• <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BP神經(jīng)網(wǎng)絡(luò)的東嶼島遙感影像分類

    2016-11-14 01:50:57曹兆偉林寧徐文斌盧文虎張孝龍
    海洋通報 2016年5期
    關(guān)鍵詞:訓(xùn)練樣本海島神經(jīng)網(wǎng)絡(luò)

    曹兆偉,林寧,徐文斌,盧文虎,張孝龍

    (1.上海海洋大學(xué),上?!?01306;2.國家海洋信息中心,天津 300171;3.鎮(zhèn)江市氣象局,江蘇 鎮(zhèn)江 212003)

    基于BP神經(jīng)網(wǎng)絡(luò)的東嶼島遙感影像分類

    曹兆偉1,林寧2,徐文斌2,盧文虎2,張孝龍3

    (1.上海海洋大學(xué),上海201306;2.國家海洋信息中心,天津300171;3.鎮(zhèn)江市氣象局,江蘇鎮(zhèn)江212003)

    精準(zhǔn)高效的海島遙感影像分類是充分利用海島基礎(chǔ)資料的有效手段,也是全面掌握海島基本情況及變化情況、保障海島保護和開發(fā)利用有序進行、實現(xiàn)全國海島動態(tài)監(jiān)管的重要技術(shù)措施。以2008年海南省東嶼島航空遙感影像為數(shù)據(jù)源,借助ENVI遙感圖像處理軟件選取訓(xùn)練樣本集,通過MATLAB仿真軟件構(gòu)建“3-8-5”的3層BP神經(jīng)網(wǎng)絡(luò)分類模型,實現(xiàn)對東嶼島遙感影像的分類。實驗結(jié)果顯示,BP神經(jīng)網(wǎng)絡(luò)分類總精度為87.85%,Kappa系數(shù)為0.84,與最小距離法分類相比,分別提高5.53個百分點和0.07。實驗證明BP神經(jīng)網(wǎng)絡(luò)分類方法是一種行之有效且精確度更高的分類方法。

    BP神經(jīng)網(wǎng)絡(luò);影像分類;海島;東嶼島

    海島作為我國沿海第二經(jīng)濟帶,是壯大海洋經(jīng)濟、拓展發(fā)展空間的重要依托,也是保護海洋環(huán)境、維護生態(tài)平衡的重要平臺,更是捍衛(wèi)國家權(quán)益保障國防安全的戰(zhàn)略前沿(吳姍姍等,2013),因此對海島及其周邊海域進行監(jiān)視監(jiān)測是一項必不可少的基礎(chǔ)性工作。但由于海島地理位置遠(yuǎn)離大陸,交通不便,登島困難,而利用遙感技術(shù)則可克服上述不利,因此成為海島監(jiān)視監(jiān)測的主要手段之一。

    遙感技術(shù)是20世紀(jì)60年代初興起的一門綜合性探測技術(shù),遙感影像分類是遙感信息提取的重要手段,發(fā)展分類方法提高分類效率和精度更是遙感應(yīng)用研究的熱點(賈坤等,2011)。在目前的遙感圖像分類應(yīng)用中,用的最多的是傳統(tǒng)的模式識別分類方法:諸如最小距離法,最大似然法等監(jiān)督分類法。其分類的結(jié)果由于遙感圖像本身的空間分辨率以及“同物異譜”,“同譜異物”現(xiàn)象的存在,而往往出現(xiàn)比較多的錯分、漏分情況,導(dǎo)致了分類精度不高(段新成,2008),而在處理遙感影像分類過程中,BP神經(jīng)網(wǎng)絡(luò)能夠很好地適應(yīng)紋理豐富,含混度高的遙感影像,通過隱含層節(jié)點設(shè)置,能夠較好地解決分類過程中“同質(zhì)異譜”與“同譜異質(zhì)”問題(可華明等,2010),且BP神經(jīng)網(wǎng)絡(luò)分類算法相比其他統(tǒng)計分類算法具有較強的學(xué)習(xí)能力,更容易結(jié)合遙感、影像的紋理、光譜、坡度、坡向等信息對地物類別信息進行提?。ㄊY捷峰,2011),所以BP神經(jīng)網(wǎng)絡(luò)在遙感影像分類領(lǐng)域得到廣泛的應(yīng)用。

    鑒于此,本文利用2008年5月東嶼島航空遙感圖像作為數(shù)據(jù)源,在Matlab 7.0和ENVI 5.0等軟件平臺支持下,嘗試用BP神經(jīng)網(wǎng)絡(luò)方法對東嶼島進行影像分類,旨在增加對人工神經(jīng)網(wǎng)絡(luò)的認(rèn)知,提高應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的水平,并為海島智能化遙感影像分類研究和海島資源調(diào)查等提供技術(shù)參考。

    1 研究區(qū)概況及數(shù)據(jù)說明

    東嶼島位于博鰲港萬泉河出??冢`屬海南瓊海市博鰲鎮(zhèn),面積1.8 km2。該島地形獨特,從空中俯瞰就像一只緩緩游向南海的“巨鰲”。傳說昔日觀音大士在此降鰲,鰲之原身化為美麗的東嶼島。東嶼島四周河水環(huán)繞,是一個水中有島、島中有水、波光錯落、景色秀麗的島嶼。島上有廣闊的高爾夫球場,超五星級的索菲特大酒店,亞洲論壇博物館11個區(qū),以及按五行八卦原理建造的好運臺,是“博鰲亞洲論壇”永久會址所在地。

    本次研究使用的數(shù)據(jù)為兩景相鄰航空圖像鑲嵌而成,其獲取時間為2008年5月9日,地理坐標(biāo)為19.13°N-19.15°N,110.56°E-110.58°E,其包括紅、綠、藍(lán)3個基本波段。為研究簡便將其空間分辨率重采樣為2 m,經(jīng)過裁剪掩膜后,圖像大小為801×902個像素的tiff格式文件(圖1)。影像質(zhì)量良好,有少量云影,較清楚反映了該島自然現(xiàn)狀和開發(fā)利用情況。

