• <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 ?

    快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子

    2016-11-11 07:21:33李建增李德良杜玉龍
    關(guān)鍵詞:尺度空間魯棒性算子

    張 巖,李建增,李德良,杜玉龍

    (軍械工程學(xué)院無人機工程系,河北 石家莊 050003)

    ?

    快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子

    張巖,李建增,李德良,杜玉龍

    (軍械工程學(xué)院無人機工程系,河北 石家莊 050003)

    提出了一種快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子(fast robust adaptive nonlinear scale feature detector,FRANSFD),通過非線性尺度空間快速求解去除了噪聲同時保證了邊緣細(xì)節(jié),并將自適應(yīng)選取尺度空間組數(shù)、基于加速段檢驗的自適應(yīng)通用角點檢測子(adaptive and generic corner detection based on the accelerated segment test,AGAST)與框狀拉普拉斯濾波器去除邊緣響應(yīng)相結(jié)合,兼顧了檢測的準(zhǔn)確性與實時性。通過與尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)檢測子、快速魯棒性特征(speeded up robust features,SURF)檢測子、風(fēng)式特征(KAZE)檢測子以及二進制魯棒性尺度不變的特征(binary robust invariant scalable keypoints,BRISK)檢測子的實驗對比可知,FRANSFD的5種變換魯棒性均較強,同時速度也更快。綜合性能較KAZE提高約5.76%,速度提高約47%。

    特征匹配; 快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子; 風(fēng)式特征匹配算子; 自適應(yīng)通用角點檢測算子

    0 引 言

    圖像匹配是將不同時間、不同視角、相同或不同傳感器獲取的同一地區(qū)的兩幅或多幅影像進行空間上對準(zhǔn)的過程。其主要解決視點、模糊、照度、JPEG壓縮,尺度以及旋轉(zhuǎn)變換問題[1]??傮w分為基于特征匹配與基于灰度匹配兩大類[2]。近些年來,由于計算量小、魯棒性高與變換關(guān)系易于得到等優(yōu)勢,特征匹配被廣泛使用與研究[3]。

    特征匹配主要包括:圖像預(yù)處理,特征檢測,特征描述,特征匹配,去除錯誤點。其中特征檢測是首要問題,這是因為檢測算法直接決定了匹配整體的運算點數(shù)目,從而影響了匹配的計算量;并且檢測算法決定了噪聲、照度、圖像變形及遮擋的影響程度,同時檢測后的特征點坐標(biāo)直接決定了圖像之間的空間變換關(guān)系,所以特征檢測大大影響了匹配精度。因此對特征檢測算法進行研究具有重大意義。

    文獻[4]提出了經(jīng)典的尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)檢測子,并于2004年對該算子進行了進一步完善。該算子在高斯差分(difference of Gaussians,DoG)空間內(nèi)檢測極值點,并剔除對比度低的點及邊緣響應(yīng),該算法具有尺度與旋轉(zhuǎn)不變性,同時對視點、模糊、照度與JPEG壓縮等變換魯棒性強,但實時性不高。文獻[5]改進了SIFT,提出了快速魯棒性特征(speeded up robust features,SURF)檢測子。該算子使用不同尺寸快速海森矩陣檢測關(guān)鍵點,然后通過小波扇形環(huán)繞使該算子具有旋轉(zhuǎn)不變性,使得檢測速度大幅提升,但對模糊、照度與JPEG壓縮等變換敏感。文獻[6-7]改良了二進制魯棒性獨立基本特征(binary robust independent elementary features,BRIEF)檢測子,并提出了二進制魯棒性尺度不變的特征(binary robust invariant scalable keypoints,BRISK)檢測子。該算子在近似尺度空間中利用基于加速段檢驗的自適應(yīng)通用角點檢測子(adaptive and generic corner detection based on the accelerated segment test,AGAST)檢測特征點[8],同時利用長距離迭代法為特征點賦予方向,使其不僅具有視點、模糊、照度、JPEG壓縮、旋轉(zhuǎn)與尺度等不變性,而且完全滿足實時性要求,但與SIFT、SURF等檢測子相比,各方面魯棒性較弱。文獻[9]提出一種非線性特征檢測的風(fēng)式特征(KAZE)檢測子。傳統(tǒng)基于線性高斯金字塔進行多尺度檢測的算法都是以犧牲局部精度為代價,來提取特征點同時消除噪聲,這容易造成邊界模糊和細(xì)節(jié)丟失,使匹配穩(wěn)定性差與誤匹配點多,非線性尺度分解有望解決此類問題[10]。KAZE檢測子是基于SURF而改進設(shè)計的,采用任意步長來構(gòu)造穩(wěn)定的非線性尺度空間,使其對于各種變換比SIFT更為穩(wěn)健,但速度大幅下降。

    歸結(jié)起來,傳統(tǒng)特征匹配算子存在問題有:高斯尺度空間無法同時消除噪聲并保持圖像細(xì)節(jié);DoG或快速海森矩陣等的檢測速度無法滿足實時性需求;尺度空間組數(shù)與層數(shù)的選取無法滿足不同圖像處理;去除邊緣響應(yīng)的算法實時性不高。所以欲改善特征檢測算子的魯棒性與實時性,重點是解決尺度空間的構(gòu)建及組數(shù)與層數(shù)自適應(yīng)設(shè)定、檢測算子的選用以及去除邊緣響應(yīng)算法速度的提高等問題。

    1 算子概述

    本文提出了一種快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子(fast robust adaptive nonlinear scale feature detector,FRANSFD),其構(gòu)成如圖1所示。

    圖1 FRANSFD算子示意圖Fig.1 Diagram of the proposed algorithm

    (1)通過非線性尺度空間快速求解去除噪聲,同時保證邊緣。

    (2)通過自適應(yīng)選取尺度空間組數(shù)來滿足不同圖像的檢測。

    (3)通過AGAST提高檢測的速度與魯棒性。

    (4)通過框狀拉普拉斯濾波器提高邊緣響應(yīng)去除的速度與準(zhǔn)確性。

    (5)通過亞像素級矯正與小波扇形環(huán)繞對特征點定位定向,以保證檢測子于尺度空間中定位的準(zhǔn)確性與旋轉(zhuǎn)不變性。

    2 FRANSFD特征檢測子

    2.1非線性尺度空間的快速求解

    傳統(tǒng)正向歐拉法求解非線性擴散方程時,由于迭代步長太短導(dǎo)致計算復(fù)雜。針對上述問題,本文擬采用快速顯式擴散(fast explicit diffusion,FED)算法[11]求解非線性擴散方程,此方法可以采用任意步長來構(gòu)造穩(wěn)定的非線性尺度空間,并且運算快捷。

