• <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 ?

    基于自適應(yīng)幅度譜分析的顯著目標檢測?

    2017-06-05 15:08:52于芝濤姬婷婷程孝龍趙紅苗姬光榮鄭海永
    關(guān)鍵詞:頻域幅度尺度

    于芝濤,姬婷婷,程孝龍,趙紅苗,姬光榮,鄭海永

    (中國海洋大學信息科學與工程學院,山東 青島 266100)

    基于自適應(yīng)幅度譜分析的顯著目標檢測?

    于芝濤,姬婷婷,程孝龍,趙紅苗,姬光榮,鄭海永??

    (中國海洋大學信息科學與工程學院,山東 青島 266100)

    針對HFT顯著性檢測方法中出現(xiàn)的顯著目標突顯不均勻以及顯著信息丟失問題,結(jié)合尺度空間分析的方法,提出一種基于自適應(yīng)幅度譜分析的顯著目標檢測算法。該算法利用頻域濾波尺度與顯著目標尺寸之間的關(guān)系,對圖像幅度譜的尖刺進行處理,突出顯著性區(qū)域,保證了顯著目標的均勻性。同時引入高斯偏見對多幅顯著圖進行融合,進一步保留顯著信息,改善了顯著圖效果。在國際公開的數(shù)據(jù)集和藻種圖像數(shù)據(jù)集上,該算法的檢測結(jié)果具有更高的精度和更好的召回率,優(yōu)于現(xiàn)有的其他頻域顯著性檢測算法。

    顯著性檢測;顯著目標檢測;幅度譜;最優(yōu)尺度

    由于視覺系統(tǒng)中的視覺注意機制,人類能夠簡單快速地找到一幅場景中感興趣的區(qū)域,并對其進行優(yōu)先處理。到目前為止,關(guān)于顯著性的研究被大致分為兩類:注意焦點預(yù)測和顯著性區(qū)域檢測[1-2]。注視焦點預(yù)測旨在通過模擬人眼運動計算“顯著圖”,在Koch和Ullman[3]提出的非常有影響力的生物啟發(fā)模型的基礎(chǔ)上,Itti等[4]建立了第一個自底向上的顯著性檢測模型。之后,注視焦點預(yù)測研究取得了矚目的發(fā)展[5-9],但是它的預(yù)測結(jié)果往往趨向于突出邊緣和角點而不是整個顯著性物體,因此,注視焦點預(yù)測方法在實際應(yīng)用中的價值不高[1]。

    顯著目標檢測可以用來檢測一幅場景中最顯著的區(qū)域,并且能夠分割出整個顯著目標[2,10]。Liu等[11]通過條件隨機場(CRF)學習,把局部、區(qū)域和全局的顯著目標特征結(jié)合起來進行顯著目標檢測。Achanta等[12]提出了頻率調(diào)諧方法,用某個像素與整個圖像的平均色的色差直接定義顯著度值。Cheng等人[13]提出了基于區(qū)域?qū)Ρ榷确治龅娘@著目標檢測算法。顯著目標檢測強調(diào)將整個顯著物體提取出來,因此,它在計算機視覺領(lǐng)域具有廣泛的應(yīng)用[8],如圖像分割、圖像場景分析、圖像編輯、圖像或視頻壓縮和目標識別等。盡管計算的精度越來越高,然而這些方法運用了更多的特征以及更復(fù)雜的算法,導(dǎo)致計算的時間復(fù)雜度增高,處理效率低,因此不適用于工程實時性顯著目標檢測。

    頻域顯著目標檢測具有簡單、快速、有效的特點,因此,頻域處理越來越多的受到了人們的關(guān)注。Hou和Zhang提出了剩余譜(SR)的方法[14],第一次將顯著性檢測引入到頻域。Guo等[15]認為,剩余譜并非對應(yīng)圖像的顯著性區(qū)域,從而舍棄了幅度譜的所有信息,只保留了相位譜信息。Li等[16]經(jīng)過分析后認為,SR模型只能突出圖像的邊緣,不能突出大的顯著性目標,從而提出了HFT模型,對幅度譜作了低通濾波處理,平滑幅度譜中的尖刺,抑制了頻繁出現(xiàn)的模式(背景),進而可以突出大尺寸和小尺寸的顯著目標。但是,HFT模型選擇的最優(yōu)尺度不夠準確,而且由于從多個尺度中只選擇一個,所以會丟失部分顯著性信息。

    本文在譜尺度空間基礎(chǔ)上提出了自適應(yīng)幅度譜分析的顯著目標檢測算法。通過頻域濾波尺度與顯著目標尺寸的關(guān)系解決了尺度最優(yōu)選擇的問題。為了更多的保留圖像的顯著性信息,引入了中央先驗的高斯偏見模型對多個顯著圖進行融合,提高了顯著目標檢測的質(zhì)量。我們在國際上現(xiàn)有的公開基準數(shù)據(jù)集和藻種數(shù)據(jù)集上測試了結(jié)果,并且與現(xiàn)有的譜顯著性檢測方法進行了比較,實驗說明本文方法和之前已有的方法相比,在精準度和召回率方面都有了明顯的提高。

    1 背景

    最近,Li等[16]提出了基于譜尺度空間顯著性檢測模型(HFT)。該模型認為空間域中,重復(fù)出現(xiàn)的模式(非顯著區(qū)域)一般不會引起視覺注意,這些模式對應(yīng)于頻域幅度譜一個或多個尖刺,為了抑制非顯著區(qū)域,HFT模型用一系列高斯低通濾波器對圖像的幅度譜進行平滑,對于譜尺度空間的每個尺度使用傅里葉變換得到對應(yīng)的顯著圖,最后通過計算二維熵找出最優(yōu)顯著圖。

