国语露脸激情在线看| 亚洲av成人一区二区三| 免费黄频网站在线观看国产| 精品福利永久在线观看| 精品少妇久久久久久888优播| 久久久精品区二区三区| 久久精品国产a三级三级三级| 国产精品免费一区二区三区在线 | 一本大道久久a久久精品| 美女午夜性视频免费| 欧美在线一区亚洲| 亚洲欧美激情综合另类| 人妻久久中文字幕网| 国产在线精品亚洲第一网站| 国产乱人伦免费视频| 国产野战对白在线观看| 亚洲av美国av| 黄频高清免费视频| 午夜精品久久久久久毛片777| 欧美中文综合在线视频| 亚洲午夜理论影院| 国产亚洲一区二区精品| 日韩欧美国产一区二区入口| 日韩欧美三级三区| 91成年电影在线观看| 亚洲人成电影观看| 大码成人一级视频| 精品高清国产在线一区| 午夜激情av网站| 涩涩av久久男人的天堂| 国产日韩欧美亚洲二区| 免费少妇av软件| 日韩精品免费视频一区二区三区| 91麻豆精品激情在线观看国产 | 久久久久久久久久久久大奶| svipshipincom国产片| 久久国产精品影院| 国产不卡一卡二| 亚洲国产欧美一区二区综合| 啦啦啦视频在线资源免费观看| 91成人精品电影| 电影成人av| 午夜免费鲁丝| 91成人精品电影| 91av网站免费观看| 欧美日韩福利视频一区二区| √禁漫天堂资源中文www| 下体分泌物呈黄色| 一区二区日韩欧美中文字幕| 成人手机av| svipshipincom国产片| 欧美不卡视频在线免费观看 | 亚洲欧美激情在线| 欧美在线黄色| 19禁男女啪啪无遮挡网站| 这个男人来自地球电影免费观看| 一进一出抽搐动态| 黄色怎么调成土黄色| 一级a爱视频在线免费观看| 村上凉子中文字幕在线| 国产亚洲欧美在线一区二区| 这个男人来自地球电影免费观看| 欧美日韩亚洲国产一区二区在线观看 | 男人操女人黄网站| svipshipincom国产片| 亚洲专区字幕在线| 国产成人欧美| 精品国产美女av久久久久小说| 国产三级黄色录像| 久久精品成人免费网站| 校园春色视频在线观看| 亚洲国产欧美网| 欧美成人午夜精品| 免费黄频网站在线观看国产| 国产亚洲欧美在线一区二区| 久久久久久久久久久久大奶| 久久久国产成人精品二区 | 久久精品亚洲精品国产色婷小说| 亚洲专区中文字幕在线| 99国产精品免费福利视频| 1024视频免费在线观看| 国产激情久久老熟女| 一边摸一边抽搐一进一出视频| 精品亚洲成a人片在线观看| 国产av精品麻豆| 丰满人妻熟妇乱又伦精品不卡| 久久久久久人人人人人| 在线观看午夜福利视频| 亚洲欧美一区二区三区久久| 亚洲精品一二三| 亚洲五月天丁香| 777米奇影视久久| 日日摸夜夜添夜夜添小说| 久久国产精品影院| 美女午夜性视频免费| 国产一区二区三区在线臀色熟女 | av网站免费在线观看视频| 欧美成人免费av一区二区三区 | 极品少妇高潮喷水抽搐| 亚洲精品粉嫩美女一区| 国产av又大| 精品少妇久久久久久888优播| 一区二区三区激情视频| 精品一区二区三卡| 黄频高清免费视频| 亚洲人成伊人成综合网2020| 亚洲色图综合在线观看| 免费在线观看影片大全网站| 女人久久www免费人成看片| 午夜老司机福利片| 动漫黄色视频在线观看| 美女高潮到喷水免费观看| 国产国语露脸激情在线看| 欧美久久黑人一区二区| 久久这里只有精品19| 久久国产精品人妻蜜桃| 午夜两性在线视频| 亚洲成人国产一区在线观看| 欧美日韩一级在线毛片| 91在线观看av| 精品久久久久久,| 国产黄色免费在线视频| 国产人伦9x9x在线观看| 色婷婷久久久亚洲欧美| 亚洲精品久久成人aⅴ小说| 久久性视频一级片| 窝窝影院91人妻| 天天躁夜夜躁狠狠躁躁| 在线天堂中文资源库| 99久久国产精品久久久| 免费在线观看日本一区| 超碰97精品在线观看| 19禁男女啪啪无遮挡网站| 