    2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計

    圖1 東嶼島航空遙感影像

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,簡稱ANN)是對生理學(xué)上的真實人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能,以及若干基本特征的某種理論抽象、簡化和模擬而構(gòu)成的一種信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)有多種網(wǎng)絡(luò)模型,但目前應(yīng)用最廣,基本思想最直觀,最容易被理解,到現(xiàn)在為止在遙感影像分類中應(yīng)用最多的是多層前饋網(wǎng)絡(luò)及誤差反向傳播的學(xué)習(xí)算法(Error Back Propagation),簡稱BP神經(jīng)網(wǎng)絡(luò)(賈永紅等,2001)。

    BP神經(jīng)網(wǎng)絡(luò)算法基本思想是把學(xué)習(xí)過程分成信息的正向傳播和誤差的反向傳播兩個過程。首先輸入層單元接受來自外界的輸入信息,然后經(jīng)過隱含層單元處理后,最后傳遞給輸出層單元并產(chǎn)生一個輸出模式,完成一次學(xué)習(xí)的正向傳播過程,這個過程是逐層狀態(tài)的更新。當(dāng)實際輸出模式與期望輸出模式不符時,進入誤差反向傳播階段,網(wǎng)絡(luò)沿連接通路將誤差值逐層傳送,并按誤差梯度下降的方式對各層結(jié)點間的連接權(quán)值進行修正調(diào)整。通過周而復(fù)始的信息正向傳播和誤差反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)輸出誤差減少到可以接受的程度。BP神經(jīng)網(wǎng)絡(luò)設(shè)計一般包括輸入層、隱含層和輸出層節(jié)點數(shù)的確定,隱含層層數(shù)的確定。

    2.1輸入層和輸出層節(jié)點數(shù)的確定

    BP神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層節(jié)點數(shù)的確定需根據(jù)實際情況具體考慮。本實驗中輸入的數(shù)據(jù)為航空影像,有3個波段,因此輸入層節(jié)點數(shù)為3。輸出層節(jié)點數(shù)根據(jù)分類地物的類型數(shù)目確定。本實驗中,根據(jù)人工目視解譯和東嶼島地理特征將遙感影像簡要分為草地、建筑物、林地、水體、沙地(高爾夫球場的白沙子)5大類別,由于道路用地斑塊面積小,本研究不將其作為分類類型,因此輸出層神經(jīng)元個數(shù)為5個。

    2.2隱含層節(jié)點數(shù)的確定

    關(guān)于隱含層神經(jīng)元個數(shù)的確定目前仍沒有一個確切的數(shù)學(xué)公式來求解,隱含層神經(jīng)元個數(shù)往往需要多次試驗才能確定(李源泰,2010)。隱含層的節(jié)點數(shù)太少,網(wǎng)絡(luò)不能得到充分地訓(xùn)練,訓(xùn)練時間短,訓(xùn)練精度不高;隱含層的節(jié)點數(shù)太多,則容錯性差,導(dǎo)致計算量增加。隱含層節(jié)點數(shù)的初始值可先由公式N=(A×B+0.5A×(B2+B)-1)/(A+B)(毛建旭等,2001)來確定,其中A為分類數(shù)量,B為特征向量維數(shù)。初始值選好后通過不斷增加或減少神經(jīng)元個數(shù)來確定最優(yōu)的神經(jīng)網(wǎng)絡(luò)分類模型,本研究經(jīng)過多次實驗確定隱含層使用8個節(jié)點數(shù)。

    2.3隱含層層數(shù)的確定

    BP網(wǎng)絡(luò)有一個重要的結(jié)論:對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù),都可以用具有一個隱含層的BP網(wǎng)絡(luò)來逼近,因而一個3層BP網(wǎng)絡(luò)可以完成任意的n維到m維的映射(飛思科技產(chǎn)品研發(fā)中心,2003)。所以本研究中取單隱層BP神經(jīng)網(wǎng)絡(luò),即3層BP神經(jīng)網(wǎng)絡(luò),其拓?fù)浣Y(jié)構(gòu)如圖2所示。

    圖2 3層BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

    3 BP神經(jīng)網(wǎng)絡(luò)遙感影像分類的實現(xiàn)

    本實驗以MATLAB為平臺編程實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)對遙感影像的自動分類。MATLAB是用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境的數(shù)學(xué)軟件,其中人工神經(jīng)網(wǎng)絡(luò)工具箱是應(yīng)用最為廣泛的軟件包之一(李燕,2012)。分類實現(xiàn)主要步驟包括:訓(xùn)練樣本的選取,網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和仿真,影像自動分類和結(jié)果輸出。

    3.1訓(xùn)練樣本的選取

    神經(jīng)網(wǎng)絡(luò)訓(xùn)練至關(guān)重要的一步是訓(xùn)練樣本的選取,它直接關(guān)系到最后影像分類的精度,是神經(jīng)網(wǎng)絡(luò)在遙感影像分類應(yīng)用中的重要研究內(nèi)容。訓(xùn)練樣本的選取既要保證樣本的典型性和代表性,又要保證神經(jīng)網(wǎng)絡(luò)訓(xùn)練能得到收斂。本實驗訓(xùn)練樣本的選取采用非像元去除法(都業(yè)軍,2008)。該方法通過剔除感興趣區(qū)域周圍的非樣本像元,在輸入網(wǎng)絡(luò)訓(xùn)練之前再處理所有波段值為0的像元從而獲得大量純凈的訓(xùn)練樣本。

    在ENVI平臺上進行訓(xùn)練樣本選取,利用ENVI的ROI TOOLS選取東嶼島范圍內(nèi)各個地類特征最為明顯的區(qū)域,將每類ROI區(qū)域分別裁剪出來作為訓(xùn)練樣本(圖3)。由于選取的ROI區(qū)域不一定是矩形,但輸入到MATLAB的數(shù)據(jù)必須是矩形,必須要對非樣本區(qū)域用0值掩膜,又因為0值像元會對網(wǎng)絡(luò)訓(xùn)練造成影響,所以用非像元去除法去掉0值掩膜的像元。

    圖3 東嶼島訓(xùn)練樣本

    3.2網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和仿真

    本實驗利用MATLAB的ANN工具箱中newff函數(shù)創(chuàng)建一個BP人工神經(jīng)網(wǎng)絡(luò),隱含層的傳遞函數(shù)采用tansig,輸出層的傳遞函數(shù)采用purelin,網(wǎng)絡(luò)訓(xùn)練函數(shù)采用trainlm。