    該模型盡管可以同時突出大的顯著目標和小的顯著目標,但是,用最小二維熵值確定最優(yōu)顯著圖并不好。

    如圖1,假設(shè)一幅圖像中整個圓形區(qū)域是顯著區(qū)域,(a)是突出整個圓形區(qū)域的圓,(b)是突出邊緣的圓環(huán)。通過計算二維熵可得,圓形的熵為3.25,圓環(huán)的熵為2.99,根據(jù)HFT模型可知,最優(yōu)顯著圖應(yīng)當選取熵值較小的圖像作為最終顯著圖,因此,他們會把圓環(huán)作為最終顯著圖,這種選擇顯然是錯誤的。另外,對于一幅圖像中存在多個目標情況,由于HFT模型只從多個尺度對應(yīng)的顯著圖中選擇一個,所以將丟失部分顯著信息,使得最終顯著圖不能將多個顯著區(qū)域均勻的突出出來。本文針對這些問題提出了一種新的顯著目標檢測算法—基于自適應(yīng)幅度譜分析的顯著目標檢測算法。

    圖1 突出整個目標和突出目標輪廓的顯著圖Fig.1 The saliency maps pop-out the whole and the boarder object

    2 頻域幅度譜分析

    Li等[16]已經(jīng)證明:如果濾波尺度(σ)太小,重復(fù)模式的背景區(qū)域就不能得到有效的抑制;如果濾波尺度太大,則只能突出圖像顯著目標的邊緣,因此,選擇一個合適尺度的高斯核濾波器非常重要。為了找到正確的尺度,我們研究了前景背景比值與最優(yōu)尺度之間的關(guān)系。

    為了便于理解,選擇一維信號作為例子。圖2的第一行是前景(顯著目標)長度為l,背景重復(fù)模式長度為L的信號,然后將該信號進行傅里葉變換,得到頻域的幅度譜,通過一系列不同尺度的高斯核g(x;σ)與幅度譜進行卷積獲得頻域的幅度譜空間,高斯核為:

    (1)

    其中,σ代表幅度譜濾波器的濾波尺度。圖2中剩余的行代表尺度空間中,不同尺度高斯濾波器濾波獲得的幅度譜與原始信號的相位譜進行傅里葉反變換獲得的一系列重構(gòu)顯著信號。重構(gòu)的顯著信號越接近前景信號,顯著性就越好。我們定義了相似度γ用來量化前景信號與重構(gòu)信號的相似性:

    (2)

    同理,該種規(guī)則同樣適用于二維信號,因此,幅度譜濾波的二維高斯核為:

    (3)

    (4)

    其中:σ是高斯核的濾波尺度;H和W分別是圖像的高度和寬度;h和w分別代表顯著目標的高度和寬度f是高度和寬度的對應(yīng)函數(shù);α是一個調(diào)節(jié)函數(shù)。

    在顯著性目標檢測中,幅度譜最優(yōu)濾波尺度分析為獲得幅度譜最優(yōu)濾波尺度提供了量化的策略。

    3 理論與方法

    我們的方法首先結(jié)合圖像的顏色和亮度信息,創(chuàng)建四元數(shù)傅里葉變換,通過image signature算子[17]估測每個顯著區(qū)域的大小,然后根據(jù)公式(4)自動獲得對應(yīng)的最優(yōu)濾波尺度,最后由中央偏見策略將傅里葉反變換后的顯著圖融合成最終顯著圖。本文的算法框架見圖4。

    3.1 四元數(shù)傅里葉變換

    為了將彩色圖像多個特征結(jié)合在一起,我選擇了四元數(shù)傅里葉變換[18-19]進行處理。對于時間為t的

    圖2 最優(yōu)濾波尺度對應(yīng)的重構(gòu)信號的選擇Fig.2 The selection of reconstructed signal corresponding to optimal scale

    圖3 圖像前景背景的尺寸比率l/L與最優(yōu)尺度σ關(guān)系 曲線(實線)及它的擬合曲線(曲線)Fig.3 The relation curve (solid line) of the optimal scale σwith respect to the length ratio l/L and its fitting curve

    一幀彩色圖像I(x,y;t),M、RG、BY和I為圖像的分量特征,則圖像的四元數(shù)表達為:

    q(x,y;t)=M(x,y;t)+RG(x,y;t)μ1+BY(x,y;t)μ2+I(x,y;t)μ3,

    (5)

    其中,μ1、μ2和μ3代表3個虛數(shù),μ1μ2=μ3,μ2μ3=μ1,μ3μ1=μ2;μ1⊥μ2,μ2⊥μ3,μ3⊥μ1。鑒于本文研究的是靜態(tài)圖像,所以運動通道M和時間t都為0。通道RG(x,y)=R(x,y)-G(x,y),通道BY(x,y)=B(x,y)-Y(x,y),通道I(x,y)為圖像的亮度信息。r(x,y),g(x,y)和b(x,y)分別為彩色圖像的紅綠藍3個顏色通道,則有:

    (6)

    (7)

    (8)

    圖4 基于自適應(yīng)幅度譜分析的顯著性目標檢測框架Fig.4 The framework of our proposed method for salient object detection via adaptive amplitude spectrum analysis

    (9)

    (10)

    輸入一張圖像,四元傅里葉變換的極坐標表示為:

    Q[u,v]=A(u,v)eμ(u,v)P(u,v),

    (11)

    其中:A(u,v)是頻域幅度譜;P(u,v)是相位譜;μ(u,v)是四元數(shù)的本征軸譜,他們分別定義為:

    (12)

    (13)

    (14)

    (15)

    3.2 尺度自動選擇

    本文在第2節(jié)已經(jīng)分析了幅度譜最優(yōu)濾波尺度與顯著區(qū)域尺寸之間的對應(yīng)關(guān)系,因此,為了得到圖像中每個顯著目標所對應(yīng)的最優(yōu)尺度,我們應(yīng)該先獲得顯著目標的尺寸。

    侯曉迪等人根據(jù)稀疏性理論,提出了一種簡單有效的圖像描述子—image signature[17],該描述子可以估測場景中圖像的前景和位置,其定義為:

    (16)

    (17)