    非線性擴散濾波方法可以通過非線性偏微分方程來描述:

    (1)

    (2)

    所選擇的c函數(shù)能夠有效保留邊界信息同時平滑區(qū)域內(nèi)部。對比度因子k能控制擴散程度,邊緣信息保留量與其負(fù)相關(guān),經(jīng)過大量實驗,其值取為圖像的梯度直方圖70%百分位上的值。

    FED算法是通過因數(shù)分解盒子濾波器進行動態(tài)循環(huán)加速,而達到快速求解非線性系統(tǒng)的目的,其本質(zhì)思想是從因數(shù)分解盒子濾波器得到不同步長τj來執(zhí)行顯式擴散步驟,τj按式(3)求得,式(4)為該非線性偏微分方程的解:

    (3)

    (4)

    式中,I表示單位矩陣;Al為傳導(dǎo)運算符;n表示顯性擴散步數(shù);τj表示對應(yīng)步長;τmax表示滿足條件的最大步長。

    2.2尺度空間組數(shù)的自適應(yīng)選取

    為了進一步提高對不同圖像檢測的準(zhǔn)確度并且提高效率,本文提出了適應(yīng)選取尺度空間組數(shù)的方法,其原理如下。

    構(gòu)造尺度空間時,尺度級別按對數(shù)遞增,尺度參數(shù)σi為

    (5)

    式中,o表示組;s表示層;σ0表示尺度參數(shù)的初始值;O為總組數(shù);S為總層數(shù);N=O×S為尺度空間包含的圖像總數(shù)。

    過大的O與S會導(dǎo)致構(gòu)造線性尺度空間耗時較長,過少的O與S會導(dǎo)致匹配率下降。經(jīng)過大量實驗,將S定為經(jīng)驗值4,然后根據(jù)圖像尺寸來自適應(yīng)選取O,公式為

    (6)

    式中,c與r分別表示圖像的行數(shù)與列數(shù);[]表示取整(四舍五入)。

    最后根據(jù)尺度參數(shù)σi按式(7)求出進化時間ti,按照式(1)~式(4)求得相應(yīng)尺度圖像:

    (7)

    構(gòu)建非線性尺度空間的流程為:首先對輸入圖像進行高斯濾波,然后為得到對比度參數(shù)k求出梯度直方圖,最后由一組進化時間求解隱式差分方程即可得到非線性尺度空間的所有圖像。圖2為高斯與非線性尺度空間效果對比。

    圖2 尺度空間對比圖Fig.2 Comparison between scale spaces

    2.3AGAST算子檢測

    AGAST改進了基于加速段測試的特征(features from accelerated segment test,FAST)檢測子[12],進一步提高了檢測效率,與KAZE的海森矩陣檢測法相對比,該算法大大提高了速度,同時保證了效果[8]。其本質(zhì)是有足夠多的像素點,其灰度值小于或大于周圍鄰域內(nèi)待檢測點,則該點被

    認(rèn)定為特征點。模板是以待檢測點為圓心,半徑為3個像素的Bresenham圓。經(jīng)Rosten測試,閾值定為9的檢測穩(wěn)定性與速度綜合性能最優(yōu),此閾值可以很快排除偽角點。

    然后將AGAST9-16(圓周上共有16個像素,閾值為9)算子應(yīng)用于非線性尺度空間每一層,并記錄下候選點所在非線性尺度空間位置(o與s),求出候選點及其AGAST分?jǐn)?shù)V。

    2.4邊緣響應(yīng)的去除

    比較候選點與相鄰的上下尺度層中的9×2個點以及同尺度的8個相鄰點的AGAST分?jǐn)?shù)V,若所有相鄰點的分?jǐn)?shù)均小于該點,則保留該點。這種方法檢查效率極高,因為大部分候選點在開始幾次檢測中就被剔除了。

    經(jīng)過上述步驟,不穩(wěn)定點和局部極值點均已排除,但仍存在一些邊緣點,這對特征點的選取影響極大。本文選用拉普拉斯剔除法來去除邊緣響應(yīng),通過對應(yīng)尺度的5×5框狀拉普拉斯濾波器對候選點進行處理,如果鄰域內(nèi)各像素點灰度的拉普拉斯值不為0,則保留該點。這種方法比SIFT計算海森矩陣的跡與行列式[4]更快,且準(zhǔn)確度更高。

    然后經(jīng)過亞像素級矯正[13]步驟完成特征點的定位。最后為使特征點檢測子具有旋轉(zhuǎn)不變性,通過小波扇形環(huán)繞[5]賦予每一個特征點方向特征。

    3 實驗設(shè)置

    3.1實驗平臺參數(shù)

    筆記本計算機配置:處理器為Intel酷睿雙核i7第4代,主頻為2.5 GHz。操作系統(tǒng)為Win10 64位系統(tǒng),編程環(huán)境為Visual Studio 2010 與OpenCV2.41 (KAZE是由OpenCV3.10中提取加載的)。

    3.2數(shù)據(jù)集

    為體現(xiàn)檢測子所產(chǎn)生的不同效果,同時保證實驗的客觀性,本實驗采用Mikolajczyk 05標(biāo)準(zhǔn)測試圖集[14](http://www.robots.ox.ac.uk/~vgg/research/affine/),如圖3所示。

    圖3 測試所用圖片集Fig.3 Datasets used for evaluation

    從圖3中可以看出,該數(shù)據(jù)集分為8個數(shù)據(jù)子集(含圖像間的單應(yīng)矩陣),包括5種變換:視點變換、模糊變換、照度變換、JPEG壓縮,以及尺度變換和旋轉(zhuǎn)變換,其中:Bark (765像素×512像素)為尺度和旋轉(zhuǎn)變換,Bikes (1 000像素×700像素)為模糊變換,Boat (800像素×640像素)為尺度和旋轉(zhuǎn)變換,Graf (800像素×640像素)為視點變換,Leuven (921像素×614像素)為照度變化,Trees (1 000像素×700像素為模糊變換,Ubc (800像素×640像素)為JPEG壓縮,Wall (1 000像素×700像素)為視點變換。

