• <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 ?

    濱海濕地稀疏采樣重構(gòu)高光譜圖像分類精度評(píng)價(jià)

    2017-05-12 11:29:15孫欽佩
    海洋技術(shù)學(xué)報(bào) 2017年2期
    關(guān)鍵詞:空域重構(gòu)光譜

    孫欽佩,馬 毅,張 杰*

    (1.山東科技大學(xué),山東 青島 266590;2.國(guó)家海洋局第一海洋研究所,山東 青島 266061)

    濱海濕地稀疏采樣重構(gòu)高光譜圖像分類精度評(píng)價(jià)

    孫欽佩1,2,馬 毅1,2,張 杰1,2*

    (1.山東科技大學(xué),山東 青島 266590;2.國(guó)家海洋局第一海洋研究所,山東 青島 266061)

    高光譜遙感影像維數(shù)高、數(shù)據(jù)量大、波段之間的相關(guān)性強(qiáng),分類時(shí)易出現(xiàn)"Hughes"現(xiàn)象,因此在分類過(guò)程中如何有效減小數(shù)據(jù)處理過(guò)程中的計(jì)算量,又保證原始數(shù)據(jù)重要的地物信息不丟失具有重要的意義。壓縮感知理論可通過(guò)遠(yuǎn)低于耐奎斯特的采樣率和少量觀測(cè)數(shù)據(jù)實(shí)現(xiàn)信號(hào)的精確重構(gòu),具有對(duì)硬件讀寫(xiě)要求低、圖像恢復(fù)效果好等優(yōu)勢(shì)。通過(guò)利用基于小波變換的壓縮感知算法對(duì)黃河口地區(qū)的高光譜影像進(jìn)行圖像重構(gòu),然后分別采用SVM算法、最大似然法以及神經(jīng)網(wǎng)絡(luò)分類法對(duì)重構(gòu)后的影像進(jìn)行分類,并對(duì)分類結(jié)果的精度分別從空域和小波域、不同的測(cè)量值等維度進(jìn)行了分析和比較。結(jié)果表明:(1)壓縮感知理論重構(gòu)后的影像保留了原始影像的基本信息,保證了分類精度;(2)SVM算法的分類精度最好,空域和小波域的分類精度基本一致;(3)分類精度隨測(cè)量值的增加先逐漸提高,然后趨于穩(wěn)定。

    高光譜影像;稀疏采樣;壓縮感知;圖像分類

    濱海濕地是陸地生態(tài)系統(tǒng)和海洋生態(tài)系統(tǒng)的交錯(cuò)過(guò)渡地帶,主要包括灘涂濕地、淺海濕地、島嶼濕地等。濱海濕地?fù)碛斜姸嘁吧鷦?dòng)植物資源,并且具有強(qiáng)大的生態(tài)凈化作用,是重要的生態(tài)系統(tǒng),因此對(duì)濕地及濕地中的豐富物種的研究及保護(hù)具有重要的意義。

    高光譜遙感影像將傳統(tǒng)的圖像維和光譜維信息融為一體,實(shí)現(xiàn)了“圖譜合一”,在對(duì)目標(biāo)的空間特征成像的同時(shí),每個(gè)空間像元覆蓋了幾十乃至幾百個(gè)窄波段連續(xù)的光譜,提供了地面單元精細(xì)的光譜特征。通過(guò)對(duì)圖像和光譜數(shù)據(jù)進(jìn)行處理,可以獲得大量隱含的特征信息,用于地物的識(shí)別、分類等。分類是遙感影像數(shù)據(jù)處理中關(guān)鍵內(nèi)容之一,通過(guò)分類可以獲得諸多精細(xì)的高光譜信息。但是高光譜數(shù)據(jù)在提供豐富信息的同時(shí),由于不同波段,特別是相鄰長(zhǎng)波段之間往往具有較強(qiáng)的相關(guān)性,導(dǎo)致信息冗余,對(duì)數(shù)據(jù)的存儲(chǔ)和傳輸提出了更高的要求;此外,直接利用所有的波段信息進(jìn)行分類時(shí),亦有可能會(huì)使分類精度降低。如何既能有效地降低高光譜圖像處理過(guò)程中的復(fù)雜度又可以保證分類的精度,對(duì)高光譜數(shù)據(jù)處理具有重要的意義。因此,有必要對(duì)圖像分類后的精度進(jìn)行評(píng)價(jià)。

    1996 年,Olshausen[1]等指出自然圖像本身存在稀疏性,并揭示了圖像數(shù)據(jù)的稀疏本質(zhì),目前已經(jīng)有很多學(xué)者成功地將稀疏表示理論應(yīng)用到了圖像分類中。Siddiqui[2]等提出稀疏主成分分析方法,將稀疏表示方法應(yīng)用于高光譜圖像分類;Yi Chen[3-4]等將稀疏表示用于高光譜遙感圖像的分類和目標(biāo)檢測(cè)中,并與支持向量機(jī)(Support vector machine,SVM)等方法進(jìn)行了對(duì)比分析;何同弟[5]等提出了自適應(yīng)的稀疏表示方法來(lái)進(jìn)行高光譜遙感圖像分類;宋相法[6]等結(jié)合稀疏表示和光譜信息,利用隨機(jī)森林法對(duì)高光譜遙感圖像進(jìn)行了分類。但由于基于規(guī)則信號(hào)進(jìn)行重建缺乏泛化性能,為了克服這種局限性,杜培軍[7]等提出一種通過(guò)字典重建和帶有全變差的稀疏表示模型規(guī)則化的判別分類器學(xué)習(xí)方法,并取得了較好的分類效果。以上方法均利用稀疏理論產(chǎn)生的特征進(jìn)行分類。2006年,D.Donoho和E. eandesJ.Romberg[8-10]等在稀疏理論的基礎(chǔ)上提出了壓縮感知(Compressed Sensing,CS)理論框架,將稀疏理論發(fā)展到一個(gè)新的高度[11],到目前為止壓縮感知理論已經(jīng)成功應(yīng)用到攝影、醫(yī)學(xué)、人臉識(shí)別、地球物理和遙感等領(lǐng)域[12-16]。在高光譜影像分類方面,其分類算法通常分為監(jiān)督分類和非監(jiān)督分類,代表性的監(jiān)督分類方法主要有支持向量機(jī)法、最大似然法、神經(jīng)網(wǎng)絡(luò)法和最小距離法等;非監(jiān)督分類法主要有ISODATA法和K均值聚類方法等。以上這些分類方法直接對(duì)圖像進(jìn)行分類處理,計(jì)算量較大。壓縮感知理論,以遠(yuǎn)低于耐奎斯特的采樣率進(jìn)行采樣,通過(guò)少量觀測(cè)數(shù)據(jù)即可精確重構(gòu)原始信號(hào),是一種對(duì)存儲(chǔ)和傳輸要求低、圖像恢復(fù)效果好的圖像重構(gòu)算法。通過(guò)壓縮感知算法對(duì)圖像進(jìn)行稀疏采樣重構(gòu),既可以降低圖像處理的復(fù)雜度,又保留了圖像的基本信息,對(duì)高光譜數(shù)據(jù)處理具有重要的意義。