十分钟在线观看高清视频www| 久久精品亚洲精品国产色婷小说| 中文字幕制服av| 国产精品一区二区在线观看99| 欧美黄色淫秽网站| 又紧又爽又黄一区二区| 免费在线观看完整版高清| 中文字幕人妻熟女乱码| 美国免费a级毛片| 精品视频人人做人人爽| 香蕉国产在线看| 黑人操中国人逼视频| tube8黄色片| 啪啪无遮挡十八禁网站| 久久影院123| 午夜两性在线视频| 国产精品二区激情视频| tocl精华| 久久ye,这里只有精品| 一级a爱视频在线免费观看| 日本欧美视频一区| 日本a在线网址| 欧美成人免费av一区二区三区 | 三上悠亚av全集在线观看| 国产精品.久久久| 亚洲一区高清亚洲精品| 无限看片的www在线观看| 国产一区在线观看成人免费| 亚洲精华国产精华精| 高潮久久久久久久久久久不卡| 女人被躁到高潮嗷嗷叫费观| 大陆偷拍与自拍| www.熟女人妻精品国产| 久久久久国产精品人妻aⅴ院 | 欧美日韩亚洲国产一区二区在线观看 | 91在线观看av| 欧美日韩视频精品一区| 午夜久久久在线观看| 亚洲欧美精品综合一区二区三区| 亚洲国产精品sss在线观看 | ponron亚洲| 亚洲视频免费观看视频| 久久精品成人免费网站| www.熟女人妻精品国产| 国产精品98久久久久久宅男小说| 自线自在国产av| 十八禁网站免费在线| 制服诱惑二区| 亚洲国产欧美网| 国产淫语在线视频| 69精品国产乱码久久久| 国精品久久久久久国模美| 国产高清视频在线播放一区| 亚洲九九香蕉| 亚洲国产欧美一区二区综合| 在线观看免费午夜福利视频| 91麻豆av在线| √禁漫天堂资源中文www| 成人18禁高潮啪啪吃奶动态图| 国产精品国产高清国产av | e午夜精品久久久久久久| 久久精品国产综合久久久| 十八禁高潮呻吟视频| 久久中文字幕一级| 免费不卡黄色视频| 不卡av一区二区三区| 搡老岳熟女国产| 久久亚洲真实| 夜夜躁狠狠躁天天躁| 纯流量卡能插随身wifi吗| 俄罗斯特黄特色一大片| 久久草成人影院| 又紧又爽又黄一区二区| 亚洲第一青青草原| 国产国语露脸激情在线看| 天天躁日日躁夜夜躁夜夜| 国产xxxxx性猛交| 一区二区三区精品91| 王馨瑶露胸无遮挡在线观看| 亚洲国产看品久久| 欧美成人免费av一区二区三区 | 久久性视频一级片| 日本黄色视频三级网站网址 | 国产欧美日韩一区二区三区在线| 一级作爱视频免费观看| 午夜视频精品福利| 欧美日韩一级在线毛片| 久久久久久久国产电影| bbb黄色大片| 国产成人欧美| 99精品久久久久人妻精品| 精品国产超薄肉色丝袜足j| 国产黄色免费在线视频| 麻豆乱淫一区二区| 大香蕉久久成人网| 999久久久精品免费观看国产| 母亲3免费完整高清在线观看| 美国免费a级毛片| 国产成人精品在线电影| 91在线观看av| 国产精品av久久久久免费| 丁香六月欧美| 日韩三级视频一区二区三区| 国产成人免费无遮挡视频| 亚洲av成人av| xxxhd国产人妻xxx| 亚洲精品国产精品久久久不卡| 国产成人av激情在线播放| 亚洲va日本ⅴa欧美va伊人久久| 欧美激情极品国产一区二区三区| 久久 成人 亚洲| 捣出白浆h1v1| 国产1区2区3区精品| 99在线人妻在线中文字幕 | 91av网站免费观看| 日韩免费高清中文字幕av| 久久精品人人爽人人爽视色| 国产成人精品久久二区二区免费| 国产成人精品在线电影| 久久精品国产综合久久久| 色94色欧美一区二区| 窝窝影院91人妻| 捣出白浆h1v1| 一级毛片高清免费大全| 国产男女超爽视频在线观看| av电影中文网址| 老司机影院毛片| 亚洲av片天天在线观看| 国内毛片毛片毛片毛片毛片| 99国产精品一区二区三区| 大陆偷拍与自拍| 咕卡用的链子| 国产亚洲精品久久久久5区| 女人爽到高潮嗷嗷叫在线视频| 