    3.3實驗對象及OpenCV相關(guān)參數(shù)設(shè)置

    BRISK檢測子:閾值:30,組數(shù):4。

    SIFT檢測子:組數(shù):4,層數(shù):4,對比閾值:0.04,邊緣閾值:10,σ=1.6。

    SURF檢測子:快速海森:0.6,組數(shù):4,層數(shù):4,主方向不固定。

    KAZE:檢測子:組數(shù):4,層數(shù):4,擴散系數(shù):G2,閾值:0.001,主方向不固定。描述子:128維M-SURF。

    3.4實驗過程和評估準(zhǔn)則

    通過測定檢測子的復(fù)現(xiàn)率[14](區(qū)域重疊錯誤率低于40%),運行時間以及遙感影像間的正確匹配率[15]來評判配準(zhǔn)算法性能。

    (1)復(fù)現(xiàn)率為兩幅圖像上檢測出來的一致點對數(shù)量占總觀測點數(shù)的百分比,定義式如下:

    (8)

    式中,di為基準(zhǔn)圖像中檢測到的點數(shù);dj為待處理圖像中檢測到的點數(shù);Dij為同名點數(shù)。

    (2)正確匹配率為兩幅圖像上正確匹配數(shù)量占總匹配數(shù)量的百分比,定義式為

    Correct matches rate=

    (9)

    式中,# correct matches為正確匹配數(shù);# false matches為錯誤匹配數(shù);# correct matches +# false matches為總匹配數(shù)。

    4 實驗結(jié)果與分析

    4.1FRANSFD檢測子的性能

    如圖4所示,衡量FRANSFD檢測子的實驗結(jié)果分析如下:

    (1)雖然BRISK中有關(guān)尺度空間的構(gòu)建和方向的確定等都是近似估計的運算,5種變換魯棒性最弱,但尺度與視點變換較AGAST均有提升,驗證了將AGAST引入尺度空間檢測的合理性。

    (2)SURF與SIFT的旋轉(zhuǎn)變換的對比說明,小波扇形環(huán)繞特征方向確定法要優(yōu)于梯度直方圖統(tǒng)計法,所以FRANSFD使用小波扇形環(huán)繞法確定特征方向。

    (3)KAZE與SURF的檢測結(jié)構(gòu)相似,且確定特征點主方向的方法相同,僅尺度空間的構(gòu)建不同,所以二者對比說明,各種變換非線性尺度空間較線性尺度空間魯棒性均有明顯提升。這正是將非線性濾波器引入FRANSFD的重要原因。

    (4)由于FRANSFD非線性尺度空間構(gòu)建與AGAST配合時性能比較優(yōu)良,同時通過框狀拉普拉斯濾波器去除了邊緣響應(yīng),所以照度、模糊、視點與JPEG壓縮變換的魯棒性最高。

    (5)由于FRANSFD自適應(yīng)選取尺度空間組數(shù),所以尺度變換的魯棒性最高。

    (6)由于FRANSFD與KAZE確定主方向方法一致,所以旋轉(zhuǎn)變換魯棒性相同。

    綜上所述,FRANSFD檢測子在視點、模糊、照度、JPEG壓縮、旋轉(zhuǎn)與尺度的變換下,均具有良好的魯棒性,綜合性能較KAZE提高約5.76%。

    圖4 不同變換條件下的復(fù)現(xiàn)率比較Fig.4 Repeatability comparison under different transformations

    4.2時間測試

    這一節(jié)將對特征檢測子的運行時間進行測試分析。利用SIFT、SURF、KAZE、BRISK與FRANSFD算法,分別對Graf圖像序列中的第一、二張圖像(圖像大小:800像素×640像素)進行實驗(次數(shù)超過100次),取均值后對比分析FRANSFD的速度特點與優(yōu)勢。

    表1展現(xiàn)了FRANSFD的速度優(yōu)勢:由于FRANSFD中引入FED算法,加速了尺度空間的構(gòu)建、引入AGAST算法與框狀拉普拉斯濾波器加速了特征點的檢測,所以執(zhí)行速度大大領(lǐng)先于KAZE與SIFT,但非線性尺度空間構(gòu)建計算量遠(yuǎn)大于SURF的不同尺寸框狀濾波器的計算量,所以平均每點速度遠(yuǎn)低于SURF,與BRISK接近。尺度空間的簡化與AGAST的引入共同形成了BRISK的速度優(yōu)勢,說明了AGAST用于提高檢測速度的合理性。

    表1 算法耗時比較

    綜上所述,FRANSFD平均每點的檢測速度較KAZE提高47%,較SIFT提高40%,約為SURF的33%,BRISK的31%,并且是OpenCV在實現(xiàn)方面對SIFT、SURF、KAZE、BRISK進行優(yōu)化加速的結(jié)果。隨著基于OpenMP與OpenCL的并行實現(xiàn)、代碼優(yōu)化與GPU的硬件加速,FRANSFD速度將進一步提高。

    4.3基于FRANSFD的遙感影像匹配測試

    基于FRANSFD進行遙感影像的匹配測試,同時也為FRANSFD的工程實踐提供一種思路。匹配算法流程如圖5所示,首先利用沃利斯(Wallis)濾波器與灰度均勻化減弱噪聲與光照的影響,其次進行特征檢測與描述,再次利用暴力匹配方法與雙向匹配結(jié)合的匹配方法提高搜索效率,最后利用漸進采樣一致性算法(progressive sample consensus,PROSAC)[16]去除外點完成匹配。

    圖5 算法示意圖Fig.5 Diagram of the proposed algorithm

    經(jīng)測試,相比于SIFT、SURF、KAZE與BRISK描述子,128維KAZE描述子描述子魯棒性最高,極適用于差異較大的非同源遙感影像匹配[9],而KAZE檢測子與其他描述子配合使用時,總會出現(xiàn)旋轉(zhuǎn)不變性缺失或其他問題,所以本實驗特征描述選用128維KAZE描述子。但OpenCV中的KAZE描述子需要檢測子提供尺度空間位置參數(shù)(進化級別),所以實現(xiàn)時需修改該部分代碼,使其能夠適用于其他檢測子。