    本文通過(guò)對(duì)一景地物類型豐富的濱海濕地PROBA CHRIS高光譜遙感圖像進(jìn)行處理,采用基于小波變換的壓縮感知算法進(jìn)行圖像重構(gòu),然后分別利用SVM法、最大似然法以及神經(jīng)網(wǎng)絡(luò)分類方法對(duì)重構(gòu)后的影像進(jìn)行分類,并對(duì)分類后的結(jié)果精度分別從空域和小波域、不同的測(cè)量值等維度進(jìn)行了分析和比較。

    1 數(shù)據(jù)與方法

    1.1 數(shù)據(jù)

    (1)CHRIS影像黃河口數(shù)據(jù)。 CHRIS是ESA搭載于小衛(wèi)星PROBA上的傳感器,全稱為緊湊式高分辨率成像光譜儀,具有5種成像模式(見(jiàn)表1),可獲取0°,+36°,-36°,+55°和-55°等5種角度的高光譜圖像。本文應(yīng)用的實(shí)驗(yàn)數(shù)據(jù)選自2012年6月CHRIS利用工作模式2獲取的黃河口濱海濕地的0°圖像(圖1),其光譜范圍為406~1 035 nm,光譜分辨率為1.25~11.00 nm,地面分辨率17 m。CHRIS圖像覆蓋的區(qū)域位于黃河入??谛吕虾拥澜唤缣?。該區(qū)域濕地地物豐富,包含有天然濕地和人工濕地,其中包括蘆葦、翅堿蓬、檉柳和灘涂等天然濕地和養(yǎng)殖水面、水庫(kù)等人工濕地。

    圖1 研究區(qū)影像示意圖

    圖2 實(shí)驗(yàn)驗(yàn)證數(shù)據(jù)

    表1 CHRIS衛(wèi)星遙感影像詳細(xì)參數(shù)

    (2)驗(yàn)證數(shù)據(jù)。 實(shí)驗(yàn)所采用的驗(yàn)證數(shù)據(jù)是根據(jù)所獲取的影像數(shù)據(jù)和現(xiàn)場(chǎng)踏勘的資料,然后經(jīng)人工解譯而成。研究區(qū)域總共劃分為5個(gè)類別,其中深藍(lán)色區(qū)域表示水體,淺藍(lán)色區(qū)域表示灘涂與裸地,紅色區(qū)域表示蘆葦,綠色區(qū)域表示堿蓬檉柳混生,黃色區(qū)域表示互花米草,如圖2所示。

    1.2 方法

    1.2.1 壓縮感知算法 經(jīng)典的香農(nóng)采樣定理認(rèn)為,為了不失真地恢復(fù)模擬信號(hào),采樣頻率應(yīng)不小于模擬信號(hào)頻譜中高頻率的2倍,因此,數(shù)據(jù)中存在較大程度冗余。Donoho[8]等提出的壓縮感知方法充分運(yùn)用了大部分信號(hào)可以稀疏表示這一先驗(yàn)信息,利用隨機(jī)投影在遠(yuǎn)低于奈奎斯特頻率的采樣頻率下,對(duì)壓縮數(shù)據(jù)進(jìn)行了直接采集,突破了香農(nóng)采樣定理的瓶頸,使得在第一頻域內(nèi)高分辨率信號(hào)的采集成為可能。壓縮感知理論指出,如果信號(hào)在某一變換域內(nèi)是k稀疏的,那么可以設(shè)計(jì)一個(gè)與表達(dá)基不相關(guān)的非滿秩矩陣(測(cè)量矩陣)來(lái)對(duì)信號(hào)進(jìn)行測(cè)量,該測(cè)量值的長(zhǎng)度遠(yuǎn)小于原始信號(hào)的長(zhǎng)度,然后利用測(cè)量值,通過(guò)求解一個(gè)凸最優(yōu)化問(wèn)題來(lái)實(shí)現(xiàn)原始信號(hào)的重構(gòu)。常用的稀疏基有正交基、正弦基、余弦基、傅里葉基以及小波基等,本文采用的是小波基。

    假設(shè)圖X可用小波基Ψ=[Ψ1,Ψ2…,Ψm]的線性組合表示,即:

    當(dāng)圖像X在小波基ψ上僅有k<<n個(gè)非零系數(shù)αk時(shí),稱ψ為X的表達(dá)基。將圖像X通過(guò)Hadamard測(cè)量矩陣Φ[φ1,φ2,…,φm]投影到Y(jié),即:

    將式(1)代入式(2),則有:

    由于α是k稀疏的,且k<<n,則可以利用稀疏分解算法,在表達(dá)基ψ和測(cè)量矩陣Φ不相關(guān)的情形下,通過(guò)式(3)就可求解得到稀疏系數(shù)α。利用小波壓縮感知進(jìn)行圖像重構(gòu)的過(guò)程包括:通過(guò)測(cè)量矩陣Φ計(jì)算測(cè)量投影值Y,應(yīng)用式(3)求解稀疏系數(shù)α,將稀疏系數(shù)α代入式(1)就可重構(gòu)圖像Xˉ。

    1.2.2 遙感圖像分類算法 常見(jiàn)的高光譜分類方法主要有SVM法、最大似然法、決策樹(shù)方法、神經(jīng)網(wǎng)絡(luò)法和最小距離法等。本文主要采用SVM法、最大似然法、以及神經(jīng)網(wǎng)絡(luò)分類法對(duì)圖像進(jìn)行分類。