    其中,IDCT代表離散余弦反變換。基于image signature的特點,我們將把它擴展,用來估測前景(顯著性區(qū)域)的尺寸和位置。例如,圖5(a)中有兩個不同尺寸的前景物體,圖5(b)是通過公式(16)和(17)計算signature后反變換的圖像,然后我們通過高斯濾波去除噪聲,再利用最大類間方差法[20]對圖像進行二值化,通過最小外界矩形估算出前景目標,如圖5(c)中紅色矩形框即為估測的顯著目標的大小和位置。用矩形的高h和寬w表示顯著目標的尺寸,用矩形的中心位置(m,n)代表顯著性區(qū)域的位置。

    圖5 Image signature確定圖像顯著目標的不同尺寸和位置Fig.5 An example of two salient objects with different size at different location calculated using image signature

    通過公式4中第k個顯著目標尺寸(hk,wk)、圖像的尺寸(H,W)及α=0.5,可以計算出對應(yīng)于第k個顯著目標的最優(yōu)尺度σk。因此,將圖像的幅度譜A(u,v)與尺度為σk高斯核為g(u,v;σk)的濾波器進行卷積,得到平滑后的幅度譜:

    (18)

    然后,通過傅里葉反變換得到對應(yīng)最優(yōu)尺度為σk的顯著圖:

    (19)

    最后,通過同樣的方法求出一幅圖像中所有不同尺度獲得的所有顯著圖。

    3.3 自適應(yīng)顯著圖融合

    過去的一些研究[21]已經(jīng)證明了圖像中越接近中央的區(qū)域越能吸引人的注意,即越靠近圖像中心越顯著,中央偏見可以簡單有效的用高斯分布來表示。

    假設(shè)一幅圖像的中心為(mc,nc),第k個顯著目標的中心為(mk,nk),則第k個顯著目標的中央偏見權(quán)重wk用高斯權(quán)重表示為:

    (20)

    其中,η是一個參數(shù),在實驗中被設(shè)置為16。因此,最終的融合后的顯著圖M為:

    (21)

    其中:K表示所有顯著目標的個數(shù);wk是通過公式(20)計算得到的自適應(yīng)高斯權(quán)重值;Sk對應(yīng)于公式(19)獲得的第k個顯著圖;g是高斯濾波器,用來提高顯著性效果。

    4 實驗結(jié)果與分析

    4.1 定量分析和比較

    在Achanta等人[12]提供的公開數(shù)據(jù)集MSRA和藻種圖像數(shù)據(jù)集AID上測試了我們的方法。MSRA數(shù)據(jù)集包括5 000幅自然圖像,并且由人工精確標注[22]了顯著性區(qū)域的精確輪廓。藻種圖像數(shù)據(jù)集AID包括240幅藻種圖像,它是目前最大的對藻種顯著目標精確標記的數(shù)據(jù)集。我們選擇4個當今國際上頻域處理的方法與我們的方法進行了比較,這些算法包括:SR算法[14],PQFT算法[15],SIG算法[17], HFT算法[16]。

    采用文獻[12]所提的顯著目標檢測算法評價標準對以上的5種方法進行了比較。首先,對各種方法獲得顯著圖用固定閾值分割的方法進行分割,閾值從0逐步增加到255,計算出該閾值下的精度和召回率,然后將精度和召回率在數(shù)據(jù)集上進行平均,可以畫出精度-召回率曲線(P-R曲線),如圖6和7。從圖中可以看出,本文的算法具有最高的精度和召回率。

    圖6 MSRA數(shù)據(jù)集下的精度-召回率曲線Fig.6 Precision-Recall curve in MSRA date set

    圖7 AID數(shù)據(jù)集下的精度-召回率曲線Fig.7 Precision-Recall curve in AID date set

    除了P-R曲線外,還選擇自適應(yīng)閾值分割方法對實驗結(jié)果進行處理。首先計算數(shù)據(jù)集下每一幅顯著圖的平均顯著度Sμ,每個像素的顯著度為Si,其中,顯著度表示從0到255的灰度值,值越大代表顯著程度越高。如果Si>2Sμ,則該位置是顯著的,設(shè)閾值為T(公式23),從而將顯著區(qū)域分割出來。最后計算出每種算法在數(shù)據(jù)集上的平均精度、召回率和綜合評價指標F-測量(F-measure),F(xiàn)-測量的定義為:

    (22)

    與文獻[12,23-24]一樣,本文β2=0.3,T為一個自適應(yīng)閾值,定義如下:

    (23)

    其中:M為顯著圖中所有像素的個數(shù);i是像素索引,Tmax是最大閾值,本文設(shè)置為255。平均精度、召回率和F-測量如表1、2所示,本文的算法更精確,具有更好的顯著檢測效果。表格1中我們的方法得到的平均精度、召回率和F-測量值最高。表2中盡管我們的召回率低于SIG方法,但是綜合評價指標F-measure依然高于SIG方法,而且如果簡單的將整幅圖像作為顯著區(qū)域就能得到100%的召回率,所以其影響不大。綜上評價可知:本文算法的正確性和有效性都得到了提高。

    表1 MSRA數(shù)據(jù)集下的精度、召回率和F-測量值

    表2 AID數(shù)據(jù)集下的精度、召回率和F-測量值

    4.2 顯著效果分析和比較

    為了進一步說明本文方法相比其他頻域顯著性算法的優(yōu)越性,我們展示了本文算法與其他算法在上述2個數(shù)據(jù)集上的效果圖(見圖8)。A圖是MSRA數(shù)據(jù)集中的部分自然圖像,既有單個顯著目標,又有多個顯著目標,背景相對比較復(fù)雜。B圖代表AID數(shù)據(jù)集部分圖像,其顯著目標為浮游植物,背景中含有雜質(zhì),且光照不均勻。GT圖為人工標記的真值圖(Ground Truth圖)。