    本實驗利用六旋翼無人機作為實驗平臺對河北省石家莊市行唐縣地區(qū)進行了實驗,同時與SIFT、SURF、KAZE以及BRISK檢測子進行了對比。實驗主要技術(shù)參數(shù)如表2所示,航攝影像、谷歌衛(wèi)星影像拍攝時間約相差約6個月,圖像分辨率約相差30%,光照條件相差極大,部分影像旋轉(zhuǎn)角度超過180°,視點變化較大、均有運動模糊、噪聲影響。對其中4條航帶進行實驗,通過正確匹配率來評判配準(zhǔn)效果。

    表2 實驗影像主要技術(shù)參數(shù)

    如圖6所示,圖6(a)中彩線為同名點連線,圖6(b)中較亮矩形區(qū)域為航攝影像透視變換結(jié)果,圖6(c)為40張航片與對應(yīng)區(qū)域谷歌衛(wèi)星影像的正確匹配率曲線,將實驗結(jié)果分析如下:

    (1)由于簡化近似的檢測結(jié)構(gòu),BRISK并不適用于此類照度與模糊程度,特別是旋轉(zhuǎn)角度相差較大的非同源遙感圖像匹配,其平均正確匹配率較低,為22.47%,但速度極快。

    (2)KAZE的平均正確匹配率較高,為26.80%,且較為穩(wěn)定,特別是針對視點、旋轉(zhuǎn)與尺度變換部分表現(xiàn)出較好的魯棒性,這得益于非線性尺度空間的構(gòu)建,但實時性不高。

    (3)SIFT的平均正確匹配率為37.01%,雖然整體上遜色于KAZE與SURF,但在照度與模糊變化大時,表現(xiàn)了較好的旋轉(zhuǎn)魯棒性,這得益于去除邊緣響應(yīng)與梯度直方圖統(tǒng)計法的照度魯棒性高,但同樣實時性不高。

    (4)SURF適用于非同源遙感圖像的匹配,平均正確匹配率介于SIFT和KAZE之間,為33.33%,且速度大幅度提升,完全滿足實時性的需求,但對于模糊與照度變換較為敏感。

    (5)FRANSFD的平均正確匹配率為40.09%,且穩(wěn)定性與速度均高于KAZE,這是因為FRANSFD構(gòu)建了非線性尺度空間,然后用AGAST進行檢測,最后通過框狀拉普拉斯濾波器剔除了邊緣響應(yīng),增強了尺度、模糊與視點變換的魯棒性,所以匹配效果較好,且速度較快。

    FRANSFD在圖像及視頻檢索、目標(biāo)識別、紋理識別、數(shù)據(jù)挖掘、飛行器導(dǎo)航和寬基線匹配等多個領(lǐng)域,具有廣闊的應(yīng)用前景。同時,FRANSFD在實時性要求較高的應(yīng)用領(lǐng)域具有巨大潛力。

    圖6 配準(zhǔn)結(jié)果Fig.6 Registration result

    5 結(jié)束語

    本文提出一種FRANSFD檢測子,并通過實驗驗證了算法的可行性與優(yōu)勢,主要做了如下工作:

    (1)針對目前特征匹配檢測子魯棒性與實時性問題,分析了該問題解決的核心所在,理清了檢測子的研究思路。

    (2)通過綜合分析里程碑式特征匹配檢測子的發(fā)展歷程與優(yōu)缺點,根據(jù)存在的實際問題,提出了FRANSFD檢測子。并對其設(shè)計進行了詳盡的理論分析與實驗驗證,通過與當(dāng)前使用廣泛的SIFT、SURF、KAZE與BRISK檢測子對比,定量表現(xiàn)了本文算法在解決特征檢測,特別是尺度、視角、光照變化較大及速度等問題上存在很大優(yōu)勢。

    (3)本實驗通過六旋翼無人機為平臺對河北省石家莊市行唐縣地區(qū)進行了實驗與分析,實驗結(jié)果有效證明了本方法的特點與優(yōu)勢,為工程實踐提供了指導(dǎo)幫助,同時也指明了本算法的發(fā)展前景。

    [1] Fan M M.Resarch of multi-source image matching technology[D].Qinhuangdao:Yanshan University,2011.(樊曼曼.多源衛(wèi)星遙感影像配準(zhǔn)技術(shù)研究[D].秦皇島:燕山大學(xué),2011.)

    [2] Song F,Li Y,Chen Y.Match methods for multisensor remote sensing image registration[J].Laser Journal,2008,29(3):26-27.(宋芳,李勇,陳勇.多源遙感圖像中的圖像配準(zhǔn)方法[J].激光雜志,2008,29(3):26-27.)

    [3] Zhu Y L.Feature aided target maneuver detection technology[D].Changsha:National University of Defense Technology,2008.(廖斌.基于特征點的圖像配準(zhǔn)技術(shù)研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2008.)

    [4] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.

    [5] Bay H,Tuytelaars T,Van G L.SURF:speeded up robust features[C]//Proc.of the 9th European Conference on Computer,2006:404-417.

    [6] Calonder M,Lepetit V,Strecha C,et al.Brief:binary robust independent elementary features[C]//Proc.of the 11th European Conference on Computer Vision,2010:778-792.

    [7] Leutenegger S,Chli M,Siegwart R Y.BRISK:binary robust invariant scalable keypoints[C]//Proc.of the IEEE International Conference on Computer Vision,2011:2548-2555.

    [8] Mair E,Hager G D,Burschka D,et al.Adaptive and generic corner detection based on the accelerated segment test[C]//Proc.of the 11th European Conference on Computer Vision,2010:183-196.

    [9] Pablo F,Adrien B,Andrew J.KAZE features[C]//Proc.of the 12th European Conference on Computer Vision,2012:214-227.