    (1)支持向量機(jī)法(SVM)。支持向量機(jī)(Support Vector Machine,SVM)是針對(duì)兩類問(wèn)題的判別分類器,以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為基礎(chǔ)(Vapnik,1998),其目的是在特征空間中尋找擁有最大分類間隔的線性判別準(zhǔn)則[17]。通過(guò)使用一個(gè)非線性映射p,將樣本空間映射到一個(gè)高維特征空間中使其線性可分。在特征空間中建構(gòu)最優(yōu)分割超平面,轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問(wèn)題的求解,使其間隔最大化,使得學(xué)習(xí)器得到全局最優(yōu)化。SVM作為一種最新的也是最有效的統(tǒng)計(jì)學(xué)習(xí)方法,因其適用高維特征以及小樣本不確定性問(wèn)題,是一種極具潛力的高光譜分類方法[18]。

    (2)最大似然法(MLC)。最大似然分類法根據(jù)最大似然比貝葉斯判決準(zhǔn)則法,采用統(tǒng)計(jì)方法對(duì)感興趣區(qū)域進(jìn)行計(jì)算,建立非線性判別函數(shù)集,假設(shè)分布函數(shù)為正態(tài)分布。將待分類圖像中的每個(gè)像元代入各個(gè)類別的分類函數(shù),將函數(shù)返回值最大的類別作為該像元的歸屬類別,從而達(dá)到分類的效果。

    在遙感影像的分類中,最大似然法假設(shè)影像多波段數(shù)據(jù)的分布為多維正態(tài)分布,以此來(lái)構(gòu)造判別分類函數(shù)。其基本思想是:每一個(gè)波段的每一類像元數(shù)據(jù)均形成一個(gè)正態(tài)分布,因此該類多波段數(shù)據(jù)便構(gòu)成自身的一個(gè)多維正態(tài)分布,不同種類訓(xùn)練樣本構(gòu)造出各類的多維正態(tài)分布模型,即概率密度函數(shù)或概率分布函數(shù),對(duì)于未知類別的數(shù)據(jù)向量,通過(guò)貝葉斯公式計(jì)算其屬于各個(gè)類別的概率大小,根據(jù)概率的大小對(duì)像元進(jìn)行分類。

    (3)神經(jīng)網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理的數(shù)學(xué)模型,通過(guò)模擬動(dòng)物神經(jīng)元的行為和神經(jīng)系統(tǒng)的組織結(jié)構(gòu),構(gòu)建仿真網(wǎng)絡(luò)系統(tǒng),借助于調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到信息處理的目的。神經(jīng)網(wǎng)絡(luò)的基本單元是神經(jīng)元,把多個(gè)神經(jīng)元按一定的層次結(jié)構(gòu)連接起來(lái),便可得到神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程,本質(zhì)上是根據(jù)訓(xùn)練數(shù)據(jù)來(lái)調(diào)整神經(jīng)元之間的連接權(quán)值以及每個(gè)功能神經(jīng)元的閾值。

    1.2.3 對(duì)比試驗(yàn)設(shè)計(jì) (1)將測(cè)量值設(shè)置為200,測(cè)量在空域執(zhí)行,將重構(gòu)后圖像分別采用SVM方法、最大似然法以及神經(jīng)分類的方法,結(jié)果與參考樣方進(jìn)行視覺(jué)分析和定量分析。分別從總體分類精度、Kappa系數(shù)等方面進(jìn)行比較分析;(2)將采樣數(shù)分別設(shè)置為300,400,500,600和700,然后按以上幾方面進(jìn)行比較;(3)測(cè)量在小波域執(zhí)行,實(shí)驗(yàn)操作同上;然后將在空域執(zhí)行和小波域執(zhí)行的3種方法分類結(jié)果分別進(jìn)行比較。

    2 結(jié)果與分析

    從圖3可見(jiàn),隨著測(cè)量值M的增加,重構(gòu)后的影像越來(lái)越清晰,當(dāng)M值取600時(shí),重構(gòu)后的影像基本與原始影像一致。未經(jīng)壓縮的原始影像分別采用SVM方法、最大似然法以及神經(jīng)法分類后的結(jié)果如圖4所示,其中采用SVM分類方法的總體精度為83.07%,Kappa系數(shù)為0.78;最大似然法分類的總體精度為81.84%,Kappa系數(shù)為0.76;神經(jīng)網(wǎng)絡(luò)法分類的總體精度為 79.36%,Kappa系數(shù)為0.73。

    圖3 不同測(cè)量值重構(gòu)影像

    圖4 原始影像不同算法分類結(jié)果

    表2 不同測(cè)量值下3種算法分別在空域和小波域分類結(jié)果總體精度

    2.1 不同分類算法的分類精度比較與分析

    當(dāng)測(cè)量值M取200的時(shí),分別采用上述3種方法在空域上進(jìn)行分類后的結(jié)果如圖5所示;顯然,與原始影像分類結(jié)果相比,測(cè)量值為200時(shí)的分類結(jié)果有較多混合斑塊,部分地物沒(méi)有明顯的區(qū)分出來(lái)。此時(shí)SVM分類方法的總體精度為79.80%,Kappa系數(shù)為0.73;最大似然法分類的總體精度為76.82%,Kappa系數(shù)為0.70;神經(jīng)網(wǎng)絡(luò)法分類的總體精度為76.27%,Kappa系數(shù)為0.69。改變測(cè)量值M的取值,同時(shí)在空域和小波域執(zhí)行后的結(jié)果分別如圖6所示。

    圖5 測(cè)量值M=200時(shí)不同算法分類結(jié)果

    圖6 不同算法分類精度

    從圖6可見(jiàn),3種分類方法中,無(wú)論測(cè)量值M取值為多少,SVM法分類效果最佳,總體精度最高,最大似然法次之。其中,SVM法和最大似然法在空域和小波域的執(zhí)行結(jié)果基本一致,而神經(jīng)網(wǎng)絡(luò)方法的精度在空域和小波域的精度相差起伏較大。