    BP神經(jīng)網(wǎng)絡(luò)創(chuàng)建好后將訓(xùn)練樣本輸入網(wǎng)絡(luò)中進行訓(xùn)練,但樣本圖像數(shù)據(jù)不能直接輸入到網(wǎng)絡(luò)中,需要對圖像數(shù)據(jù)進行降維、歸一化等預(yù)處理工作。在MATLAB中可以采用imread函數(shù)將彩色圖像可以分解成RGB 3個灰度向量。

    將降維后的圖像變?yōu)殡p精度一維向量形式,并歸一化到 [-1,1]之間,此過程采用im2double和reshape函數(shù)實現(xiàn)。將其余訓(xùn)練樣本進行同樣的數(shù)據(jù)預(yù)處理后組合成3行n列的輸入矩陣,其過程如圖4所示:

    圖4 圖像降維過程

    本實驗將東嶼島影像分為5類地物,目標(biāo)矩陣則為5行n列的單位矩陣,每一行對應(yīng)一類地物,其形式為:

    T=[10000%草地

    01000%建筑物

    00100%林地

    00010%水體

    00001]%沙地

    輸入矩陣和目標(biāo)矩陣確定后即可進行網(wǎng)絡(luò)訓(xùn)練,其過程如圖5所示。

    圖5 網(wǎng)絡(luò)訓(xùn)練過程

    網(wǎng)絡(luò)訓(xùn)練的目的在于求出能滿足目標(biāo)要求的權(quán)矩陣,通過該權(quán)矩陣實現(xiàn)原影像的智能分類。在MATLAB中采用train函數(shù)進行網(wǎng)絡(luò)訓(xùn)練,代碼為:net=train(net,P,T),其中P,T分別為輸入矩陣和目標(biāo)矩陣。此外,在網(wǎng)絡(luò)訓(xùn)練前相關(guān)配置參數(shù)如下:

    net.trainParam.show=10;

    %每訓(xùn)練10次顯示一次

    net.trainParam.epochs=200;

    %最大訓(xùn)練次數(shù)為200

    net.trainParam.lr=0.02;

    %網(wǎng)絡(luò)學(xué)習(xí)速率0.02

    net.trainParam.mc=0.85;

    %動量因子為0.85

    net.trainParam.goal=0.045;

    %期望誤差為0.045

    其中學(xué)習(xí)速率是決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量,學(xué)習(xí)速率不能設(shè)置過大,否則會導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定,也不能設(shè)置過小,會增加訓(xùn)練時間。通常在0.01-0.1值中選擇,本文根據(jù)訓(xùn)練情況學(xué)習(xí)速率選擇0.02值。

    引入動量因子是為了增加網(wǎng)絡(luò)的穩(wěn)定性防止振蕩,其值一般在0-1之間,經(jīng)過實驗本文中動量因子參數(shù)為0.85值。

    期望誤差的選取同樣根據(jù)實際情況,期望誤差如果設(shè)置過大,網(wǎng)絡(luò)往往得不到充分訓(xùn)練,影響分類的精度,如果設(shè)置過小,網(wǎng)絡(luò)收斂速度慢。本實驗選取幾個不同的期望誤差進行訓(xùn)練對比,最后確定期望誤差值為0.045。

    經(jīng)過網(wǎng)絡(luò)參數(shù)配置后,本實驗網(wǎng)絡(luò)訓(xùn)練收斂情況如圖6所示。

    圖6 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂情況

    圖6橫坐標(biāo)為訓(xùn)練次數(shù),縱坐標(biāo)為誤差值,黑色直線為期望誤差,從圖中可以看出網(wǎng)絡(luò)在訓(xùn)練50次誤差值為0.048,逐漸收斂,達(dá)到了訓(xùn)練的要求。網(wǎng)絡(luò)訓(xùn)練結(jié)束后,將待分類的影像同樣經(jīng)過降維、歸一化等預(yù)處理工作后輸入到網(wǎng)絡(luò)中用sim函數(shù)進行仿真,代碼為:Y=sim(net,X),其中net為訓(xùn)練好的網(wǎng)絡(luò),X為待分類的影像,Y為輸出數(shù)據(jù)。

    3.3影像自動分類和結(jié)果輸出

    仿真結(jié)束后,Y輸出數(shù)據(jù)是一個5行801×902列矩陣,即每一列向量對應(yīng)一個仿真的像元,其中最大值所在行數(shù)即為該類別數(shù),將類別數(shù)組成的行向量轉(zhuǎn)化成原影像同樣大小的矩陣就可以以圖片格式輸出,輸出數(shù)據(jù)是只有5個灰度值的柵格圖(圖7)。

    圖7 東嶼島仿真柵格圖

    輸出的灰度圖用ENVI提供的決策樹分類算法為其配色可以得到直觀性強的分類圖,結(jié)果如圖8。

    圖8 BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果圖

    4 分類精度比較

    精度評價是圖像分類后的一項重要工作。通過精度分析,分類者能夠確定分類模式的有效性,改進分類模式,提高分類精度;使用者能夠根據(jù)分類結(jié)果的精度,正確、有效的獲取分類結(jié)果中的信息。

    ENVI提供了包括分類結(jié)果疊加、混淆矩陣和ROC曲線等方法。比較兩幅圖像中地類的一致性是精度評價最好方法,一般情況下,只能通過采樣的方法對地類像元的一致性進行檢查,因為不可能對所有的像元進行檢查。通過抽取一定數(shù)量的像元,也是可以反映整體圖像的分類質(zhì)量的。本實驗采用混淆矩陣中的地表真實感興趣區(qū)驗證方法評價遙感影像分類精度。驗證樣本可以通過野外實地調(diào)查,也可以在高分辨率圖像上,通過目釋解譯獲取各個分類的地表真實感興趣區(qū)(鄧書斌,2010)。鑒于研究區(qū)航空影像源數(shù)據(jù)空間分辨率為1 m,結(jié)合東嶼島的文字圖片資料,在影像上選取7 578個像元作為驗證樣本,連同5 033個訓(xùn)練樣本每類具體數(shù)量如表1。因影像上少量云影,為了對分類結(jié)果和其他方法進行有效的精度分析,驗證樣本選取有把握的區(qū)域(圖9)。