    [10] Li P,Wu W B,Wang Z W,Muti-source remote sensing images matching based on nonlinear scale space[J].Science of Surveying and Mapping,2015,40(7):41-44.(李鵬,武文波,王宗偉.基于非線性尺度空間的多源遙感影像匹配[J].測繪科學(xué),2015,40(7):41-44.)

    [11] Pablo F,Jesus N,Adrien B.Fast explicit diffusion for accelerated features in nonlinear scale spaces[C]//Proc.of British Machine Vision Conference,2013:2157-2163.

    [12] Edward R,Tom D.Machine learning for high-speed corner detection[C]//Proc.of the 9th European Conference on Computer Vision,2006:430-443.

    [13] Hu B.Study of feature matching algorithm based on color invariant[D].Shenyang:Liaoning University,2014.(胡波.基于顏色不變量的特征匹配算法研究[D].沈陽:遼寧大學(xué),2014.)

    [14] Mikolajczyk K,Tuytelaars T,Schmid C,et al.A comparison of affine region detectors[J].International Journal of Computer Vision,2005,65(1/2):43-72.

    [15] Winder S A J,Brown M.Learning local image descriptors[C]//Proc.of the IEEE Conference on Computer Vision and Pattern Recognition,2007:1-8.

    [16] Chum O,Matas J.Matching with PROSAC-progressive sample consensus[C]//Proc.of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2005:220-226.

    Fast robust adaptive nonlinear scale feature detector

    ZHANG Yan,LI Jian-zeng,LI De-liang,DU Yu-long

    (UAV Engineering Department,Ordnance Engineering College,Shijiazhuang 050003,China)

    A fast robust adaptive nonlinear scale feature detector (FRANSFD)is proposed.Noise is wiped off and edge response is guaranteed through the fast solving of the nonlinear scale space.Adaptive selection of the number of scale space and the adaptive and generic corner detection based on the accelerated segment test (AGAST),combined with frame Laplace filter via removing edge response take account of the detection accuracy and real-time performance.Compared with to feature detectors of scale invariant feature transform (SIFT),speeded up robust features (SURF),KAZE,and binary robust invariant scalable keypoints (BRISK)experiments,the FRANSFD reveals stronger robustness with five kinds of changes,and its registration speed is faster.Compared with KAZE,comprehensive robustness is increased about 5.76%,and the speed is increased about 47%.

    feature matching; fast robust adaptive nonlinear scale feature detector (FRANSFD); KAZE; adaptive and generic corner detection based on the accelerated segment test (AGAST)

    2016-02-25;

    2016-06-07;網(wǎng)絡(luò)優(yōu)先出版日期:2016-08-25。

    國家自然科學(xué)基金(51307183)資助課題

    TP 391.41

    ADOI:10.3969/j.issn.1001-506X.2016.11.32

    張巖(1991-),男,博士研究生,主要研究方向為計算機視覺與無人機信息處理技術(shù)。

    E-mail:hillwind@126.com

    李建增(1966-),男,碩士研究生導(dǎo)師,碩士,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:ljz681@sohu.com

    李德良(1978-),男,講師,博士,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:271395592@qq.com

    杜玉龍(1992-),男,碩士研究生,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:1159316475@qq.com

    網(wǎng)絡(luò)優(yōu)先出版地址:http://www.cnki.net/kcms/detail/11.2422.TN.20160825.1441.006.html