    圖7 不同測(cè)量值的分類精度

    2.2 不同測(cè)量值的分類精度比較與分析

    從圖7可見(jiàn),當(dāng)測(cè)量值取值較小時(shí),3種方法分類結(jié)果的總體精度較低,隨著測(cè)量值的增加,SVM方法以及最大似然法的分類精度也隨之增加;雖然空域和小波域的執(zhí)行結(jié)果相差較小,但小波域的分類精度相對(duì)較高,其中SVM方法在小波域比空域的平均分類精度提高約0.02%,最大似然法在小波域比空域的平均分類精度提高約0.14%。神經(jīng)網(wǎng)絡(luò)法的分類精度隨測(cè)量值的變化較大,但同樣在小波域的分類精度較高,其平均精度比在空域的精度提高約0.35%,當(dāng)測(cè)量值M取值350時(shí),其分類精度約81.37%,相對(duì)于未經(jīng)壓縮的原始影像的分類結(jié)果,精度提高約2%。

    2.3 不同執(zhí)行域的分類精度比較與分析

    從圖8可見(jiàn),SVM方法在小波域和空域的分類精度均為最高;最大似然法的精度變化趨勢(shì)與SVM法一致,隨著測(cè)量值M的增加,分類精度呈增長(zhǎng)趨勢(shì),但當(dāng)測(cè)量值增加到500時(shí),兩種方法的分類精度達(dá)到一個(gè)峰值(其中,SVM方法在空域分類精度為 82.92%,與原始影像的分類精度相差0.16%),此后,分類精度基本呈平穩(wěn)趨勢(shì),而當(dāng)測(cè)量值取700時(shí),分類精度再次達(dá)到一個(gè)峰值,SVM方法在小波域的分類精度達(dá)到83.07%,比原始影像的分類精度降低約0.0065%,最大似然法在小波域的分類精度為80.86%,比原始影像的分類精度降低約0.98%。神經(jīng)網(wǎng)絡(luò)方法的分類精度變化起伏較大,其精度最高時(shí)為當(dāng)測(cè)量值取350時(shí)在空域分類結(jié)果,精度為81.37%,相對(duì)于原始影像分類精度,提高約2%;當(dāng)測(cè)量值為450時(shí),小波域的分類結(jié)果的分類精度為81.65%,相對(duì)于原始影像分類結(jié)果,提高約2.3%。

    圖8 不同執(zhí)行域的分類精度

    3 結(jié)論與討論

    本文通過(guò)采用基于小波變換的壓縮感知算法對(duì)黃河口地區(qū)的高光譜影像進(jìn)行了圖像重構(gòu),然后分別利用SVM法、最大似然法以及神經(jīng)網(wǎng)絡(luò)分類方法對(duì)重構(gòu)后的影像進(jìn)行分類,并對(duì)分類后的結(jié)果精度分別從空域和小波域、不同的測(cè)量值等維度進(jìn)行了分析和比較。得出以下結(jié)論:

    (1)重構(gòu)后的影像保留了原始影像的基本信息,保證了分類精度;

    (2)無(wú)論是在空域還是小波域,SVM法的分類精度均為最佳,最大似然法次之,且算法相對(duì)穩(wěn)定;

    (3)空域和小波域的執(zhí)行結(jié)果基本一致,故可認(rèn)為執(zhí)行域?qū)χ貥?gòu)的結(jié)果影響微??;

    (4)SVM法和最大似然法分類精度均隨測(cè)量值的增加,先逐漸提高,然后趨于穩(wěn)定,而神經(jīng)網(wǎng)絡(luò)法分類精度隨觀測(cè)值變化起伏較大。

    總體概括來(lái)說(shuō),壓縮重構(gòu)后的高光譜影像既減少了處理過(guò)程中的復(fù)雜度,又保證了分類精度,這對(duì)高光譜影像的處理和研究具有重要的意義。

    由于測(cè)量矩陣選取測(cè)量值時(shí)具有一定隨機(jī)性,實(shí)驗(yàn)中,同一測(cè)量值重構(gòu)后的影像分類精度略有不同,但對(duì)整體結(jié)果影響較小。如何選擇最佳觀測(cè)值,使得分類精度最高仍需進(jìn)一步探討。

    [1]Olshausen B A,Field D J.Emergence ofsimple-cell receptive field properties by learning a sparse code for natural images[J].Nature, 1996,381(6583):607-609.

    [2]Siddiqui S,Robila S,Peng J,et al.C for Hyperspectral Data Classification[C]//IEEE International Geoscience&Remote Sensing Symposium,IGARSS2008,July8-11,2008,Boston,Massachusetts,USA,Proceedings.2008:577-580.

    [3]Chen Y,Nasrabadi N M,Tran T D.Sparse representation for target detection in hyperspectral[J].IEEE Journal of Selected Topics in Signal Processing,2011,5(3):629-640.

    [4]Chen Y,Nasrabadi N M,Tran T D.Classification for hyperspectral imagery based on sparse representation[C]//The Workshop on Hyperspectral Image&Signal Processing:Evolution in Remote Sensing.2010:1-4.

    [5]何同弟,李見(jiàn)為.基于自適應(yīng)稀疏表示的高光譜遙感圖像分類[J].系統(tǒng)工程與電子技術(shù),2013,5(9):1994-1998.

    [6]宋相法,焦李成.基于稀疏表示及光譜信息的高光譜遙感圖像分類[J].電子與信息學(xué)報(bào),2011,34(2):268-272.

    [7]Du P,Xue Z,Li J,et al.Learning discriminative sparse representations for hyperspectral image classification[J].IEEE Journal of Selected Topics in Signal Processing,2015,9(6):1-1.

    [8]E.Candès,J.Romberg and T.Tao.Robust uncertainty principles:Exact signal reconstruction from highly incomplete frequency information.IEEE Transactions on Information Theory,2006,52(2):489-509.

    [9]E Candès,T Tao.Near optimal signal recovery from random projections:Universal encoding strategies?[J].IEEE Transactions on Information Theory,2006,52(12):5406-5425.

    [10]DDonoho.Compressed sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

    [11]李樹(shù)濤,等.壓縮傳感綜述[J].自動(dòng)化學(xué)報(bào),2009,35(11):1369-1377.

    [12]Duarte MF,et a1.Single pixel imaging via compressive sampling[building simpler,smaller,and less-expensive digital cameras][J]. IEEE Signal ProcessingMagazine,2008,25(2):83-91.