    從圖中檢測效果可以看出:SR方法、PQFT方法和SIG方法沒有將背景抑制掉,顯著目標和背景都突出出來;對于大的顯著目標,SR方法和PQFT方法更加突出目標邊緣,而非整個顯著區(qū)域;HFT方法盡管可以突顯整個顯著區(qū)域,但是突顯的并不均勻。本文方法能夠均勻的突顯出顯著物體,并且能夠有效地抑制背景,得到更好的顯著目標檢測效果。

    圖8 不同圖像顯著性檢測算法獲得的顯著圖比較Fig.8 The image results of detecting salient objects using different methods

    5 結(jié)語

    本文提出了一種基于幅度譜分析自底向上的自適應(yīng)顯著目標檢測算法,通過分析顯著區(qū)域的尺寸與最優(yōu)幅度譜濾波尺度之間的關(guān)系,自適應(yīng)找到不同顯著區(qū)域?qū)?yīng)的最優(yōu)高斯核對幅度譜進行平滑,通過中央偏見將不同信息的顯著圖融合在一起。在國際公開的數(shù)據(jù)集和國內(nèi)最大的藻種數(shù)據(jù)集上進行了實驗,并且與4種頻域算法進行定性和定量的對比,結(jié)果說明本文算法可以得到最好的顯著目標檢測結(jié)果,在精確度和有效性上有了較好的提高。

    [1] Cheng M, Zhang Z, Lin W, et al. Bing: Binarized normed gradients for objectness estimation at 300fps [C]. Columbus: IEEE Conference on Computer Vision and Pattern Recognition, 2014: 3286-3293.

    [2] Li Y, Hou X, Koch C, et al. The secrets of salient object segmentation [C]. Columbus: IEEE Conference on Computer Vision and Pattern Recognition, 2014: 280-287.

    [3] Koch C, Ullman S. Shifts in selective visual attention: Towards the underlying neural circuitry [J]. Matters of Intelligence, Vol. Springer Netherlands, 1987, 188: 115-141.

    [4] Itti L, Koch C, Niebur E. A model of saliency-based visual attention for rapid scene analysis [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20: 1254-1259.

    [5] Judd T, Durand F, Torralba A. A benchmark of computational models of saliency to predict human fixations [R]. Massachusetts Institute Technology, 2012.

    [6] Borji A, Sihite D, Itti L. Quantitative analysis of human-model agreement in visual saliency modeling: A comparative study [J]. IEEE Transactions on Image Processing, 2013, 22: 55-69.

    [7] Borji A, Tavakoli H R, Sihite D N, et al. Analysis of scores, datasets, and models in visual saliency prediction [C]. Sydney: IEEE International Conference on Computer Vision, 2013: 921-928.

    [8] Borji A, Itti L. State-of-the-art in visual attention modeling [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence 2013, 20: 185-207.

    [9] Vig E, Dorr M, Cox D. Large-scale optimization of hierarchical features for saliency prediction in natural images [C]. Columbus: IEEE Conference on Computer Vision and Pattern Recognition, 2014, 2798-2805.

    [10] Borji A, Sihite D N, Itti L. Salient object detection: A benchmark [C]. Firenze: European Conference on Computer Vision, 2012: 414-429.

    [11] Liu T, Sun J, Zheng N, et al. Learning to detect a salient object [C]. Minneapolis: IEEE Conference on Computer Vision and Pattern Recognition, 2007: 1-8.

    [12] Achanta R, Hemami S, Estrada F, et al. Frequency-tuned salient region detection [C]. Miami: IEEE Conference on Computer Vision and Pattern Recognition, 2009: 1597-1604.

    [13] Cheng M, Zhang G, Mitra N J, et al. Global contrast based salient region detection [C]. Colorado: IEEE Conference on Computer Vision and Pattern Recognition, 2011: 409-416.

    [14] Hou X, Zhang L. Saliency detection: A spectral residual approach [C]. Minnesota: IEEE Conference on Computer Vision and Pattern Recognition, 2007: 1-8.

    [15] Guo C, Ma Q, Zhang L. Spatio-temporal saliency detection using phase spectrum of quaternion fourier transform [C]. Alaska: IEEE Conference on Computer Vision and Pattern Recognition, 2008: 1-8.

    [16] Li J, Levine M D, An X, et al. Visual saliency based on scale-space analysis in the frequency domain [J], IEEE Transactions on Pattern Analysis and Machine Intelligence 2013,35: 996-1010.

    [17] Hou X, Harel J, Koch C. Image signature: Highlighting sparse salient regions [J] IEEE Transactions on Pattern Analysis and Machine Intelligence 2012,34: 194-201.

    [18] Ell T A. Hypercomplex spectral transformations [D] .MN, USA: University of Minnesota, Minneapolis, 1992.

    [19] Ell T A, Sangwine S J. Hypercomplex fourier transforms of color images [J]. IEEE Transactions on Image Processing, 2007,16: 22-35.

    [20] Otsu N. A threshold selection method from gray-level histograms [J]. IEEE Transactions on Systems, Man and Cybernetics 1979,9: 62-66.

    [21] Judd T, Ehinger K, Durand F, et al. Learning to predict where humans look [C]. Kyoto: IEEE International Conference on Computer Vision, 2009: 2106-2113.

    [22] Jiang H, Wang J, Yuan Z, et al. Salient object detection: A discriminative regional feature integration approach [C]. Portland: IEEE Conference on Computer Vision and Pattern Recognition, 2013, 2083-2090.

    [23] Yan Q, Xu L, Shi J, et al. Hierarchical saliency detection [C]. IEEE Conference on Computer Vision and Pattern Recognition, 2013: 1155-1162.

    [24] Shen X, Wu Y. A united approach to salient object detection via low rank matrix recovery [C]. Rhode: IEEE Conference on Computer Vision and Pattern Recognition, 2012: 853-860.

