• <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 ?

    融合引導(dǎo)濾波和遷移學(xué)習(xí)的薄云圖像中地物信息恢復(fù)算法

    2018-03-31 01:46:33胡根生周文利鮑文霞
    測繪學(xué)報 2018年3期
    關(guān)鍵詞:薄云子帶小波

    胡根生,周文利,梁 棟,鮑文霞

    1. 安徽大學(xué)計算智能與信號處理教育部重點實驗室,安徽 合肥 230039; 2. 安徽大學(xué)電子信息工程學(xué)院,安徽 合肥 230601; 3. 偏振光成像探測技術(shù)安徽省重點實驗室,安徽 合肥 230031

    衛(wèi)星遙感圖像現(xiàn)已被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、林業(yè)、資源、氣象、環(huán)境和國防等多個領(lǐng)域。衛(wèi)星遙感傳感器在獲取地面圖像時,極易受到天氣影響。云層覆蓋遙感圖像使得圖像上的地物信息模糊或者缺失,嚴(yán)重影響圖像的判讀和分析。在現(xiàn)有條件下,尋找一種有效的遙感圖像云覆蓋下地物信息恢復(fù)方法,是增強(qiáng)有云遙感圖像可用性的重要途徑。

    根據(jù)所用的遙感圖像數(shù)量,從薄云圖像中恢復(fù)地物信息的方法大致可以分為兩類:第1類是對單幅薄云圖像進(jìn)行濾波或邊緣增強(qiáng)達(dá)到去除薄云恢復(fù)地物信息的目的;第2類是利用多時相、多光譜遙感圖像之間的互補(bǔ)信息來恢復(fù)薄云圖像中的地物信息。同態(tài)濾波法和小波變換法是較為經(jīng)典的從單幅薄云遙感圖像中恢復(fù)地物信息的方法。同態(tài)濾波法是一種把頻率過濾和灰度變換結(jié)合起來的處理方法[1-3],先將圖像通過傅里葉變換轉(zhuǎn)換到頻率域,然后使用高頻濾波器對圖像進(jìn)行空間濾波去除薄云恢復(fù)地物信息。同態(tài)濾波法在每個通道的最佳截止頻率可以半自動確定[4]。小波變換法對薄云圖像進(jìn)行小波分解,得到不同分辨率的小波近似系數(shù)和細(xì)節(jié)系數(shù),通過對近似系數(shù)和細(xì)節(jié)系數(shù)的處理和重構(gòu),得到地物信息恢復(fù)圖像[5-6]。除了小波變換之外,輪廓波變換、對偶樹復(fù)小波變換等圖像變換方法也被用于從單幅薄云圖像中恢復(fù)地物信息[7-8]。同態(tài)濾波法和圖像變換法雖然能夠去除薄云恢復(fù)地物信息,但是也會對地物信息造成損傷,同時由于先驗條件的缺失和輔助信息的匱乏,利用單幅薄云圖像恢復(fù)地物信息的效果有限。多光譜圖像法利用多光譜圖像傳感器的某些波段分別對云層或地物較敏感這一特性來區(qū)分云層或地物,達(dá)到去云恢復(fù)地物信息的目的[9-10],其中Landsat-8 OLI的卷云波段已被廣泛應(yīng)用于Landsat-8多光譜圖像的云層檢測和去除[11]。多光譜圖像法需要有冗余的波段,在有限光譜分辨率的情況下,薄云很難用多光譜的方法去除。多時相圖像融合法利用不同傳感器獲得相同地區(qū)不同時相的圖像,通過圖像融合技術(shù)插補(bǔ)薄云區(qū)域的數(shù)據(jù),得到無云圖像,恢復(fù)地物信息[12-13]。圖像融合法可以移除云和云陰影[14],有效恢復(fù)地物信息,但現(xiàn)有的融合算法對圖像噪聲和不同圖像的輻射差異較為敏感[15]。