    [13]LustigM,et a1.Compressed sensingMRI[J].IEEE Signal ProcessingMagazine,2008,25(2):72-82.

    [14]Wright J,et a1.Robust face recognition via sparse representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009,31(2):210-227.

    [15]Hennenfent G,Herrmann F J.Simply denoise:wavefield reconstruction via jittered undersampling[J].Geophysics,2008,73(3): 19-28.

    [16]Baraniuk R Steeghs P C.Compressive radar imaging.[C]//2007 IEEE Radar Conference,Boston,128-133.

    [17]Vapnik VN.Statistical LearningTheory[M].NewYork:Wiley,1998

    [18]杜培軍,林卉,孫敦新.基于支持向量機(jī)的高光譜遙感分類進(jìn)展[J].測(cè)繪通報(bào),2006(12):37-40.

    Evaluation of the Classification Accuracy of Coastal Wetland Hyperspectral Image Reconstructed from Sparse Sampling

    SUN Qin-pei1,2,MA Yi1,2,ZHANG Jie1,2
    1.Shandong University of Science and Technology,Qingdao 266590,Shandong Province,China; 2.First Institute of Oceanography,State Oceanic Administration,Qingdao 266061,Shandong Province,China

    As is known to all that the hyperspectral remote sensing images have the characteristics of high dimensionality,data volume,as well as strong correlation between bands,so it tends to appear the"Hughes" phenomenon in the process of classification.Therefore,it is of great significance to effectively reduce the data processing computation in the process of classification while keeping the important feature information of the original data.The compressed sensing theory,well known as its low sampling rate,presents sampling at a rate much lower than the Nyquist sampling rate,and the signals can be accurately reconstructed with a small amount of observation data.It is a kind of image reconstruction algorithm with low requirements for storage and transmission and better effect on image restoration.In this paper,the hyperspectral image of the Yellow River Estuary Area is reconstructed based on the Wavelet transform compression algorithm,and then the reconstructed image is classified by the methods of support vector machine (SVM),maximum likelihood and neural network. Finally,the classification results are compared and analyzed by different dimensions,including the airspace and wavelet domain,as well as different measured values.Results show that the reconstructed image has kept the basic information of the original image,ensuring the classification accuracy;the SVM algorithm has the best classification accuracy which is essentially the same in the airspace and wavelet domain;the accuracy firstly increases and then remains stable with the increase of measured value.