    責任編輯 陳呈超

    Salient Object Detection Based on Adaptive Amplitude Spectrum Analysis

    YU Zhi-Tao,JI Ting-Ting,CHENG Xiao-Long,ZHAO Hong-Miao,JI Guang-Rong,ZHENG Hai-Yong

    (College of Information Science and Engineering, Ocean University of China, Qingdao 266100, China)

    Since HFT model may fail to highlight the salient objects uniformly and lose some meaningful saliency information, this paper proposes a salient object detection method via adaptive amplitude spectrum analysis, which combines with the scale-space analysis. In order to pop out the salient region more uniformly, the algorithm smoothes the spikes in the amplitude spectrum using the specific relation between the size of salient region and the scale of filter in frequency domain. We also introduce the Gaussian model of center bias to combine different saliency maps with more meaningful saliency information. The performance evaluation on two popular benchmark data sets validates that our method gets higher precision and better recall and so outperforms the existing spectral saliency models.

    saliency detection; salient object detection; amplitude spectrum analysis; optimal scale

    國家自然科學基金項目(61301240、61271406)資助 Supported by the National Natural Science Foundation of China (61301240, 61271406)

    2015-01-20;

    2016-01-15

    于芝濤(1976-),男,博士生,主要從事圖像分析與模式識別研究。

    ?? 通訊作者:E-mail: zhenghaiyong@ouc.edu.cn

    TP391.4

    A

    1672-5174(2017)07-142-07

    10.16441/j.cnki.hdxb.20150080

    于芝濤,姬婷婷,程孝龍,等.基于自適應(yīng)幅度譜分析的顯著目標檢測[J].中國海洋大學學報(自然科學版),2017, 47(7): 142-148.

    YU Zhi-Tao,JI Ting-Ting,CHENG Xiao-Long,et al.Salient object detection based on adaptive amplitude spectrum analysis[J].Periodical of Ocean University of China, 2017, 47(7): 142-148.