    本文給出一種融合引導(dǎo)濾波和遷移學(xué)習(xí)的薄云圖像中地物信息恢復(fù)算法。該算法利用多方向非抽樣對偶樹復(fù)小波變換對多源多時相遙感圖像進(jìn)行多分辨率分解,對分解后的圖像低頻成分分別利用支持向量引導(dǎo)濾波方法和域自適應(yīng)的遷移學(xué)習(xí)方法初步去除圖像上的薄云,再對這兩種方法處理后的圖像低頻成分利用基于區(qū)域能量的選擇和加權(quán)相結(jié)合的方法進(jìn)行融合,最終獲取地物細(xì)節(jié)清晰的無云遙感圖像。由于支持向量引導(dǎo)濾波能有效保留地物的細(xì)節(jié)信息,還具有較好的抗噪聲能力,域自適應(yīng)的遷移學(xué)習(xí)模型能使得可利用的多源多時相遙感圖像范圍大大擴(kuò)展,本文將這兩種方法恢復(fù)地物信息的圖像進(jìn)行融合,充分利用支持向量引導(dǎo)濾波和遷移學(xué)習(xí)方法的優(yōu)勢,在恢復(fù)薄云下地物信息的同時有效去除薄云,獲得好的地物信息恢復(fù)效果。

    1 地物信息恢復(fù)算法

    1.1 多方向非抽樣對偶樹復(fù)小波變換

    由于遙感圖像中的地物與薄云一般占用不同的頻帶,薄云遙感圖像經(jīng)過多尺度變換分解之后,地物信息主要分布在高頻子帶,薄云信息主要分布在低頻子帶,因而小波變換等多尺度分解方法已被應(yīng)用于遙感圖像薄云去除算法中[6]。小波變換處理圖像時存在兩個方面的缺點:一是移位方差的存在,即輸入信號發(fā)生較小的平移,會造成小波變換的系數(shù)發(fā)生劇烈變化;二是方向選擇性不足,只能捕獲信號在水平、垂直以及對角3個方向上的細(xì)節(jié)信息。為此,文獻(xiàn)[16]提出了對偶樹復(fù)小波變換。對偶樹復(fù)小波變換由兩棵平行的小波樹組成,兩棵小波樹提供了多分辨率分析的每層必要的信號延遲,并將采樣間隔擴(kuò)大1倍,從而消除混疊效應(yīng),實現(xiàn)近似平移不變性。二維對偶樹復(fù)小波變換把圖像在每個尺度上分解成兩個低頻子帶和6個方向的高頻子帶,其中低頻子帶用來繼續(xù)下一尺度的分解。在二維對偶樹復(fù)小波濾波器組之前再增加沙漏濾波器組以增加方向選擇性[17],并且在每層小波分解樹不進(jìn)行下采樣以實現(xiàn)完全的平移不變性,這樣就構(gòu)成了多方向非抽樣對偶樹復(fù)小波變換[18]。

    多方向非抽樣對偶樹復(fù)小波變換分解二維圖像I(n1,n2)可通過式(1)表示

    (1)

    1.2 支持向量引導(dǎo)濾波

    由于薄云具有緩慢變化的特性,薄云遙感圖像經(jīng)過多方向非抽樣對偶樹復(fù)小波變換分解之后,薄云信息主要分布在低頻子帶。為了去除薄云恢復(fù)地物信息,本文利用引導(dǎo)濾波方法對薄云圖像的低頻子帶進(jìn)行處理,引導(dǎo)濾波的輸入包括薄云圖像和引導(dǎo)圖像經(jīng)多方向非抽樣對偶樹復(fù)小波變換分解后的低頻子帶圖像。