    hyperspectral image;sparse sampling;compressed sensing;image classification

    P237

    A

    1003-2029(2017)02-0077-06

    10.3969/j.issn.1003-2029.2017.02.013

    2016-09-07

    GF海岸帶遙感監(jiān)測(cè)與應(yīng)用示范資助項(xiàng)目

    孫欽佩(1991-),女,碩士研究生,主要從事遙感圖像處理研究。E-mail:sunqinpei163@163.com

    張杰(1963-),男,研究員,主要從事海洋遙感與信息系統(tǒng)研究。E-mail:zhangjie@fio.org.cn

    猜你喜歡
    空域重構(gòu)光譜
    基于三維Saab變換的高光譜圖像壓縮方法
    長(zhǎng)城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    我國(guó)全空域防空體系精彩亮相珠海航展
    北方大陸 重構(gòu)未來(lái)
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    論中止行為及其對(duì)中止犯的重構(gòu)
    基于貝葉斯估計(jì)的短時(shí)空域扇區(qū)交通流量預(yù)測(cè)
    淺談我國(guó)低空空域運(yùn)行管理現(xiàn)狀及發(fā)展
    基于能量空域調(diào)控的射頻加熱花生醬均勻性研究
    星載近紅外高光譜CO2遙感進(jìn)展
    亚洲欧美日韩高清在线视频| 久久久久久久亚洲中文字幕| 卡戴珊不雅视频在线播放| 久久久久久久久大av| 日本与韩国留学比较| 精品不卡国产一区二区三区| 国产欧美日韩精品一区二区| 日本一本二区三区精品| 欧美高清性xxxxhd video| 熟女人妻精品中文字幕| 亚洲欧美日韩卡通动漫| 哪里可以看免费的av片| 国产伦精品一区二区三区视频9| 亚洲精品久久久久久婷婷小说 | 可以在线观看的亚洲视频| 给我免费播放毛片高清在线观看| 日本-黄色视频高清免费观看| 国产精华一区二区三区| 黑人高潮一二区| 99热网站在线观看| 久久精品国产亚洲av香蕉五月| 热99在线观看视频| 69人妻影院| 国产69精品久久久久777片| 久久久精品大字幕| a级一级毛片免费在线观看| 亚洲人成网站在线播| 久久精品国产亚洲网站| 麻豆国产av国片精品| 免费在线观看成人毛片| 能在线免费观看的黄片| 精品一区二区三区视频在线| 男人和女人高潮做爰伦理| 亚洲精品乱码久久久v下载方式| 日韩,欧美,国产一区二区三区 | 99久久九九国产精品国产免费| 亚洲三级黄色毛片| 一本精品99久久精品77| 国产成人a区在线观看| 国产在线男女| 美女被艹到高潮喷水动态| 联通29元200g的流量卡| 人人妻人人看人人澡| 边亲边吃奶的免费视频| 亚洲精品国产成人久久av| 亚洲最大成人手机在线| 欧美xxxx性猛交bbbb| 一区二区三区免费毛片| 听说在线观看完整版免费高清| 男女边吃奶边做爰视频| 免费大片18禁| a级毛片免费高清观看在线播放| 亚洲精品国产成人久久av| 少妇裸体淫交视频免费看高清| 最近的中文字幕免费完整| 久久这里有精品视频免费| 国产午夜福利久久久久久| av免费观看日本| 色吧在线观看| 一区福利在线观看| 亚洲欧美精品自产自拍| 欧美三级亚洲精品| 午夜福利在线观看免费完整高清在 | 在线观看66精品国产| 免费av不卡在线播放| 免费看光身美女| 国产探花在线观看一区二区| 免费观看精品视频网站| 久久这里有精品视频免费| 国产午夜精品一二区理论片| 一级黄色大片毛片| 男的添女的下面高潮视频| 国产午夜福利久久久久久| 亚洲国产精品国产精品| 免费看av在线观看网站| 国产亚洲精品久久久com| 在现免费观看毛片| 国产麻豆成人av免费视频| 三级毛片av免费| 女的被弄到高潮叫床怎么办| 久久99热6这里只有精品| 久久久久性生活片| 桃色一区二区三区在线观看| 99热这里只有是精品在线观看| 亚洲av成人精品一区久久| 久久久久久久久久成人| 免费人成在线观看视频色| 国产精品麻豆人妻色哟哟久久 | 欧美日韩在线观看h| 蜜臀久久99精品久久宅男| 22中文网久久字幕| 久久99蜜桃精品久久| 欧美一区二区亚洲| 亚洲精品456在线播放app| 99精品在免费线老司机午夜| 久久鲁丝午夜福利片| 少妇高潮的动态图| 搞女人的毛片| 成人特级黄色片久久久久久久| 波野结衣二区三区在线| 白带黄色成豆腐渣| 国产精品一区二区三区四区免费观看| 色综合色国产| 美女脱内裤让男人舔精品视频 | 最新中文字幕久久久久| 亚洲欧洲国产日韩| 久久久久久久久久黄片| 黑人高潮一二区| 男女边吃奶边做爰视频| 高清毛片免费观看视频网站| 啦啦啦啦在线视频资源| 欧美成人精品欧美一级黄| 非洲黑人性xxxx精品又粗又长| 中文字幕制服av| 校园春色视频在线观看| 亚州av有码| 国产成年人精品一区二区| 国产精品国产三级国产av玫瑰| 成人午夜高清在线视频| 真实男女啪啪啪动态图| 国内少妇人妻偷人精品xxx网站| 亚洲18禁久久av| 亚洲av熟女| 乱系列少妇在线播放| 国产一级毛片在线| 日本三级黄在线观看| 啦啦啦观看免费观看视频高清| 看免费成人av毛片| 国产精品久久久久久久电影| 欧美一区二区精品小视频在线| 神马国产精品三级电影在线观看| 免费搜索国产男女视频| 国内精品久久久久精免费| 欧美精品一区二区大全| 国产精品一区二区三区四区久久| 综合色av麻豆| 一级毛片久久久久久久久女| 久久综合国产亚洲精品| 欧美日韩乱码在线| 久久久久网色| 秋霞在线观看毛片| 中文字幕免费在线视频6| 国产日韩欧美在线精品| 日日啪夜夜撸| 岛国在线免费视频观看| 亚洲天堂国产精品一区在线| 日本熟妇午夜| 成人特级黄色片久久久久久久| 国产精品久久久久久亚洲av鲁大| 国产真实伦视频高清在线观看| 搡女人真爽免费视频火全软件| 久久久精品欧美日韩精品| 成人漫画全彩无遮挡| 亚洲精品久久国产高清桃花| 桃色一区二区三区在线观看| 九九在线视频观看精品| 中国国产av一级| 国产日本99.