    猜你喜歡
    頻域幅度尺度
    財產(chǎn)的五大尺度和五重應(yīng)對
    微波超寬帶高速數(shù)控幅度調(diào)節(jié)器研制
    頻域稀疏毫米波人體安檢成像處理和快速成像稀疏陣列設(shè)計
    雷達學報(2018年3期)2018-07-18 02:41:34
    基于ANSYS的四連桿臂架系統(tǒng)全幅度應(yīng)力分析
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    基于改進Radon-Wigner變換的目標和拖曳式誘餌頻域分離
    一種基于頻域的QPSK窄帶干擾抑制算法
    基于頻域伸縮的改進DFT算法
    電測與儀表(2015年3期)2015-04-09 11:37:24
    9
    2014年中期預(yù)增(降)幅度最大的50家上市公司
    黄色日韩在线| 日韩成人在线观看一区二区三区| 波多野结衣高清作品| 国产精品久久久久久精品电影| 色噜噜av男人的天堂激情| 日韩欧美一区二区三区在线观看| а√天堂www在线а√下载| 免费在线观看成人毛片| 啦啦啦韩国在线观看视频| 在线天堂最新版资源| 日韩欧美国产一区二区入口| 床上黄色一级片| 美女cb高潮喷水在线观看| 亚洲不卡免费看| 免费av观看视频| 12—13女人毛片做爰片一| 精品乱码久久久久久99久播| 青草久久国产| 国产aⅴ精品一区二区三区波| 99久久九九国产精品国产免费| 日本与韩国留学比较| 久久久国产精品麻豆| 99在线视频只有这里精品首页| 亚洲天堂国产精品一区在线| 一区二区三区激情视频| 五月玫瑰六月丁香| 高清毛片免费观看视频网站| 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 | 国产综合懂色| 亚洲成人免费电影在线观看| 草草在线视频免费看| 欧美成人性av电影在线观看| 日韩欧美在线二视频| 成人高潮视频无遮挡免费网站| 男女午夜视频在线观看| 亚洲av一区综合| 桃色一区二区三区在线观看| 特级一级黄色大片| 亚洲成人精品中文字幕电影| 搡老妇女老女人老熟妇| 亚洲av电影不卡..在线观看| 白带黄色成豆腐渣| 久久99热这里只有精品18| 亚洲国产精品成人综合色| 中出人妻视频一区二区| 亚洲国产精品合色在线| 精品一区二区三区av网在线观看| 在线观看66精品国产| 亚洲片人在线观看| 黄片大片在线免费观看| 欧美一级a爱片免费观看看| 国产精品久久久久久久电影 | 国产精品电影一区二区三区| 97碰自拍视频| 九九热线精品视视频播放| 中亚洲国语对白在线视频| 俄罗斯特黄特色一大片| 亚洲成av人片在线播放无| 久久精品国产综合久久久| 观看免费一级毛片| 亚洲av成人精品一区久久| 人妻丰满熟妇av一区二区三区| 亚洲av成人精品一区久久| 国产精品亚洲美女久久久| 亚洲国产高清在线一区二区三| 国产午夜福利久久久久久| 成年免费大片在线观看| 特大巨黑吊av在线直播| www.熟女人妻精品国产| 国产精品电影一区二区三区| 麻豆成人av在线观看| 精品国产亚洲在线| 最好的美女福利视频网| 老汉色av国产亚洲站长工具| 午夜福利免费观看在线| 国产精品自产拍在线观看55亚洲| 久久6这里有精品| av女优亚洲男人天堂| 国产精品亚洲av一区麻豆| 国产色爽女视频免费观看| 国产午夜精品论理片| 在线天堂最新版资源| 亚洲美女黄片视频| 99精品欧美一区二区三区四区| 性色av乱码一区二区三区2| www.www免费av| 免费看日本二区| 精品国内亚洲2022精品成人| 国产精品98久久久久久宅男小说| 亚洲 国产 在线| 亚洲狠狠婷婷综合久久图片| 少妇人妻精品综合一区二区 | 午夜久久久久精精品| 午夜两性在线视频| 久久精品综合一区二区三区| 色视频www国产| 国产免费男女视频| www日本黄色视频网| 亚洲国产精品成人综合色| 高清在线国产一区| ponron亚洲| 亚洲av电影在线进入| 国产视频内射| 色老头精品视频在线观看| 日本 av在线| www.www免费av| 一级毛片女人18水好多| 亚洲av成人不卡在线观看播放网| 91在线精品国自产拍蜜月 | 亚洲熟妇中文字幕五十中出| 成人鲁丝片一二三区免费| 在线十欧美十亚洲十日本专区| 色噜噜av男人的天堂激情| 成人无遮挡网站| 国产色爽女视频免费观看| 日韩欧美 国产精品| 90打野战视频偷拍视频| 欧美3d第一页| 日本成人三级电影网站| 国产一区二区在线av高清观看| 狂野欧美白嫩少妇大欣赏| 亚洲国产欧美网| 每晚都被弄得嗷嗷叫到高潮| 日本成人三级电影网站| 日本三级黄在线观看| 夜夜夜夜夜久久久久| 成人18禁在线播放| 精品久久久久久久人妻蜜臀av| 又黄又爽又免费观看的视频| 欧美+亚洲+日韩+国产| 久久中文看片网| 成人午夜高清在线视频| 很黄的视频免费| 国产色婷婷99| 亚洲精品一卡2卡三卡4卡5卡| 欧美av亚洲av综合av国产av| 国产一区二区亚洲精品在线观看| 成人无遮挡网站| 老司机福利观看| 色综合婷婷激情| 身体一侧抽搐| 色吧在线观看| 男女床上黄色一级片免费看| 欧美一区二区国产精品久久精品| 51午夜福利影视在线观看| 国产成人影院久久av| 蜜桃久久精品国产亚洲av| 手机成人av网站| 少妇人妻一区二区三区视频| 变态另类丝袜制服| 成年人黄色毛片网站| 国产精品永久免费网站| 老司机在亚洲福利影院| 无遮挡黄片免费观看| 香蕉丝袜av| 国产真实伦视频高清在线观看 | 中亚洲国语对白在线视频| 亚洲国产精品久久男人天堂| 久久人妻av系列| 久久久久久九九精品二区国产| 五月玫瑰六月丁香| 99久久99久久久精品蜜桃| 精品一区二区三区人妻视频| 黄片小视频在线播放| 搡老妇女老女人老熟妇| 中文字幕精品亚洲无线码一区| 国产久久久一区二区三区| 99久久99久久久精品蜜桃| 丁香欧美五月| a级毛片a级免费在线| 一级作爱视频免费观看| 亚洲久久久久久中文字幕| 好看av亚洲va欧美ⅴa在| 亚洲 国产 在线| 高清日韩中文字幕在线| 久久亚洲真实| 国产精品久久久久久久久免 | 高清在线国产一区| 日韩精品中文字幕看吧| 亚洲国产精品sss在线观看| 国产一区二区三区在线臀色熟女| 