    圖9 東嶼島驗證樣本

    表1 訓(xùn)練樣本數(shù)和驗證樣本數(shù)統(tǒng)計表

    本實驗利用傳統(tǒng)監(jiān)督分類的分類方法與基于人工智能的人工神經(jīng)網(wǎng)絡(luò)方法在分類精度上進行驗證比較。在ENVI中分別實施最小距離分類和最大似然分類,為保證對比的客觀性,最小距離分類法和最大似然分類法使用與BP神經(jīng)網(wǎng)絡(luò)分類法相同的訓(xùn)練樣本和驗證樣本,最小距離分類和最大似然分類結(jié)果分別如圖10、11所示。

    圖10 最小距離分類結(jié)果圖

    圖11 最大似然分類結(jié)果圖

    將BP神經(jīng)網(wǎng)絡(luò)、最小距離和最大似然3種方法的分類結(jié)果圖分別與驗證樣本進行混淆矩陣計算,混淆矩陣是通過將每個實測像元的位置和分類與分類圖像中的相應(yīng)位置和分類相比較計算的,對角線的數(shù)值為正確被分類的像元數(shù),而非對角線的數(shù)值為被錯誤分類的像元數(shù)。表2、表3和表4分別為最小距離、最大似然和BP神經(jīng)網(wǎng)絡(luò)分類的混淆矩陣(行為實際的地物類別,列為分類的地物類別)。

    表2是采用最小距離法分類的混淆矩陣,這種分類方法的總精度為82.32%,Kappa系數(shù)為0.76。其中水體抽樣樣本為2 012個像元,有1 554個像元被正確分類,458個像元則被混分類為林地,分類精度為77.24%,同樣草地、林地、建筑物和沙地(高爾夫球場的白沙子)分類精度分別是89.29%、92.63%、100.00%、0.00%。從數(shù)據(jù)可以看出只有林地的識別精度較高,而建筑物和沙地(高爾夫球場的白沙子)則錯誤分類嚴(yán)重,491個沙地的抽樣樣本像元全部錯分類為建筑物,主要原因在于兩者的光譜具有很大的相似性。由此看來,最小距離法對于東嶼島航空影像的分類結(jié)果不能令人不滿意。

    表2 最小距離分類混淆矩陣

    表3 最大似然分類混淆矩陣

    表4 BP神經(jīng)網(wǎng)絡(luò)分類混淆矩陣

    表3是采用最大似然分類的混淆矩陣,除林地、建筑物與其他地物存在不同程度的混分,其余地物分類精度均比較好,特別是對草地、水體的識別精度很高。分類總精度和Kappa系數(shù)較最小距離法均有了一定的提高,分別為87.37%和0.83。

    運用BP神經(jīng)網(wǎng)絡(luò)對東嶼島影像進行分類的混淆矩陣如表4,從表中可以看出分類質(zhì)量良好,分類總精度為87.85%,Kappa系數(shù)為0.84。草地和水體分類效果較好,而建筑物和其他地類的混淆現(xiàn)象仍然存在,除建筑物和沙地(高爾夫球場的白沙子)光譜特性相似原因外,這兩類地物在東嶼島的面積較小,不太容易選取合適的訓(xùn)練樣本。

    從3種分類方法的混淆矩陣對比可以看出,BP神經(jīng)網(wǎng)絡(luò)在總精度和Kappa系數(shù)上均要優(yōu)于傳統(tǒng)監(jiān)督分類的方法。對于建筑物和沙地這兩類地物,由于兩者光譜特征相似,最小距離分類法無法將其分類。此外,原影像上有少量云影,通過目釋可以發(fā)現(xiàn)傳統(tǒng)監(jiān)督分類的方法錯將云影分類為建筑物,最大似然分類法表現(xiàn)尤為明顯,而BP神經(jīng)網(wǎng)絡(luò)分類除厚云層外,基本能正確分類。這均依賴于BP神經(jīng)網(wǎng)絡(luò)智能算法的優(yōu)越性,BP神經(jīng)網(wǎng)絡(luò)算法通過對樣本的學(xué)習(xí),不斷訓(xùn)練來對結(jié)果進行無限逼近,而傳統(tǒng)的分類方法則是假定概率分布的一種基于統(tǒng)計學(xué)的方法,因此從分類效果對比,BP神經(jīng)網(wǎng)絡(luò)分類要優(yōu)于最小距離分類。

    5 結(jié)論與展望

    本文在對BP神經(jīng)網(wǎng)絡(luò)算法研究的基礎(chǔ)上,以東嶼島航空影像為數(shù)據(jù)源,在MATLAB軟件平臺上實現(xiàn)對該海島影像的分類,并將分類結(jié)果和最小距離分類的結(jié)果進行比較。比較結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果要優(yōu)于最小距離分類結(jié)果,該算法提高了東嶼島航空影像分類的總精度。本實驗說明對于海島航空影像而言BP神經(jīng)網(wǎng)絡(luò)分類更為行之有效,可為海島航空影像數(shù)據(jù)的深入分析提供一種應(yīng)用途徑(徐文斌等,2013)。

    就海島航空影像分類而言,如能有確定隱含層神經(jīng)元數(shù)目的有效方法,或選擇更合理的訓(xùn)練樣本,分類精度可能會進一步提高,因此在實際應(yīng)用中有待于進一步改進該算法。遙感影像的智能分類算法和基于流程自動化的影像智能分類處理平臺應(yīng)是海島影像解譯工作今后的發(fā)展方向,通過大規(guī)模的智能高效分類,為管理決策部門動態(tài)掌握海島基本情況和變化趨勢提供技術(shù)支撐,進而促進海島保護和開發(fā)利用活動有序進行。

    鄧書斌,2010.ENVI遙感圖像處理方法.北京:科學(xué)出版社.

    都業(yè)軍,2008.人工神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的應(yīng)用與對比研究.內(nèi)蒙古師范大學(xué).

    段新成,2008.基于BP人工神經(jīng)網(wǎng)絡(luò)的土地利用分類遙感研究.北京,中國地質(zhì)大學(xué).