免费观看| 美女被艹到高潮喷水动态| 成人永久免费在线观看视频| 人人妻人人澡人人爽人人夜夜 | 国产精品久久久久久亚洲av鲁大| 色噜噜av男人的天堂激情| 国产私拍福利视频在线观看| 在线观看美女被高潮喷水网站| 老司机福利观看| 精品熟女少妇av免费看| 在线免费观看的www视频| 免费人成视频x8x8入口观看| 亚洲五月天丁香| 少妇人妻精品综合一区二区 | 亚洲在线自拍视频| 在线国产一区二区在线| 少妇高潮的动态图| 天天躁夜夜躁狠狠久久av| 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 | av在线老鸭窝| www.av在线官网国产| 国内精品一区二区在线观看| 黄色配什么色好看| 成人特级黄色片久久久久久久| 草草在线视频免费看| 国产成年人精品一区二区| 岛国在线免费视频观看| 99久久精品国产国产毛片| 国产91av在线免费观看| 波多野结衣高清无吗| 99国产精品一区二区蜜桃av| 在线播放国产精品三级| 成人亚洲欧美一区二区av| 波多野结衣高清无吗| 亚洲欧美成人综合另类久久久 | 久久婷婷人人爽人人干人人爱| 久久久久久久久久黄片| 精品久久久久久久末码| 欧美色欧美亚洲另类二区| 老女人水多毛片| 亚洲欧美成人精品一区二区| 你懂的网址亚洲精品在线观看 | 成人性生交大片免费视频hd| 一个人看视频在线观看www免费| 日本与韩国留学比较| 99在线人妻在线中文字幕| 一个人免费在线观看电影| 国产精品久久久久久av不卡| 国产麻豆成人av免费视频| 国产日韩欧美在线精品| 亚洲色图av天堂| 国产爱豆传媒在线观看| 3wmmmm亚洲av在线观看| 久久久久久久久大av| 18禁在线播放成人免费| 18禁裸乳无遮挡免费网站照片| 成年av动漫网址| 麻豆久久精品国产亚洲av| 搡老妇女老女人老熟妇| 联通29元200g的流量卡| 亚洲精品亚洲一区二区| 亚洲av成人av| 搡老妇女老女人老熟妇| 狂野欧美白嫩少妇大欣赏| 免费黄网站久久成人精品| 国产成人午夜福利电影在线观看| 成人毛片60女人毛片免费| 日韩精品有码人妻一区| 少妇裸体淫交视频免费看高清| 狂野欧美白嫩少妇大欣赏| 国产成人精品一,二区 | 免费电影在线观看免费观看| 国产av不卡久久| 91在线精品国自产拍蜜月| 别揉我奶头 嗯啊视频| 神马国产精品三级电影在线观看| 97热精品久久久久久| 成人午夜精彩视频在线观看| 2022亚洲国产成人精品| 成人漫画全彩无遮挡| 国产成人aa在线观看| 成熟少妇高潮喷水视频| 99热精品在线国产| 三级男女做爰猛烈吃奶摸视频| 国产精品一区二区性色av| 国产不卡一卡二| 精品免费久久久久久久清纯| 国产亚洲精品久久久com| 国产色婷婷99| 日本成人三级电影网站| 波多野结衣高清无吗| 深夜精品福利| 日本免费a在线| 51国产日韩欧美| 少妇的逼水好多| 久久精品人妻少妇| av在线天堂中文字幕| 高清毛片免费观看视频网站| 婷婷色av中文字幕| 在线播放国产精品三级| 成人永久免费在线观看视频| 我的老师免费观看完整版| 蜜臀久久99精品久久宅男| 国产一区二区在线av高清观看| 久久国内精品自在自线图片| 午夜久久久久精精品| 老熟妇乱子伦视频在线观看| 精品人妻偷拍中文字幕| 美女大奶头视频| 国产一区二区激情短视频| 国内精品宾馆在线| 欧美+日韩+精品| 久久精品国产亚洲av香蕉五月| 日韩欧美精品免费久久| 久久精品夜色国产| 国产精品麻豆人妻色哟哟久久 | 亚洲国产欧美在线一区| 天天躁日日操中文字幕| 人妻系列 视频| 日韩欧美在线乱码| 欧美又色又爽又黄视频| 丰满乱子伦码专区| 给我免费播放毛片高清在线观看| 精品日产1卡2卡| 日韩国内少妇激情av| 日本与韩国留学比较| 国产黄色小视频在线观看| 成人欧美大片| 久久99蜜桃精品久久| 夜夜爽天天搞| 免费看av在线观看网站| 欧美高清成人免费视频www| 精品一区二区三区人妻视频| 我的女老师完整版在线观看| 久久国内精品自在自线图片| 乱码一卡2卡4卡精品| 在线天堂最新版资源| 亚洲av男天堂| 淫秽高清视频在线观看| 亚洲欧美清纯卡通| 成人二区视频| 99久久成人亚洲精品观看| 国产精品乱码一区二三区的特点| 久久国产乱子免费精品| 亚洲无线在线观看| 老司机福利观看| 美女脱内裤让男人舔精品视频 | 99热网站在线观看| 国产高清有码在线观看视频| 别揉我奶头 嗯啊视频| 国产毛片a区久久久久| 村上凉子中文字幕在线| 少妇裸体淫交视频免费看高清| 亚洲成a人片在线一区二区| 国产精品人妻久久久久久| av国产免费在线观看| 麻豆乱淫一区二区| 大型黄色视频在线免费观看| 搡老妇女老女人老熟妇| 人妻久久中文字幕网| 美女被艹到高潮喷水动态| 22中文网久久字幕| 国产精品,欧美在线| 99久久精品国产国产毛片| 成人欧美大片| 国产女主播在线喷水免费视频网站 | 成人午夜高清在线视频| 亚洲性久久影院| 成人特级av手机在线观看| 九九爱精品视频在线观看| av福利片在线观看| 丰满的人妻完整版| 国产黄片视频在线免费观看| 亚洲人与动物交配视频| 99热这里只有是精品50| 三级经典国产精品| 少妇丰满av| 国产精华一区二区三区| 久久精品国产鲁丝片午夜精品| 精品不卡国产一区二区三区| 99热网站在线观看| 亚洲婷婷狠狠爱综合网| 久久亚洲国产成人精品v| 精品久久国产蜜桃| 国产精品野战在线观看| 国国产精品蜜臀av免费| 日本一本二区三区精品| 国产真实伦视频高清在线观看| 亚洲av第一区精品v没综合| 人妻少妇偷人精品九色| 久久精品国产鲁丝片午夜精品| 欧美高清成人免费视频www| 日韩精品青青久久久久久| 搡老妇女老女人老熟妇| 国产v大片淫在线免费观看| 黄色欧美视频在线观看| 日本成人三级电影网站| 亚洲图色成人| 亚洲av中文av极速乱| 99在线视频只有这里精品首页| 成人亚洲欧美一区二区av| av在线播放精品| 亚洲欧美日韩东京热| 国产av不卡久久| 精品日产1卡2卡| 亚洲欧美精品自产自拍| 少妇的逼好多水| 国产真实乱freesex| 精品久久久久久久久久免费视频| 高清午夜精品一区二区三区 | 天天躁日日操中文字幕| 在线播放国产精品三级| 男的添女的下面高潮视频| 亚洲无线在线观看| 秋霞在线观看毛片| 九草在线视频观看| 国产黄a三级三级三级人| 国产精品一二三区在线看| 一级黄色大片毛片| 一边亲一边摸免费视频| 成人av在线播放网站| 国产欧美日韩精品一区二区| 日韩欧美 国产精品| 色综合站精品国产| 亚洲一区高清亚洲精品| 精品久久久久久久人妻蜜臀av| 大型黄色视频在线免费观看| 女人十人毛片免费观看3o分钟| 老女人水多毛片| 国产精品综合久久久久久久免费| АⅤ资源中文在线天堂| 男女视频在线观看网站免费| 中文字幕精品亚洲无线码一区| 一级毛片aaaaaa免费看小| 国产三级中文精品| 一级二级三级毛片免费看| 赤兔流量卡办理| 舔av片在线| 日韩欧美在线乱码| 97超视频在线观看视频| 国产精品伦人一区二区| 日本-黄色视频高清免费观看| 婷婷六月久久综合丁香| 禁无遮挡网站| 免费人成在线观看视频色| 91午夜精品亚洲一区二区三区| 日本爱情动作片www.