亚洲成人久久爱视频| 免费人成在线观看视频色| 久久精品91蜜桃| 97超视频在线观看视频| www.www免费av| 国产在线精品亚洲第一网站| 少妇高潮的动态图| 少妇的逼好多水| 性欧美人与动物交配| 岛国在线观看网站| 男女下面进入的视频免费午夜| 69av精品久久久久久| 国产视频内射| 亚洲最大成人中文| 精品久久久久久,| 一个人免费在线观看电影| 亚洲第一欧美日韩一区二区三区| 国产精品乱码一区二三区的特点| 五月伊人婷婷丁香| 欧美黑人巨大hd| 亚洲第一欧美日韩一区二区三区| 欧美日韩国产亚洲二区| 99国产极品粉嫩在线观看| 欧美一区二区国产精品久久精品| 国产美女午夜福利| 免费人成在线观看视频色| 我的老师免费观看完整版| 国产精品一区二区三区四区久久| 亚洲五月婷婷丁香| 中文在线观看免费www的网站| 免费av不卡在线播放| 一a级毛片在线观看| 18禁美女被吸乳视频| 老司机午夜福利在线观看视频| 国产精品99久久久久久久久| 国产av在哪里看| 亚洲狠狠婷婷综合久久图片| 在线免费观看不下载黄p国产 | 最近最新中文字幕大全免费视频| 国产精品久久久久久久久免 | 日本熟妇午夜| 久久久国产精品麻豆| 国内久久婷婷六月综合欲色啪| 日韩精品青青久久久久久| 午夜福利在线观看吧| 18+在线观看网站| www.色视频.com| 美女 人体艺术 gogo| 波野结衣二区三区在线 | 中文字幕久久专区| 日韩欧美一区二区三区在线观看| 成人鲁丝片一二三区免费| 国产99白浆流出| 成人午夜高清在线视频| 小蜜桃在线观看免费完整版高清| 国产蜜桃级精品一区二区三区| x7x7x7水蜜桃| 日韩欧美 国产精品| 国产精品久久久久久人妻精品电影| 国产激情欧美一区二区| 在线免费观看的www视频| 亚洲精品456在线播放app | 国产老妇女一区| 国产精品精品国产色婷婷| 国产在线精品亚洲第一网站| 久久婷婷人人爽人人干人人爱| 精品无人区乱码1区二区| 中文亚洲av片在线观看爽| 制服丝袜大香蕉在线| 啦啦啦观看免费观看视频高清| 国产一区二区在线观看日韩 | 成年女人看的毛片在线观看| 久久久久久久精品吃奶| 国产精品亚洲美女久久久| 亚洲精品美女久久久久99蜜臀| 99久国产av精品| 国产精品综合久久久久久久免费| 亚洲最大成人手机在线| 一级黄色大片毛片| 18禁美女被吸乳视频| 国产伦精品一区二区三区四那| 男女做爰动态图高潮gif福利片| 国产中年淑女户外野战色| 在线a可以看的网站| 少妇裸体淫交视频免费看高清| 中文字幕久久专区| 欧美黄色片欧美黄色片| 尤物成人国产欧美一区二区三区| 一区福利在线观看| 国产视频内射| 成人国产一区最新在线观看| 久久午夜亚洲精品久久| netflix在线观看网站| 亚洲成人中文字幕在线播放| 一级黄片播放器| 韩国av一区二区三区四区| 少妇丰满av| 亚洲欧美激情综合另类| 国产乱人视频| 别揉我奶头~嗯~啊~动态视频| 一个人看的www免费观看视频| 偷拍熟女少妇极品色| 国内精品久久久久精免费| 午夜a级毛片| 国产亚洲欧美98| 欧美一区二区精品小视频在线| 亚洲精品久久国产高清桃花| 国产乱人伦免费视频| 18禁在线播放成人免费| 中文字幕av在线有码专区| 亚洲av美国av| 午夜久久久久精精品| 日韩 欧美 亚洲 中文字幕| 三级毛片av免费| 精品一区二区三区视频在线观看免费| 高清毛片免费观看视频网站| 在线a可以看的网站| 岛国在线免费视频观看| 欧美精品啪啪一区二区三区| 男女之事视频高清在线观看| 熟妇人妻久久中文字幕3abv| 男女床上黄色一级片免费看| 国产黄色小视频在线观看| 亚洲人成电影免费在线| 国产亚洲欧美在线一区二区| 一本一本综合久久| 级片在线观看| 国产午夜福利久久久久久| 丰满人妻一区二区三区视频av | 真人一进一出gif抽搐免费| 国产 一区 欧美 日韩| 国产精品国产高清国产av| 91麻豆精品激情在线观看国产| 在线观看午夜福利视频| 美女被艹到高潮喷水动态| 3wmmmm亚洲av在线观看| 欧美乱妇无乱码| 搞女人的毛片| 国产午夜福利久久久久久| 在线免费观看的www视频| 久久九九热精品免费| 看片在线看免费视频| 搡老岳熟女国产| 日本一二三区视频观看| 9191精品国产免费久久| 97人妻精品一区二区三区麻豆| 嫩草影院入口| 色尼玛亚洲综合影院| 黄色成人免费大全| 午夜a级毛片| 欧美成人一区二区免费高清观看| 99精品在免费线老司机午夜| 亚洲国产精品sss在线观看| 高清毛片免费观看视频网站| 一区二区三区国产精品乱码| 午夜a级毛片| 精品熟女少妇八av免费久了| 两性午夜刺激爽爽歪歪视频在线观看| 精品久久久久久,| 一边摸一边抽搐一进一小说| 中文字幕av在线有码专区| ponron亚洲| av视频在线观看入口| 夜夜躁狠狠躁天天躁| 亚洲精品在线观看二区| 免费看十八禁软件| 看片在线看免费视频| 国产精品香港三级国产av潘金莲| 给我免费播放毛片高清在线观看| 午夜免费男女啪啪视频观看 | 俄罗斯特黄特色一大片| 欧美大码av| av天堂在线播放| 18美女黄网站色大片免费观看| 中文字幕av在线有码专区| 草草在线视频免费看| 美女 人体艺术 gogo| av福利片在线观看| 女生性感内裤真人,穿戴方法视频| 一级作爱视频免费观看| 啦啦啦观看免费观看视频高清| 国产高清视频在线播放一区| 两个人视频免费观看高清| 免费观看精品视频网站| av欧美777| 很黄的视频免费| 日韩中文字幕欧美一区二区| 叶爱在线成人免费视频播放| 中文在线观看免费www的网站| 精品久久久久久,| 精品熟女少妇八av免费久了| 日本成人三级电影网站| 天天添夜夜摸| 高潮久久久久久久久久久不卡| 久久精品夜夜夜夜夜久久蜜豆| 免费在线观看成人毛片| 国内精品一区二区在线观看| 亚洲精品美女久久久久99蜜臀| 老司机午夜十八禁免费视频| 成人精品一区二区免费| eeuss影院久久| 久久久国产成人免费| 亚洲色图av天堂| 岛国视频午夜一区免费看| 夜夜夜夜夜久久久久| 婷婷亚洲欧美| 婷婷六月久久综合丁香| 熟女人妻精品中文字幕| 国产黄片美女视频| 女生性感内裤真人,穿戴方法视频| 国产久久久一区二区三区| 波多野结衣高清无吗| 十八禁人妻一区二区| 99国产精品一区二区三区| 老汉色av国产亚洲站长工具| 欧美日韩亚洲国产一区二区在线观看| 我的老师免费观看完整版| 亚洲黑人精品在线| 天堂av国产一区二区熟女人妻| 他把我摸到了高潮在线观看| 夜夜夜夜夜久久久久| 国产高潮美女av| 老鸭窝网址在线观看| 搡老熟女国产l中国老女人| 国产国拍精品亚洲av在线观看 | 老熟妇乱子伦视频在线观看| 极品教师在线免费播放| 怎么达到女性高潮| 香蕉av资源在线| 久久伊人香网站| 无遮挡黄片免费观看| 一夜夜www| 一卡2卡三卡四卡精品乱码亚洲| av天堂中文字幕网| 国产免费av片在线观看野外av| 国产中年淑女户外野战色| 熟女电影av网| 18禁国产床啪视频网站| 美女 人体艺术 gogo| 午夜两性在线视频| 最近最新中文字幕大全免费视频| 99热精品在线国产| www.