    飛思科技產(chǎn)品研發(fā)中心,2003.MATLAB6.5輔助神經(jīng)網(wǎng)絡(luò)分析與設(shè)計.北京:電子工業(yè)出版社.

    賈坤,李強子,田亦陳,等,2011.遙感影像分類方法研究進展.光譜學(xué)與光譜分析,31(10):2 618-2 623.

    賈永紅,張春森,王愛平,2001.基于神經(jīng)網(wǎng)絡(luò)的多源遙感影像分類.西安科技學(xué)院學(xué)報,3(1):58-60.

    蔣捷峰,2011.基于BP神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像分類研究.北京,首都師范大學(xué).

    可華明,陳朝鎮(zhèn),2010.基于MATLAB的GA-BPNN遙感圖像分類.西南科技大學(xué)報,3(13):55-57.

    李燕,2012.基于神經(jīng)網(wǎng)絡(luò)的遙感圖像識別算法.測繪與空間地理息,2(35):156-158.

    李源泰,2010.基于人工神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究.昆明理工大學(xué).

    毛建旭,王耀南,2001.基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類.測控技術(shù),20(5):29-32.

    吳姍姍,劉智訓(xùn),2013.關(guān)于海島生態(tài)整治修復(fù)及保護項目的思考和建議.海洋開發(fā)與管理,4:9-12.

    徐文斌,林寧,盧文虎,等,2013.基于最大似然法的釣魚島航空遙感監(jiān)視監(jiān)測信息提取.海洋通報,32(5):548-552.

    (本文編輯:袁澤軼)

    Classification of the remotely sensed image for the Dongyu Island based on back-propagation neural network

    CAO Zhao-wei1,LIN Ning2,XU Wen-bin2,LU Wen-hu2,ZHANG Xiao-long3
    (1.Shanghai Ocean University,Shanghai201306,China;2.National Marine Data and Information Service,Tianjin 300171,China; 3.Zhenjiang Meteorological Service,Zhenjiang 212003,China)

    It is necessary to classify island remote sensing images efficiently and accurately for making full use of the island basic data,grasping the basic situation and changes of islands,ensuring the island protection and exploitation in an orderly manner and achieving the effective dynamic regulation of all the islands.In this paper,the aerial remote sensing image of the Dongyu Island of Hainan province in 2008 was used to build the"3-8-5"three-layer BP neural network classification model by MATLAB software and training samples were selected by ENVI software.The model was applied to obtain the classification of the remotely sensed image for the Dongyu Island.The results show that this BP neural network classification method provides a more effective classification technology for the island remotely sensed image and improves the accuracy of classification.The overall accuracy of the BP classification is 87.85%,and the Kappa coefficient is 0.84.It means the total classification accuracy is increased by 5.53 percentage and the Kappa coefficient is increased by 0.07 compared with those from the Minimum Distance method.

    back-propagation neural network;classification of remotely sensed images;island;Dongyu Island

    TP75

    A

    1001-6932(2016)05-0587-07

    10.11840/j.issn.1001-6392.2016.05.013

    2015-08-03;