    猜你喜歡
    尺度空間魯棒性算子
    擬微分算子在Hp(ω)上的有界性
    基于AHP的大尺度空間域礦山地質(zhì)環(huán)境評價研究
    各向異性次Laplace算子和擬p-次Laplace算子的Picone恒等式及其應(yīng)用
    荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
    基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評價
    一類Markov模算子半群與相應(yīng)的算子值Dirichlet型刻畫
    居住區(qū)園林空間尺度研究
    魅力中國(2016年42期)2017-07-05 21:16:42
    Roper-Suffridge延拓算子與Loewner鏈
    基于非支配解集的多模式裝備項目群調(diào)度魯棒性優(yōu)化
    西南交通大學(xué)學(xué)報(2016年6期)2016-05-04 04:13:11
    自拍偷自拍亚洲精品老妇| 少妇人妻一区二区三区视频| 国产精品人妻久久久久久| 午夜精品国产一区二区电影 | 97超碰精品成人国产| 国产色婷婷99| 伊人久久国产一区二区| 晚上一个人看的免费电影| 一级av片app| 色视频www国产| 久久精品夜色国产| 美女高潮的动态| 久久99热6这里只有精品| 免费观看的影片在线观看| 久久午夜福利片| av卡一久久| 午夜福利视频精品| 深爱激情五月婷婷| 亚洲一区高清亚洲精品| 亚洲精品久久午夜乱码| av在线播放精品| av卡一久久| 精品久久久精品久久久| 丰满少妇做爰视频| 18禁裸乳无遮挡免费网站照片| 能在线免费看毛片的网站| 日韩欧美精品免费久久| 午夜老司机福利剧场| 全区人妻精品视频| 国产色爽女视频免费观看| 中文在线观看免费www的网站| 丝瓜视频免费看黄片| 久久久a久久爽久久v久久| av在线老鸭窝| 国产色婷婷99| 午夜免费观看性视频| kizo精华| 欧美不卡视频在线免费观看| 国产白丝娇喘喷水9色精品| 亚洲成人av在线免费| 国产白丝娇喘喷水9色精品| 国内少妇人妻偷人精品xxx网站| 91午夜精品亚洲一区二区三区| 只有这里有精品99| 神马国产精品三级电影在线观看| 91av网一区二区| 免费av毛片视频| 久久这里只有精品中国| 精品国产三级普通话版| 国产成人免费观看mmmm| 天堂√8在线中文| 91久久精品国产一区二区三区| 校园人妻丝袜中文字幕| 精品久久久久久久末码| 国内精品宾馆在线| 亚洲欧美一区二区三区国产| 免费黄色在线免费观看| 韩国高清视频一区二区三区| 成人亚洲精品av一区二区| 久久久久久久大尺度免费视频| 亚洲精品乱码久久久v下载方式| 一级爰片在线观看| 亚洲人成网站在线观看播放| 99re6热这里在线精品视频| 精品少妇黑人巨大在线播放| 久久鲁丝午夜福利片| 久久久久免费精品人妻一区二区| 国产白丝娇喘喷水9色精品| 亚洲欧美精品自产自拍| 国产精品福利在线免费观看| 国产精品一及| 国产黄a三级三级三级人| 国产亚洲最大av| 欧美日韩视频高清一区二区三区二| 女人十人毛片免费观看3o分钟| 一级毛片我不卡| 免费黄色在线免费观看| 18禁动态无遮挡网站| 欧美成人午夜免费资源| 久久久久久久大尺度免费视频| 高清毛片免费看| av在线老鸭窝| 久久久久免费精品人妻一区二区| 免费无遮挡裸体视频| 边亲边吃奶的免费视频| 亚洲乱码一区二区免费版| 久久精品久久久久久噜噜老黄| 夜夜看夜夜爽夜夜摸| 国产乱人视频| 国产精品av视频在线免费观看| 国产成人免费观看mmmm| 嫩草影院精品99| 能在线免费看毛片的网站| 国产人妻一区二区三区在| 久热久热在线精品观看| 亚洲人成网站高清观看| 91精品一卡2卡3卡4卡| 久久精品国产亚洲av涩爱| 最近中文字幕2019免费版| 国产高潮美女av| 欧美日韩在线观看h| 在线免费观看的www视频| 国产黄a三级三级三级人| 国产高清有码在线观看视频| 性色avwww在线观看| 三级国产精品片| 高清在线视频一区二区三区| 在线播放无遮挡| 色网站视频免费| 亚洲激情五月婷婷啪啪| 亚洲美女视频黄频| 免费看美女性在线毛片视频| 亚洲av免费高清在线观看| 一级av片app| 天堂网av新在线| 久久久久久久久久久免费av| 日韩av不卡免费在线播放| 一级毛片 在线播放| 嫩草影院新地址| 国产淫片久久久久久久久| 成年人午夜在线观看视频 | 一级爰片在线观看| 国产探花极品一区二区| ponron亚洲| 亚洲欧洲国产日韩| av在线天堂中文字幕| 免费观看的影片在线观看| 免费看日本二区| 国产淫语在线视频| 一个人看的www免费观看视频| 国产乱人视频| 久久久成人免费电影| 一级毛片久久久久久久久女| 熟女人妻精品中文字幕| 亚洲精品乱码久久久v下载方式| 国产成人午夜福利电影在线观看| 大陆偷拍与自拍| 久久精品久久久久久噜噜老黄| 国产视频首页在线观看| 国产亚洲av嫩草精品影院| 18禁在线无遮挡免费观看视频| 精品一区二区三区视频在线| 成人亚洲精品av一区二区| 久久精品久久精品一区二区三区| 在线 av 中文字幕| 人妻系列 视频| 丝袜喷水一区| 少妇熟女aⅴ在线视频| 免费观看av网站的网址| 自拍偷自拍亚洲精品老妇| 一级片'在线观看视频| 男女视频在线观看网站免费| a级毛色黄片| 国产成人精品一,二区| 国产精品一区二区三区四区免费观看| 日韩人妻高清精品专区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日韩欧美国产在线观看| 午夜免费观看性视频| 成人亚洲精品一区在线观看 | 免费观看无遮挡的男女| 亚洲国产精品成人久久小说| 亚洲精品国产av蜜桃| 80岁老熟妇乱子伦牲交| 国产午夜福利久久久久久| av国产免费在线观看| 床上黄色一级片| 久久久久网色| 午夜福利成人在线免费观看| 日韩在线高清观看一区二区三区| 国产老妇女一区| 国产精品福利在线免费观看| 一级片'在线观看视频| 欧美zozozo另类| 啦啦啦啦在线视频资源| 天堂av国产一区二区熟女人妻| 三级经典国产精品| 高清在线视频一区二区三区| 人妻制服诱惑在线中文字幕| 1000部很黄的大片| 久久99热这里只有精品18| 