久久国产精品大桥未久av| 午夜日韩欧美国产| 国产有黄有色有爽视频| 欧美精品啪啪一区二区三区| 夜夜爽天天搞| 欧美成人午夜精品| 欧美日韩视频精品一区| 大型黄色视频在线免费观看| 很黄的视频免费| 99国产极品粉嫩在线观看| 美女 人体艺术 gogo| 老熟女久久久| 国产成人欧美在线观看 | 制服人妻中文乱码| 亚洲精品美女久久久久99蜜臀| 黄色怎么调成土黄色| 久久久久精品人妻al黑| 看黄色毛片网站| 一个人免费在线观看的高清视频| 日韩免费高清中文字幕av| 免费观看人在逋| 亚洲 欧美一区二区三区| 久久精品aⅴ一区二区三区四区| 最近最新免费中文字幕在线| 狠狠狠狠99中文字幕| 国产精品一区二区在线不卡| 久久人人97超碰香蕉20202| 成人手机av| 下体分泌物呈黄色| 免费女性裸体啪啪无遮挡网站| av国产精品久久久久影院| 无遮挡黄片免费观看| 如日韩欧美国产精品一区二区三区| 搡老熟女国产l中国老女人| 国产一卡二卡三卡精品| 无人区码免费观看不卡| 久久香蕉精品热| 国产一区二区激情短视频| 欧美国产精品一级二级三级| av线在线观看网站| 91国产中文字幕| 国产精品乱码一区二三区的特点 | 国产成人av激情在线播放| 国产不卡一卡二| 国产成人一区二区三区免费视频网站| 亚洲五月色婷婷综合| 少妇裸体淫交视频免费看高清 | 欧美日韩乱码在线| 欧美最黄视频在线播放免费 | 午夜亚洲福利在线播放| 一夜夜www| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美一区二区综合| 亚洲精品在线美女| 久久九九热精品免费| 一进一出抽搐gif免费好疼 | 高清欧美精品videossex| 高清黄色对白视频在线免费看| 欧美精品亚洲一区二区| 久久午夜亚洲精品久久| 黑人巨大精品欧美一区二区蜜桃| 老司机午夜福利在线观看视频| 一区福利在线观看| 久久久久久久久免费视频了| videosex国产| www日本在线高清视频| 亚洲五月天丁香| 久久久精品区二区三区| 99久久国产精品久久久| 国产成人系列免费观看| 欧美精品av麻豆av| 国产精品九九99| 好看av亚洲va欧美ⅴa在| 一夜夜www| 国产精品99久久99久久久不卡| 嫁个100分男人电影在线观看| 飞空精品影院首页| 久久久久久亚洲精品国产蜜桃av| 久久精品熟女亚洲av麻豆精品| 国产高清videossex| 人妻一区二区av| 少妇猛男粗大的猛烈进出视频| 日韩视频一区二区在线观看| 亚洲一区中文字幕在线| 两性夫妻黄色片| 一进一出抽搐gif免费好疼 | 精品国产国语对白av| 亚洲欧美一区二区三区黑人| 国产视频一区二区在线看| 69精品国产乱码久久久| 无遮挡黄片免费观看| 夫妻午夜视频| 啦啦啦 在线观看视频| 天天躁日日躁夜夜躁夜夜| 人成视频在线观看免费观看| 亚洲色图av天堂| 亚洲性夜色夜夜综合| 制服人妻中文乱码| 国产精品秋霞免费鲁丝片| 日韩免费高清中文字幕av| 成人免费观看视频高清| 亚洲avbb在线观看| 久久婷婷成人综合色麻豆| 麻豆av在线久日| 亚洲自偷自拍图片 自拍| 国产麻豆69| 成年版毛片免费区| 丝袜美腿诱惑在线| 高清av免费在线| 9热在线视频观看99| 欧美激情高清一区二区三区| 亚洲成国产人片在线观看| 国产精品亚洲一级av第二区| 男女免费视频国产| 亚洲色图综合在线观看| 亚洲第一青青草原| √禁漫天堂资源中文www| 日本欧美视频一区| 国产97色在线日韩免费| 老熟女久久久| 亚洲综合色网址| 国产欧美日韩一区二区三| 啦啦啦在线免费观看视频4| 少妇裸体淫交视频免费看高清 | 欧美日韩精品网址| 一级作爱视频免费观看| 在线观看一区二区三区激情| 国产aⅴ精品一区二区三区波| 日韩三级视频一区二区三区| 国产精品电影一区二区三区 | 欧美黑人精品巨大| 99热国产这里只有精品6| 国产99白浆流出| 国产有黄有色有爽视频| 美女福利国产在线| 天堂√8在线中文| 亚洲精品国产一区二区精华液| 久久久久久久国产电影| 亚洲精品自拍成人| 午夜福利影视在线免费观看| 欧美激情 高清一区二区三区| 久久ye,这里只有精品| 村上凉子中文字幕在线| 精品国产一区二区久久| 免费在线观看影片大全网站| а√天堂www在线а√下载 | 国产一卡二卡三卡精品| 国产成人av教育| 一二三四在线观看免费中文在| 国产精品二区激情视频| 亚洲精品国产一区二区精华液| 好男人电影高清在线观看| 亚洲九九香蕉| 超碰成人久久| 亚洲av熟女| 成年版毛片免费区| 国产精品.久久久| 少妇猛男粗大的猛烈进出视频| 国产精品九九99| 亚洲午夜理论影院| 国产精品.久久久| 天天躁日日躁夜夜躁夜夜| 男女之事视频高清在线观看| 久久国产亚洲av麻豆专区| 免费高清在线观看日韩| 韩国av一区二区三区四区| 免费女性裸体啪啪无遮挡网站| 757午夜福利合集在线观看| 久久天堂一区二区三区四区| 欧美色视频一区免费| 中出人妻视频一区二区| 久久久久久久国产电影| 99热国产这里只有精品6| 精品亚洲成国产av| 91麻豆av在线| 久久天堂一区二区三区四区| 亚洲欧美日韩高清在线视频| 女性生殖器流出的白浆| 女人爽到高潮嗷嗷叫在线视频| 男女下面插进去视频免费观看| 水蜜桃什么品种好| 亚洲人成电影观看| 不卡一级毛片| 国产精品美女特级片免费视频播放器 | 久久久国产成人免费| 女人被躁到高潮嗷嗷叫费观| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美日韩精品网址| 母亲3免费完整高清在线观看| 激情在线观看视频在线高清 | 看黄色毛片网站| 成在线人永久免费视频| 亚洲va日本ⅴa欧美va伊人久久| av网站免费在线观看视频| 亚洲熟女毛片儿| 国产欧美日韩一区二区精品| 亚洲av成人不卡在线观看播放网| 国产成人免费观看mmmm| 国产亚洲精品第一综合不卡| 欧美另类亚洲清纯唯美| 热99久久久久精品小说推荐| 高潮久久久久久久久久久不卡| av有码第一页| 欧美乱色亚洲激情| 久久99一区二区三区| 在线观看66精品国产| a在线观看视频网站| 国产乱人伦免费视频| 51午夜福利影视在线观看| 免费在线观看视频国产中文字幕亚洲| 久久人妻福利社区极品人妻图片| 国产精品免费视频内射| 午夜精品久久久久久毛片777| videos熟女内射| 国内久久婷婷六月综合欲色啪| 一二三四社区在线视频社区8| 王馨瑶露胸无遮挡在线观看| 高清黄色对白视频在线免费看| 久久久精品区二区三区| 日本wwww免费看| 精品国产一区二区三区四区第35| 丰满人妻熟妇乱又伦精品不卡| 18禁国产床啪视频网站| 脱女人内裤的视频| 国产亚洲精品久久久久5区| 女性被躁到高潮视频| 久久天躁狠狠躁夜夜2o2o| 成人av一区二区三区在线看| 国产精华一区二区三区| 日韩制服丝袜自拍偷拍| 自拍欧美九色日韩亚洲蝌蚪91| 国产不卡av网站在线观看| 日日爽夜夜爽网站| 国产av精品麻豆| 欧美精品亚洲一区二区| 午夜精品在线福利| 日本五十路高清| 熟女少妇亚洲综合色aaa.| 欧美黑人欧美精品刺激| 色播在线永久视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲一区二区三区欧美精品| 老司机亚洲免费影院| 黄色视频,在线免费观看| 又黄又粗又硬又大视频| 国产精品久久视频播放| 久久香蕉精品热| 久9热在线精品视频| 久久国产乱子伦精品免费另类| 欧美大码av| 午夜福利在线免费观看网站| 老熟妇乱子伦视频在线观看| 一区在线观看完整版| 久久国产乱子伦精品免费另类| 国产男女内射视频|