    2015-11-02

    曹兆偉(1987-),男,碩士研究生,主要從事數(shù)字圖像處理研究。電子郵箱:caozhaowei@live.com。

    猜你喜歡
    訓(xùn)練樣本海島神經(jīng)網(wǎng)絡(luò)
    冰與火共存的海島
    奧秘(2020年5期)2020-06-30 10:12:10
    人工智能
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    在海島度假
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    基于稀疏重構(gòu)的機載雷達(dá)訓(xùn)練樣本挑選方法
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    天堂影院成人在线观看| av国产精品久久久久影院| 日本wwww免费看| 成在线人永久免费视频| 老汉色av国产亚洲站长工具| 欧美黑人欧美精品刺激| 亚洲视频免费观看视频| 热re99久久国产66热| 欧美日韩亚洲国产一区二区在线观看| 国内久久婷婷六月综合欲色啪| 夜夜夜夜夜久久久久| 99久久综合精品五月天人人| 久久久久精品国产欧美久久久| 麻豆一二三区av精品| 亚洲午夜精品一区,二区,三区| 国产无遮挡羞羞视频在线观看| 女人被躁到高潮嗷嗷叫费观| 日韩欧美国产一区二区入口| 久久久久久久久中文| 亚洲成a人片在线一区二区| 中文字幕最新亚洲高清| 亚洲国产欧美网| 制服人妻中文乱码| 韩国av一区二区三区四区| 欧美日韩av久久| 国产成人免费无遮挡视频| 亚洲av片天天在线观看| 欧美日韩国产mv在线观看视频| 国产精品免费视频内射| 亚洲精品一区av在线观看| 色播在线永久视频| 精品久久久久久久久久免费视频 | 亚洲一区二区三区欧美精品| 精品国产一区二区三区四区第35| 国产不卡一卡二| 免费搜索国产男女视频| 99riav亚洲国产免费| 亚洲aⅴ乱码一区二区在线播放 | 丰满的人妻完整版| 99久久人妻综合| 亚洲国产看品久久| 久久天堂一区二区三区四区| 99在线人妻在线中文字幕| 露出奶头的视频| 日韩视频一区二区在线观看| 免费搜索国产男女视频| 欧美精品一区二区免费开放| 亚洲人成电影观看| 精品熟女少妇八av免费久了| 久久久久久亚洲精品国产蜜桃av| 国产免费男女视频| 国产真人三级小视频在线观看| 欧美日韩乱码在线| 精品欧美一区二区三区在线| 国产精品1区2区在线观看.| 成人三级黄色视频| 90打野战视频偷拍视频| 狂野欧美激情性xxxx| 午夜福利影视在线免费观看| 在线视频色国产色| 一个人观看的视频www高清免费观看 | 一进一出好大好爽视频| 久久久久九九精品影院| 精品国内亚洲2022精品成人| 99国产极品粉嫩在线观看| 91成年电影在线观看| 无人区码免费观看不卡| 黑人操中国人逼视频| 乱人伦中国视频| 午夜福利在线免费观看网站| 色综合欧美亚洲国产小说| 欧美 亚洲 国产 日韩一| 波多野结衣av一区二区av| 免费观看人在逋| 亚洲成国产人片在线观看| 超碰成人久久| 国产真人三级小视频在线观看| 大型av网站在线播放| 高清av免费在线| 激情在线观看视频在线高清| 欧美老熟妇乱子伦牲交| 一级作爱视频免费观看| 一本综合久久免费| 久久精品aⅴ一区二区三区四区| 亚洲一区二区三区欧美精品| 一级毛片精品| 亚洲成人精品中文字幕电影 | 日日夜夜操网爽| 大型黄色视频在线免费观看| 狠狠狠狠99中文字幕| 精品久久蜜臀av无| 精品福利观看| 91精品三级在线观看| 99精品久久久久人妻精品| 一级毛片精品| 精品一区二区三卡| 桃红色精品国产亚洲av| 黄片播放在线免费| 自线自在国产av| 亚洲性夜色夜夜综合| 桃色一区二区三区在线观看| 欧美精品啪啪一区二区三区| 他把我摸到了高潮在线观看| tocl精华| 窝窝影院91人妻| 久久人人97超碰香蕉20202| 国产精品爽爽va在线观看网站 | 亚洲男人天堂网一区| 一区二区三区精品91| svipshipincom国产片| 曰老女人黄片| 婷婷精品国产亚洲av在线| 午夜免费成人在线视频| 欧美人与性动交α欧美软件| 好看av亚洲va欧美ⅴa在| 黑人巨大精品欧美一区二区蜜桃| 久久香蕉国产精品| 国产精品久久久久久人妻精品电影| 精品国产一区二区久久| 精品一区二区三区四区五区乱码| 欧美最黄视频在线播放免费 | 亚洲视频免费观看视频| 精品福利永久在线观看| 麻豆国产av国片精品| 一进一出抽搐动态| 麻豆一二三区av精品| 欧美亚洲日本最大视频资源| 他把我摸到了高潮在线观看| 在线观看午夜福利视频| www.精华液| 色老头精品视频在线观看| 久久精品91蜜桃| 国产精品国产av在线观看| 人成视频在线观看免费观看| 校园春色视频在线观看| 曰老女人黄片| av欧美777| 久久精品影院6| 男女之事视频高清在线观看| 亚洲av第一区精品v没综合| 久99久视频精品免费| 天堂影院成人在线观看| 国产精品 国内视频| 大型av网站在线播放| 国产精品成人在线| 精品午夜福利视频在线观看一区| 好看av亚洲va欧美ⅴa在| 亚洲成人免费av在线播放| 国产av精品麻豆| 两人在一起打扑克的视频| netflix在线观看网站| 人人妻,人人澡人人爽秒播| 叶爱在线成人免费视频播放| 操美女的视频在线观看| 亚洲在线自拍视频| 少妇 在线观看| 两个人免费观看高清视频| 亚洲黑人精品在线| 亚洲第一欧美日韩一区二区三区| 国产伦一二天堂av在线观看| 午夜影院日韩av| 琪琪午夜伦伦电影理论片6080| 嫁个100分男人电影在线观看| 性欧美人与动物交配| 美国免费a级毛片| 婷婷精品国产亚洲av在线| 极品教师在线免费播放| 日本撒尿小便嘘嘘汇集6| 国产激情欧美一区二区| 嫩草影视91久久| 露出奶头的视频| 国产精品秋霞免费鲁丝片| 中文字幕av电影在线播放| 天堂俺去俺来也www色官网| 亚洲,欧美精品.