国产成人精品婷婷| 一个人免费在线观看电影| 国产人妻一区二区三区在| 丝袜喷水一区| 亚洲成色77777| 亚洲乱码一区二区免费版| 亚洲精品国产成人久久av| 亚洲最大成人手机在线| 高清在线视频一区二区三区| 中文资源天堂在线| 91午夜精品亚洲一区二区三区| 高清日韩中文字幕在线| 两个人视频免费观看高清| 免费观看的影片在线观看| 国产成人a区在线观看| 看十八女毛片水多多多| 久久国产乱子免费精品| 成人漫画全彩无遮挡| 亚洲精品456在线播放app| 国产精品不卡视频一区二区| 亚洲精品亚洲一区二区| 亚洲最大成人av| 最近2019中文字幕mv第一页| av专区在线播放| av在线蜜桃| 99久久中文字幕三级久久日本| 毛片一级片免费看久久久久| 麻豆精品久久久久久蜜桃| 国产欧美另类精品又又久久亚洲欧美| 精品国内亚洲2022精品成人| 大香蕉久久网| 国产精品不卡视频一区二区| 国产高清不卡午夜福利| 国产精品福利在线免费观看| av在线天堂中文字幕| 午夜激情福利司机影院| 亚洲人成网站在线观看播放| 国内精品美女久久久久久| www.色视频.com| 女人十人毛片免费观看3o分钟| 韩国高清视频一区二区三区| 精品久久久久久久人妻蜜臀av| 国产免费福利视频在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产高潮美女av| 色哟哟·www| 老司机影院成人| 久久这里有精品视频免费| 亚洲精品自拍成人| 2018国产大陆天天弄谢| 亚洲国产精品成人久久小说| 大又大粗又爽又黄少妇毛片口| 亚洲电影在线观看av| 国产成人91sexporn| 日韩欧美精品免费久久| 免费黄频网站在线观看国产| av天堂中文字幕网| 精品久久久久久电影网| 欧美日韩国产mv在线观看视频 | 高清av免费在线| 男人爽女人下面视频在线观看| 日本一本二区三区精品| 成年女人看的毛片在线观看| 国产伦精品一区二区三区视频9| 国产精品精品国产色婷婷| 能在线免费观看的黄片| 秋霞伦理黄片| freevideosex欧美| 在线观看美女被高潮喷水网站| 国产v大片淫在线免费观看| 伦理电影大哥的女人| 97人妻精品一区二区三区麻豆| 国精品久久久久久国模美| 极品少妇高潮喷水抽搐| 亚洲第一区二区三区不卡| 亚洲av福利一区| 国产精品嫩草影院av在线观看| 久久久久久久亚洲中文字幕| av网站免费在线观看视频 | 亚洲人与动物交配视频| av在线亚洲专区| 亚洲成人精品中文字幕电影| 91久久精品国产一区二区三区| 秋霞在线观看毛片| kizo精华| 欧美日韩精品成人综合77777| 丝袜美腿在线中文| 亚洲人成网站在线播| 人体艺术视频欧美日本| 亚洲自偷自拍三级| 久久久久精品性色| 久久亚洲国产成人精品v| 日韩欧美精品v在线| 免费观看性生交大片5| 中文字幕制服av| 国产黄片美女视频| 日日撸夜夜添| 成人av在线播放网站| 精品国内亚洲2022精品成人| 男的添女的下面高潮视频| 亚洲内射少妇av| 久久久久性生活片| 日韩欧美一区视频在线观看 | 亚洲18禁久久av| 麻豆成人午夜福利视频| 99久久精品一区二区三区| 免费高清在线观看视频在线观看| 中国国产av一级| 久久久久久久大尺度免费视频| 日产精品乱码卡一卡2卡三| 最近视频中文字幕2019在线8| 成人鲁丝片一二三区免费| 九草在线视频观看| 国产成人91sexporn| 亚洲精品日本国产第一区| 欧美激情国产日韩精品一区| 久久精品久久久久久噜噜老黄| 色播亚洲综合网| 日韩欧美国产在线观看| 国产精品一区二区性色av| 亚洲自偷自拍三级| 精品一区二区三区视频在线| 久久久久久久久中文| 免费看a级黄色片| 观看美女的网站| 久久久久久久久久久丰满| 亚洲欧美精品自产自拍| 国产成人福利小说| 少妇熟女欧美另类| 伦精品一区二区三区| 亚洲国产av新网站| 日本一二三区视频观看| 少妇的逼水好多| 日本午夜av视频| 久久精品综合一区二区三区| 美女高潮的动态| 久久久久久久久久久免费av| 亚洲自偷自拍三级| 18禁在线无遮挡免费观看视频| 久久午夜福利片| 国产激情偷乱视频一区二区| 久久这里只有精品中国| 国产黄色视频一区二区在线观看| 久久鲁丝午夜福利片| 日韩三级伦理在线观看| 一边亲一边摸免费视频| 午夜激情久久久久久久| 97热精品久久久久久| 赤兔流量卡办理| 精品人妻视频免费看| av卡一久久| 免费观看精品视频网站| 国产黄频视频在线观看| 女人十人毛片免费观看3o分钟| 亚洲人成网站高清观看| 亚洲av中文av极速乱| 国产亚洲最大av| 免费黄网站久久成人精品| 大话2 男鬼变身卡| 亚洲最大成人av| 亚洲不卡免费看| av在线蜜桃| 一二三四中文在线观看免费高清| 欧美一级a爱片免费观看看| 日韩人妻高清精品专区| av在线播放精品| 联通29元200g的流量卡| 中文欧美无线码| 一区二区三区乱码不卡18| 少妇的逼水好多| 欧美bdsm另类| 午夜福利视频1000在线观看| 亚洲人成网站在线观看播放| 婷婷色综合大香蕉| 亚洲va在线va天堂va国产| 精品久久久久久久人妻蜜臀av| eeuss影院久久| 免费观看的影片在线观看| 国产成人午夜福利电影在线观看| 黄片wwwwww| 日韩亚洲欧美综合| 日日摸夜夜添夜夜添av毛片| 精华霜和精华液先用哪个| 毛片女人毛片| 亚洲人成网站在线观看播放| 国产精品av视频在线免费观看| 成人av在线播放网站| 欧美不卡视频在线免费观看| 亚洲熟妇中文字幕五十中出| 亚洲精品中文字幕在线视频 | 波多野结衣巨乳人妻| 又大又黄又爽视频免费| 狂野欧美白嫩少妇大欣赏| 老司机影院毛片| 偷拍熟女少妇极品色| 亚洲精品乱码久久久v下载方式| ponron亚洲| 69av精品久久久久久| 欧美变态另类bdsm刘玥| 免费播放大片免费观看视频在线观看| 一本久久精品| 日韩成人伦理影院| 在线免费观看的www视频| 国产单亲对白刺激| 亚洲国产高清在线一区二区三| 舔av片在线| 日韩欧美国产在线观看| 亚洲真实伦在线观看| 色视频www国产| 国产男女超爽视频在线观看| 久久久久久久午夜电影| 18禁动态无遮挡网站| 久久久亚洲精品成人影院| 精品久久久精品久久久| 人妻一区二区av| 婷婷六月久久综合丁香| 99热6这里只有精品| 国产精品1区2区在线观看.