在线观看| 老司机福利观看| 看十八女毛片水多多多| 国产黄a三级三级三级人| 非洲黑人性xxxx精品又粗又长| 成人高潮视频无遮挡免费网站| a级毛片a级免费在线| 中文字幕免费在线视频6| .国产精品久久| 丰满的人妻完整版| 亚洲四区av| 尾随美女入室| 日韩制服骚丝袜av| 美女 人体艺术 gogo| 夜夜看夜夜爽夜夜摸| 欧美激情在线99| 午夜精品一区二区三区免费看| 亚洲精品日韩在线中文字幕 | 国产v大片淫在线免费观看| 婷婷精品国产亚洲av| 91久久精品国产一区二区三区| 国产单亲对白刺激| 日韩国内少妇激情av| 99热只有精品国产| 免费看日本二区| 亚洲一区二区三区色噜噜| 精品久久久久久久末码| 国产午夜福利久久久久久| 久久婷婷人人爽人人干人人爱| 免费搜索国产男女视频| 十八禁国产超污无遮挡网站| 蜜臀久久99精品久久宅男| 高清毛片免费观看视频网站| 欧美激情国产日韩精品一区| 久久久精品欧美日韩精品| 特级一级黄色大片| 性插视频无遮挡在线免费观看| 你懂的网址亚洲精品在线观看 | 麻豆成人午夜福利视频| 国语自产精品视频在线第100页| 精品午夜福利在线看| 国产单亲对白刺激| 日本黄色视频三级网站网址| 搡老妇女老女人老熟妇| 成人一区二区视频在线观看| 久久婷婷人人爽人人干人人爱| 亚洲欧美中文字幕日韩二区| 亚洲国产精品合色在线| 亚洲一级一片aⅴ在线观看| 亚洲成a人片在线一区二区| 亚洲精品乱码久久久久久按摩| 国产精品一二三区在线看| 婷婷色综合大香蕉| 中文在线观看免费www的网站| 少妇的逼好多水| 中文字幕久久专区| 国产一区二区在线观看日韩| 精品人妻熟女av久视频| 黄色日韩在线| 国产精品人妻久久久影院| 国产精品一二三区在线看| 国内少妇人妻偷人精品xxx网站| 能在线免费看毛片的网站| 亚洲精华国产精华液的使用体验 | 可以在线观看的亚洲视频| 精品不卡国产一区二区三区| 搡老妇女老女人老熟妇| 国产伦精品一区二区三区四那| 五月伊人婷婷丁香| 一进一出抽搐动态| 欧美+亚洲+日韩+国产| 久久久国产成人精品二区| 成人国产麻豆网| 日本一本二区三区精品| a级毛片a级免费在线| 麻豆一二三区av精品| 国产精品国产三级国产av玫瑰| 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| 超碰av人人做人人爽久久| 联通29元200g的流量卡| 男女下面进入的视频免费午夜| 亚洲最大成人手机在线| 人人妻人人澡人人爽人人夜夜 | 春色校园在线视频观看| 亚洲在久久综合| 校园人妻丝袜中文字幕| 免费观看在线日韩| 免费在线观看成人毛片| 精品一区二区免费观看| 国产伦精品一区二区三区四那| 日本爱情动作片www.在线观看| 少妇的逼水好多| 欧美xxxx性猛交bbbb| 国产高潮美女av| 在线观看午夜福利视频| 国产成人午夜福利电影在线观看| 亚洲欧美精品自产自拍| 国产精品久久久久久精品电影| 蜜桃亚洲精品一区二区三区| 亚洲精品亚洲一区二区| 久久九九热精品免费| 熟女电影av网| 非洲黑人性xxxx精品又粗又长| 欧美日韩精品成人综合77777| 久久精品国产鲁丝片午夜精品| 久久精品影院6| 国产探花极品一区二区| 在线观看美女被高潮喷水网站| 国产午夜精品论理片| 亚洲av免费在线观看| 嘟嘟电影网在线观看| 午夜福利在线在线| 日韩欧美精品免费久久| 亚洲经典国产精华液单| 日韩成人av中文字幕在线观看| 成人欧美大片| 久久久久久大精品| 青春草视频在线免费观看| 日韩制服骚丝袜av| 男人狂女人下面高潮的视频| 又粗又爽又猛毛片免费看| 亚洲国产色片| 神马国产精品三级电影在线观看| 国产91av在线免费观看| 国国产精品蜜臀av免费| 国产精品.久久久| 国产人妻一区二区三区在| 久久精品国产自在天天线| 国内久久婷婷六月综合欲色啪| 草草在线视频免费看| 高清毛片免费看| 国产亚洲5aaaaa淫片| 日韩 亚洲 欧美在线| 身体一侧抽搐| 久久久国产成人免费| 亚洲av二区三区四区| 亚洲国产精品成人综合色| 色综合色国产| 国产高清有码在线观看视频| 97超碰精品成人国产| 变态另类丝袜制服| 成人综合一区亚洲| 天堂√8在线中文| 成人欧美大片| 一区二区三区四区激情视频 | 精品一区二区三区视频在线| 精品久久久久久久久亚洲| 免费人成在线观看视频色| 一级二级三级毛片免费看| 熟妇人妻久久中文字幕3abv| 综合色丁香网| 伦理电影大哥的女人| 色播亚洲综合网| 两性午夜刺激爽爽歪歪视频在线观看| 成人特级av手机在线观看| 青春草视频在线免费观看| 黑人高潮一二区| 免费观看精品视频网站| 中文精品一卡2卡3卡4更新| 直男gayav资源| 久久久成人免费电影| 欧美另类亚洲清纯唯美| 欧美bdsm另类| 亚洲国产精品久久男人天堂| 变态另类丝袜制服| 成年版毛片免费区| 99热全是精品| 亚洲综合色惰| 久久久久久久久久成人| 在现免费观看毛片| 蜜臀久久99精品久久宅男| 极品教师在线视频| 最新中文字幕久久久久| 女人被狂操c到高潮| 国产精品福利在线免费观看| 人妻系列 视频| 97人妻精品一区二区三区麻豆| a级毛色黄片| 男女啪啪激烈高潮av片| 狂野欧美白嫩少妇大欣赏| 91午夜精品亚洲一区二区三区| 韩国av在线不卡| 欧美日本亚洲视频在线播放| 人妻系列 视频| 少妇人妻一区二区三区视频| 人妻久久中文字幕网| www.色视频.com| 中国美白少妇内射xxxbb| 老司机影院成人| 国产精品av视频在线免费观看| 国产成人午夜福利电影在线观看| 禁无遮挡网站| 欧美日韩精品成人综合77777| 老女人水多毛片| 欧美性猛交黑人性爽| 欧美人与善性xxx| 综合色丁香网| 一个人看视频在线观看www免费| 久久韩国三级中文字幕| 亚洲国产精品合色在线| 美女内射精品一级片tv| 成人亚洲欧美一区二区av| 亚洲精品影视一区二区三区av| 国产极品精品免费视频能看的| 日本欧美国产在线视频| 国产免费一级a男人的天堂| 亚洲国产精品成人久久小说 | 亚洲va在线va天堂va国产| 国产高潮美女av| 嘟嘟电影网在线观看| a级毛片免费高清观看在线播放|