| 久久久久国内视频| 精品一区二区三区av网在线观看| 一级a爱视频在线免费观看| 精品一区二区三卡| 日日干狠狠操夜夜爽| 桃色一区二区三区在线观看| 欧美日韩瑟瑟在线播放| 日韩成人在线观看一区二区三区| 俄罗斯特黄特色一大片| 中文字幕精品亚洲无线码一区| 亚洲成av人片在线播放无| 色哟哟哟哟哟哟| 91麻豆精品激情在线观看国产| 久久久久久久精品吃奶| 99热这里只有精品一区| 成人国产综合亚洲| 国产视频一区二区在线看| 日韩成人在线观看一区二区三区| 少妇裸体淫交视频免费看高清| 两人在一起打扑克的视频| 欧美乱色亚洲激情| 一进一出抽搐gif免费好疼| 国产av不卡久久| 欧美xxxx性猛交bbbb| 国产精品一区二区免费欧美| 亚洲va日本ⅴa欧美va伊人久久| 午夜福利在线观看免费完整高清在 | 简卡轻食公司| 国产在视频线在精品| 小蜜桃在线观看免费完整版高清| 中文亚洲av片在线观看爽| 国产伦精品一区二区三区视频9| 欧美一区二区国产精品久久精品| 可以在线观看的亚洲视频| 亚洲精品456在线播放app | 欧美激情国产日韩精品一区| 日韩免费av在线播放| 精品一区二区免费观看| 一个人免费在线观看电影| 午夜亚洲福利在线播放| 午夜激情欧美在线| 又黄又爽又刺激的免费视频.| 在线播放无遮挡| 99久久久亚洲精品蜜臀av| 97超视频在线观看视频| 99riav亚洲国产免费| av在线老鸭窝| 成年女人看的毛片在线观看| 免费电影在线观看免费观看| 国产高清有码在线观看视频| 如何舔出高潮| 少妇的逼水好多| 波多野结衣高清无吗| 免费看美女性在线毛片视频| 一级作爱视频免费观看| 乱人视频在线观看| 成人性生交大片免费视频hd| 看免费av毛片| 午夜福利在线在线| 日本黄色视频三级网站网址| 国产午夜福利久久久久久| 国产一区二区在线观看日韩| 国产高清有码在线观看视频| 久久久国产成人精品二区| netflix在线观看网站| 此物有八面人人有两片| 99久久精品热视频| 欧美午夜高清在线| 国产成人影院久久av| 天堂网av新在线| 免费在线观看影片大全网站| 在线免费观看的www视频| 嫁个100分男人电影在线观看| 日本一本二区三区精品| 看免费av毛片| 不卡一级毛片| 高清日韩中文字幕在线| 观看美女的网站| 亚洲第一欧美日韩一区二区三区| 亚洲午夜理论影院| 神马国产精品三级电影在线观看| 久久精品国产清高在天天线| 国产精品久久视频播放| 欧美极品一区二区三区四区| 成人永久免费在线观看视频| 国产精品综合久久久久久久免费| 天堂√8在线中文| 俺也久久电影网| 麻豆av噜噜一区二区三区| 国产成人aa在线观看| 亚洲av成人精品一区久久| 国产极品精品免费视频能看的| АⅤ资源中文在线天堂| 国产精品嫩草影院av在线观看 | 国产野战对白在线观看| 国产成人福利小说| 别揉我奶头~嗯~啊~动态视频| 亚洲天堂国产精品一区在线| 波野结衣二区三区在线| 亚洲精品日韩av片在线观看| 久久久久久大精品| 免费在线观看亚洲国产| 在线十欧美十亚洲十日本专区| 久久久久久久久大av| 在现免费观看毛片| 成人欧美大片| 婷婷精品国产亚洲av在线| 乱人视频在线观看| 国产v大片淫在线免费观看| 欧美日韩瑟瑟在线播放| 99国产极品粉嫩在线观看| 午夜亚洲福利在线播放| 国产成人啪精品午夜网站| 国产极品精品免费视频能看的| 女生性感内裤真人,穿戴方法视频| xxxwww97欧美| 又黄又爽又免费观看的视频| 精品人妻视频免费看| 超碰av人人做人人爽久久| 成人亚洲精品av一区二区| 国产熟女xx| 在线十欧美十亚洲十日本专区| 日本与韩国留学比较| 日本免费a在线| 欧美丝袜亚洲另类 | 性欧美人与动物交配| 国产精品人妻久久久久久| 亚洲美女黄片视频| 一级毛片久久久久久久久女| 亚洲欧美激情综合另类| 日日摸夜夜添夜夜添av毛片 | 日本黄大片高清| 免费高清视频大片| 欧美日韩福利视频一区二区| 91在线观看av| 精品久久久久久,| АⅤ资源中文在线天堂| 好男人在线观看高清免费视频| 色av中文字幕| 亚洲欧美日韩东京热| av天堂在线播放| 免费观看人在逋| 特大巨黑吊av在线直播| 亚洲av二区三区四区| 国产成年人精品一区二区| 午夜精品久久久久久毛片777| 国产亚洲精品综合一区在线观看| 丁香欧美五月| 成人无遮挡网站| 男女那种视频在线观看| 成人av一区二区三区在线看| 国产一区二区在线av高清观看| x7x7x7水蜜桃| 久久国产精品影院| 国产主播在线观看一区二区| 性插视频无遮挡在线免费观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久国产精品人妻蜜桃| 一区二区三区激情视频| 天堂√8在线中文| 色视频www国产| av天堂中文字幕网| 国产私拍福利视频在线观看| 精品熟女少妇八av免费久了| 99国产精品一区二区三区| avwww免费| 十八禁人妻一区二区| 国产高清三级在线| 三级男女做爰猛烈吃奶摸视频| 色综合站精品国产| 欧美丝袜亚洲另类 | 亚洲av成人精品一区久久| 国产乱人视频| 最近中文字幕高清免费大全6 | 丝袜美腿在线中文| 国产又黄又爽又无遮挡在线| 老熟妇仑乱视频hdxx| 欧美性猛交黑人性爽| 老司机午夜福利在线观看视频| 天天一区二区日本电影三级| 亚洲熟妇中文字幕五十中出| 无人区码免费观看不卡| 欧美最新免费一区二区三区 | 91久久精品国产一区二区成人| 国产精品一区二区免费欧美| 999久久久精品免费观看国产| www.999成人在线观看| 一级黄片播放器| 黄色配什么色好看| 男女床上黄色一级片免费看| 久久草成人影院| 悠悠久久av| 欧美性猛交╳xxx乱大交人| 麻豆av噜噜一区二区三区| 日本黄色视频三级网站网址| 欧美性感艳星| 91麻豆av在线| 欧美区成人在线视频| 男女床上黄色一级片免费看| 99精品久久久久人妻精品| 亚洲va日本ⅴa欧美va伊人久久| 免费av毛片视频| 欧美日韩福利视频一区二区| 少妇的逼水好多| 午夜福利在线在线| 最后的刺客免费高清国语| 日日摸夜夜添夜夜添小说| 成人三级黄色视频| 男人和女人高潮做爰伦理| av专区在线播放| 2021天堂中文幕一二区在线观| 桃红色精品国产亚洲av| 人人妻人人看人人澡| 久久精品国产自在天天线| 一进一出抽搐动态| 亚洲内射少妇av| 国产成人av教育| 在线天堂最新版资源| 亚洲综合色惰| 99精品久久久久人妻精品| h日本视频在线播放| 床上黄色一级片| 久久草成人影院| 亚洲国产高清在线一区二区三| 亚洲av日韩精品久久久久久密| 亚洲avbb在线观看| ponron亚洲| 