| 男女边吃奶边做爰视频| 内地一区二区视频在线| 男的添女的下面高潮视频| 亚洲aⅴ乱码一区二区在线播放| 日韩电影二区| 又大又黄又爽视频免费| 亚洲人与动物交配视频| 成人亚洲欧美一区二区av| 中国国产av一级| 国产成人a区在线观看| 亚洲成人中文字幕在线播放| 乱系列少妇在线播放| 国产色婷婷99| 中文欧美无线码| 亚洲国产精品成人久久小说| 岛国毛片在线播放| 国产亚洲91精品色在线| 成人亚洲精品av一区二区| 男人舔奶头视频| 亚洲国产精品成人久久小说| 久久久久久久久久人人人人人人| 国产视频首页在线观看| 亚洲国产精品国产精品| 国产三级在线视频| 国产黄色视频一区二区在线观看| 国产熟女欧美一区二区| 成人午夜高清在线视频| 日韩在线高清观看一区二区三区| 久久久国产一区二区| 欧美极品一区二区三区四区| 国产女主播在线喷水免费视频网站 | 久久久国产一区二区| 免费黄网站久久成人精品| 汤姆久久久久久久影院中文字幕 | 国产一区有黄有色的免费视频 | 国产免费视频播放在线视频 | 欧美性猛交╳xxx乱大交人| 成人美女网站在线观看视频| 男人舔女人下体高潮全视频| 日韩一区二区三区影片| 国产精品一区二区性色av| 午夜福利在线观看吧| 高清视频免费观看一区二区 | 青春草视频在线免费观看| 亚洲综合色惰| 欧美成人精品欧美一级黄| 国产永久视频网站| 午夜精品在线福利| 网址你懂的国产日韩在线| 日韩强制内射视频| 日韩视频在线欧美| 国产伦精品一区二区三区视频9| 啦啦啦啦在线视频资源| 1000部很黄的大片| 春色校园在线视频观看| 亚洲欧美日韩东京热| 亚洲av电影在线观看一区二区三区 | 国产精品爽爽va在线观看网站| 午夜福利视频精品| 在线播放无遮挡| 九色成人免费人妻av| videos熟女内射| 免费播放大片免费观看视频在线观看| 啦啦啦啦在线视频资源| 汤姆久久久久久久影院中文字幕 | 亚洲天堂国产精品一区在线| 3wmmmm亚洲av在线观看| 麻豆乱淫一区二区| 亚洲欧美一区二区三区黑人 | 国产亚洲91精品色在线| 极品少妇高潮喷水抽搐| 亚洲美女视频黄频| 91精品国产九色| 国产av在哪里看| 国产黄色视频一区二区在线观看| 国产免费一级a男人的天堂| av国产久精品久网站免费入址| 天天一区二区日本电影三级| 国产高清国产精品国产三级 | 69人妻影院| 在线播放无遮挡| 久久人人爽人人爽人人片va| 亚洲国产精品国产精品| 久久99热这里只有精品18| 国产精品嫩草影院av在线观看| 尾随美女入室| 噜噜噜噜噜久久久久久91| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品亚洲一区二区| 大香蕉97超碰在线| 色网站视频免费| 一二三四中文在线观看免费高清| 一个人看视频在线观看www免费| av在线天堂中文字幕| 国产在线男女| 高清av免费在线| av黄色大香蕉| 国产精品av视频在线免费观看| 蜜桃久久精品国产亚洲av| 黄片wwwwww| 国产一级毛片在线| 亚洲av国产av综合av卡| 成人性生交大片免费视频hd| 午夜福利网站1000一区二区三区| 久久国内精品自在自线图片| 全区人妻精品视频| 能在线免费看毛片的网站| 亚洲色图av天堂| 亚洲aⅴ乱码一区二区在线播放| 国产精品99久久久久久久久| 欧美性感艳星| 国产午夜精品论理片| 在线观看美女被高潮喷水网站| 97超碰精品成人国产| 丰满乱子伦码专区| 欧美变态另类bdsm刘玥| 有码 亚洲区| 欧美潮喷喷水| 久久精品综合一区二区三区| 80岁老熟妇乱子伦牲交| 精品久久国产蜜桃| 久久精品熟女亚洲av麻豆精品 | 国产人妻一区二区三区在| 男的添女的下面高潮视频| 国产成人aa在线观看| 久久久亚洲精品成人影院| 午夜激情欧美在线| 亚洲av国产av综合av卡| 国产中年淑女户外野战色| 久久热精品热| 中文乱码字字幕精品一区二区三区 | 日日撸夜夜添| 乱码一卡2卡4卡精品| 99久久中文字幕三级久久日本| 日韩欧美国产在线观看| 日韩大片免费观看网站| 国产成人a区在线观看| 中文精品一卡2卡3卡4更新| 一级毛片aaaaaa免费看小| 男女边吃奶边做爰视频| 小蜜桃在线观看免费完整版高清| 淫秽高清视频在线观看| 日韩在线高清观看一区二区三区| 最近视频中文字幕2019在线8| 欧美日本视频| 国产综合精华液| av在线天堂中文字幕| 黄色欧美视频在线观看| 亚洲内射少妇av| 久久久久久久久中文| 日韩强制内射视频| 中国美白少妇内射xxxbb| 美女xxoo啪啪120秒动态图| 日韩成人伦理影院| 久久精品久久精品一区二区三区| 欧美激情国产日韩精品一区| 啦啦啦中文免费视频观看日本| 精品酒店卫生间| 午夜免费激情av| 欧美精品一区二区大全| 亚洲精品第二区| 亚洲欧美日韩无卡精品| 亚洲国产成人一精品久久久| 婷婷色综合大香蕉| av线在线观看网站| 日韩欧美三级三区| 成人欧美大片| 国产亚洲最大av| 精品少妇黑人巨大在线播放| av卡一久久| 免费观看在线日韩| 亚洲国产色片| 久久99精品国语久久久| 特大巨黑吊av在线直播| 热99在线观看视频| 国产色爽女视频免费观看| 床上黄色一级片| 国产精品不卡视频一区二区| 两个人视频免费观看高清| 欧美最新免费一区二区三区| 2021少妇久久久久久久久久久| 在线观看av片永久免费下载| 久久久久性生活片| 看非洲黑人一级黄片| 久久精品国产鲁丝片午夜精品| 777米奇影视久久| 午夜视频国产福利| 丰满乱子伦码专区| 99re6热这里在线精品视频| 少妇猛男粗大的猛烈进出视频 | 成人毛片a级毛片在线播放| 午夜激情欧美在线| 91aial.com中文字幕在线观看| 特大巨黑吊av在线直播| 亚洲国产精品专区欧美| 久久久久久久亚洲中文字幕| 精品久久久久久久久av| 亚洲性久久影院| 欧美成人a在线观看| 永久网站在线| 最近2019中文字幕mv第一页| 亚洲熟女精品中文字幕| 精品久久久久久久久久久久久| 久久人人爽人人爽人人片va| 日日摸夜夜添夜夜添av毛片| 国产免费视频播放在线视频 | 男人和女人高潮做爰伦理| 午夜福利高清视频| 又爽又黄无遮挡网站| 亚洲国产精品sss在线观看| 久久久久久久大尺度免费视频| www.色视频.com| 精品久久久久久久人妻蜜臀av| 成人午夜高清在线视频| 亚洲欧美精品自产自拍| 日本黄色片子视频|