色视频.com| 亚洲第一欧美日韩一区二区三区| 搡老岳熟女国产| 在线免费观看不下载黄p国产 | 国产精品久久久久久久电影 | 美女大奶头视频| 婷婷丁香在线五月| 免费电影在线观看免费观看| 免费在线观看日本一区| 欧美黄色片欧美黄色片| 欧洲精品卡2卡3卡4卡5卡区| 一区二区三区高清视频在线| 成人午夜高清在线视频| 成人一区二区视频在线观看| 最后的刺客免费高清国语| 日韩欧美在线乱码| av欧美777| 国产97色在线日韩免费| 亚洲成人免费电影在线观看| 最近视频中文字幕2019在线8| svipshipincom国产片| 亚洲 欧美 日韩 在线 免费| 国内毛片毛片毛片毛片毛片| 国产aⅴ精品一区二区三区波| 国产野战对白在线观看| 午夜精品在线福利| av天堂中文字幕网| 91在线精品国自产拍蜜月 | 十八禁网站免费在线| 一本精品99久久精品77| 久久精品夜夜夜夜夜久久蜜豆| 欧美3d第一页| 大型黄色视频在线免费观看| 青草久久国产| 国产老妇女一区| 天天躁日日操中文字幕| 欧美日韩国产亚洲二区| 综合色av麻豆| av专区在线播放| 长腿黑丝高跟| 两个人看的免费小视频| 国产精品久久久人人做人人爽| 欧美极品一区二区三区四区| 无遮挡黄片免费观看| 亚洲男人的天堂狠狠| 88av欧美| 国产熟女xx| 国产精品久久久久久人妻精品电影| 全区人妻精品视频| 中文字幕精品亚洲无线码一区| 精华霜和精华液先用哪个| 黄色丝袜av网址大全| 哪里可以看免费的av片| 成人永久免费在线观看视频| 偷拍熟女少妇极品色| 亚洲国产欧美网| www.999成人在线观看| 桃色一区二区三区在线观看| 1000部很黄的大片| 亚洲av熟女| 欧美乱色亚洲激情| 国产精品香港三级国产av潘金莲| 国产单亲对白刺激| 国产精品影院久久| 亚洲人成电影免费在线| 悠悠久久av| 亚洲欧美日韩高清专用| 女同久久另类99精品国产91| 99久久无色码亚洲精品果冻| 老司机深夜福利视频在线观看| 51午夜福利影视在线观看| 无限看片的www在线观看| 黄色视频,在线免费观看| 国产激情欧美一区二区| 热99在线观看视频| 两人在一起打扑克的视频| 在线天堂最新版资源| 欧美黑人巨大hd| 中文在线观看免费www的网站| 黄色女人牲交| 美女 人体艺术 gogo| 国内少妇人妻偷人精品xxx网站| 亚洲五月婷婷丁香| 精品福利观看| 99久久无色码亚洲精品果冻| 岛国在线观看网站| 欧美黑人巨大hd| 欧美最新免费一区二区三区 | 国产精品一及| 国产综合懂色| 国产精品,欧美在线| 午夜福利成人在线免费观看| 亚洲成人精品中文字幕电影| 一级作爱视频免费观看| 国产一级毛片七仙女欲春2| 嫁个100分男人电影在线观看| 欧美区成人在线视频| 99riav亚洲国产免费| 女同久久另类99精品国产91| 久久九九热精品免费| 三级国产精品欧美在线观看| 成年人黄色毛片网站| 两个人的视频大全免费| 麻豆成人午夜福利视频| 1000部很黄的大片| 中文字幕精品亚洲无线码一区| 一区福利在线观看| 美女被艹到高潮喷水动态| 欧美激情在线99| 99久久久亚洲精品蜜臀av| 亚洲第一欧美日韩一区二区三区| 亚洲熟妇中文字幕五十中出| 少妇熟女aⅴ在线视频| 亚洲aⅴ乱码一区二区在线播放| 黄色成人免费大全| 久久性视频一级片| 999久久久精品免费观看国产| 午夜免费激情av| 日韩中文字幕欧美一区二区| 日本一二三区视频观看| 日韩欧美 国产精品| 在线观看午夜福利视频| 亚洲专区国产一区二区| 午夜福利在线观看吧| 国产视频一区二区在线看| 久久性视频一级片| 在线天堂最新版资源| 久久6这里有精品| 欧美不卡视频在线免费观看| 极品教师在线免费播放| 又黄又粗又硬又大视频| 亚洲av第一区精品v没综合| 国产精品98久久久久久宅男小说| 性色avwww在线观看| 国产视频一区二区在线看| 日韩高清综合在线| 我的老师免费观看完整版| 女警被强在线播放| 波多野结衣高清无吗| av片东京热男人的天堂| 18禁黄网站禁片免费观看直播| 亚洲人成网站在线播| 午夜免费观看网址| 日韩大尺度精品在线看网址| 久久久久久国产a免费观看| 国产亚洲精品一区二区www| 日本a在线网址| 麻豆成人av在线观看| 久9热在线精品视频| 悠悠久久av| 精品久久久久久成人av| 欧美性猛交黑人性爽| 99视频精品全部免费 在线| 成人鲁丝片一二三区免费| 亚洲熟妇中文字幕五十中出| 99久久九九国产精品国产免费| 热99re8久久精品国产| 国产91精品成人一区二区三区| 国产午夜精品论理片| 真人一进一出gif抽搐免费| 午夜a级毛片| 国产亚洲精品av在线| 亚洲av免费高清在线观看| 少妇丰满av| 国产亚洲精品综合一区在线观看| 一边摸一边抽搐一进一小说| 精品久久久久久,| 可以在线观看毛片的网站| 欧美xxxx黑人xx丫x性爽| 精品人妻1区二区| 亚洲人成网站高清观看| 欧美在线一区亚洲| 午夜免费成人在线视频| 夜夜躁狠狠躁天天躁| 一个人观看的视频www高清免费观看| 欧美又色又爽又黄视频| 黑人欧美特级aaaaaa片| 丝袜美腿在线中文| 女人高潮潮喷娇喘18禁视频| 国产色婷婷99| 丝袜美腿在线中文| 国产男靠女视频免费网站| 亚洲在线观看片| 日本 欧美在线| 亚洲乱码一区二区免费版| 日日夜夜操网爽| 性色avwww在线观看| 国产真人三级小视频在线观看| 麻豆一二三区av精品| 黄片大片在线免费观看| 色噜噜av男人的天堂激情| 韩国av一区二区三区四区|