色播亚洲综合网| 欧美最黄视频在线播放免费| 婷婷精品国产亚洲av在线| 男插女下体视频免费在线播放| 天堂av国产一区二区熟女人妻| 国产精品av视频在线免费观看| 国产精华一区二区三区| 在线观看舔阴道视频| 午夜福利欧美成人| av女优亚洲男人天堂| 在线a可以看的网站| 午夜福利免费观看在线| 丰满人妻熟妇乱又伦精品不卡| www日本黄色视频网| 国产精品伦人一区二区| 午夜福利在线在线| 久久午夜亚洲精品久久| 亚洲av五月六月丁香网| 最近中文字幕高清免费大全6 | 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| 亚洲无线在线观看| 国产在视频线在精品| 精品久久久久久久久亚洲 | 高清毛片免费观看视频网站| 国产成+人综合+亚洲专区| 国产欧美日韩精品亚洲av| 国内久久婷婷六月综合欲色啪| 午夜免费成人在线视频| 亚洲欧美日韩高清专用| 午夜视频国产福利| 国产精品久久久久久精品电影| 无人区码免费观看不卡| 国产精品亚洲一级av第二区| 99国产综合亚洲精品| 欧美一级a爱片免费观看看| 国内揄拍国产精品人妻在线| 非洲黑人性xxxx精品又粗又长| 色哟哟哟哟哟哟| 亚洲国产精品成人综合色| a级毛片免费高清观看在线播放| 亚洲国产精品久久男人天堂| 美女免费视频网站| 亚洲欧美激情综合另类| 精品一区二区三区人妻视频| 夜夜爽天天搞| 91九色精品人成在线观看| 久久精品影院6| 99久久成人亚洲精品观看| 久久精品国产自在天天线| 日本黄色片子视频| 国产爱豆传媒在线观看| 夜夜爽天天搞| 中文资源天堂在线| 国产亚洲欧美在线一区二区| 久久人妻av系列| 国产av在哪里看| 久久久色成人| 国产乱人伦免费视频| 一夜夜www| 国产激情偷乱视频一区二区| 深夜精品福利| 国产成人啪精品午夜网站| 人人妻人人澡欧美一区二区| 国产欧美日韩一区二区精品| 成人国产综合亚洲| 国产一区二区三区在线臀色熟女| 高潮久久久久久久久久久不卡| 午夜福利18| 久久99热6这里只有精品| 日韩人妻高清精品专区| 成人午夜高清在线视频| 国产av麻豆久久久久久久| 色综合亚洲欧美另类图片| 欧美色欧美亚洲另类二区| 亚洲 欧美 日韩 在线 免费| 啪啪无遮挡十八禁网站| 欧美日本视频| 美女黄网站色视频| 久久久国产成人精品二区| 成人国产一区最新在线观看| 精品一区二区三区视频在线| 又黄又爽又免费观看的视频| 超碰av人人做人人爽久久| 午夜视频国产福利| 在线免费观看的www视频| 欧美另类亚洲清纯唯美| 国产三级在线视频| 国产美女午夜福利| 精品一区二区三区人妻视频| 嫁个100分男人电影在线观看| 亚洲成人免费电影在线观看| 亚洲欧美日韩卡通动漫| 国产激情偷乱视频一区二区| 国产伦精品一区二区三区视频9| 99热6这里只有精品| 动漫黄色视频在线观看| 日本a在线网址| 脱女人内裤的视频| 亚洲片人在线观看| 在线免费观看不下载黄p国产 | av福利片在线观看| 午夜福利在线观看吧| 中文亚洲av片在线观看爽| 嫁个100分男人电影在线观看| 身体一侧抽搐| 日韩亚洲欧美综合| 成人毛片a级毛片在线播放| 一级黄片播放器| 无遮挡黄片免费观看| 老司机午夜十八禁免费视频| 大型黄色视频在线免费观看| 别揉我奶头~嗯~啊~动态视频| 免费在线观看影片大全网站| 久久午夜亚洲精品久久| 网址你懂的国产日韩在线| 一区二区三区四区激情视频 | 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av美国av| 亚洲不卡免费看| 一级a爱片免费观看的视频| 亚洲欧美日韩高清专用| 婷婷精品国产亚洲av| 国产伦人伦偷精品视频| av专区在线播放| 久久久久久久久大av| 99热这里只有精品一区| 成人三级黄色视频| 99热6这里只有精品| 人妻夜夜爽99麻豆av| 亚洲精品久久国产高清桃花| 少妇人妻精品综合一区二区 | 欧美极品一区二区三区四区| 成人特级黄色片久久久久久久| 岛国在线免费视频观看| 亚洲av中文字字幕乱码综合| 亚洲自偷自拍三级| 最近最新中文字幕大全电影3| 欧美午夜高清在线| 国产高清三级在线| 亚洲,欧美精品.| 亚洲av不卡在线观看| 亚洲乱码一区二区免费版| 亚洲成人久久爱视频| 成年女人看的毛片在线观看| 亚洲精品影视一区二区三区av| 欧美激情久久久久久爽电影| 国产一区二区三区在线臀色熟女| 国产在线男女| 97超视频在线观看视频| 中文字幕人妻熟人妻熟丝袜美| 国产精品av视频在线免费观看| 婷婷丁香在线五月| 人人妻人人澡欧美一区二区| 狂野欧美白嫩少妇大欣赏| 永久网站在线| 男插女下体视频免费在线播放| 亚洲精品一卡2卡三卡4卡5卡| 久久6这里有精品| 99国产精品一区二区三区| 俄罗斯特黄特色一大片| 美女被艹到高潮喷水动态| 国产精品一区二区三区四区久久| 国产又黄又爽又无遮挡在线| 久久久成人免费电影| 人妻久久中文字幕网| 丁香欧美五月| 久久草成人影院| 少妇人妻一区二区三区视频| 最新在线观看一区二区三区| 国产精品影院久久| 国产精品美女特级片免费视频播放器| 国产一区二区三区视频了| 男人的好看免费观看在线视频| 国产视频一区二区在线看| 嫁个100分男人电影在线观看| 国产免费一级a男人的天堂| 亚洲欧美日韩高清专用| 亚洲成人久久性| 精品熟女少妇八av免费久了| 99国产极品粉嫩在线观看| 99久久精品国产亚洲精品| 日本五十路高清| 国产69精品久久久久777片| 亚洲成人中文字幕在线播放| 欧美黄色淫秽网站| www日本黄色视频网| 亚洲国产精品久久男人天堂| 久久精品国产清高在天天线| av在线老鸭窝| 亚洲熟妇熟女久久| 国产av麻豆久久久久久久| 久久久久久国产a免费观看| 欧美日本视频| 久久6这里有精品| 亚洲人成网站在线播放欧美日韩| 免费观看的影片在线观看| 国产高清视频在线播放一区| 一进一出抽搐动态| av天堂在线播放| 成熟少妇高潮喷水视频| 日韩欧美一区二区三区在线观看| 在线播放国产精品三级| 深夜精品福利| 日日摸夜夜添夜夜添小说| 国产一区二区三区在线臀色熟女| 欧美乱色亚洲激情| 91久久精品国产一区二区成人| 中文亚洲av片在线观看爽| 99精品久久久久人妻精品| 村上凉子中文字幕在线| 久久伊人香网站| 久久久久久久久久黄片|