    假設(shè)p是一個待濾波圖像,I是一個無云引導(dǎo)圖像,q是引導(dǎo)濾波輸出圖像。在本文中,待濾波圖像即為薄云圖像經(jīng)多方向非抽樣對偶樹復(fù)小波變換分解后的低頻子帶圖像,無云引導(dǎo)圖像是事先選定的和薄云圖像地理位置相同的無云圖像經(jīng)多方向非抽樣對偶樹復(fù)小波變換分解后的低頻子帶圖像。引導(dǎo)濾波輸出是引導(dǎo)圖像的一個線性變換[19]

    qi(Ii)=hkIi+bk, ?i∈ωk

    (2)

    式中,ωk是以像素k為中心的一個窗口;i是像素索引;hk、bk是當(dāng)窗口中心位于像素k時該線性函數(shù)的權(quán)重和偏置。權(quán)重和偏置可以利用待濾波圖像p的約束條件來求取,其中一個較為合理的約束條件是在保持式(2)線性關(guān)系的同時最小化輸入輸出圖像間的差異,比如可以通過最小化下面的損失函數(shù)來確定hk、bk的值

    (3)

    由于引導(dǎo)濾波輸出是引導(dǎo)圖像的一個線性變換,雖具有良好的邊緣保持特性,但其抗噪聲性能不足。本文利用支持向量回歸模型的強(qiáng)泛化能力,給出一種支持向量引導(dǎo)濾波代替現(xiàn)有的引導(dǎo)濾波,以便在恢復(fù)地物信息的同時能有效去除圖像噪聲。支持向量引導(dǎo)濾波輸出是引導(dǎo)圖像的一個非線性變換

    qi(Ii)=Hkφ(Ii)+bk, ?i∈ωk

    (4)

    式中,φ(·)是將線性不可分樣本點變換到線性可分高維特征空間的非線性映射。為了求解該非線性變換的權(quán)重Hk和偏置bk,需要最小化下面的結(jié)構(gòu)風(fēng)險

    Rreg(f)=Remp(f)+λΩ(f)

    (5)

    式中,Remp(f)是經(jīng)驗風(fēng)險函數(shù),度量輸入輸出圖像間的差異,其作用類似于式(3)中的平方損失;Ω(f)是提高函數(shù)泛化能力的正則項,其作用類似于式(3)中的正則項,防止輸入輸出圖像之間過擬合。根據(jù)支持向量機(jī)理論,最小化式(5)等價于下面的約束優(yōu)化問題[8]

    (6)

    定義拉格朗日函數(shù)

    (7)

    式中,αi∈R是拉格朗日乘子。

    由KKT(Karush-Kuhn-Tucker)條件得到下列線性方程組

    (8)

    根據(jù)表示定理,式(4)有如下表示形式的解

    (9)

    因而將式(8)的求解結(jié)果代入式(9),就可以得到支持向量引導(dǎo)濾波輸出值。式(9)所給出的引導(dǎo)濾波輸出是引導(dǎo)圖像的一個非線性變換,該非線性變換的加權(quán)系數(shù)和偏置由式(8)所定義的線性方程組確定。

    利用支持向量引導(dǎo)濾波方法恢復(fù)薄云圖像低頻子帶中地物信息的算法流程見圖1。

    圖1 支持向量引導(dǎo)濾波方法流程示意Fig.1 Diagram of support vector guided filter method

    1.3 遷移學(xué)習(xí)

    傳統(tǒng)機(jī)器學(xué)習(xí)方法有一個共同的假設(shè):訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)均來自同一特征空間或具有同一概率分布,當(dāng)兩者概率分布發(fā)生較大變化時,盡管源域中有大量可用的訓(xùn)練數(shù)據(jù),但是通過訓(xùn)練這些數(shù)據(jù)得到的預(yù)測模型來測試目標(biāo)域數(shù)據(jù)的性能并不穩(wěn)健。遷移學(xué)習(xí)方法是解決訓(xùn)練樣本與測試樣本分布不一致問題的有效方法,本文采用域自適應(yīng)的遷移支持向量回歸模型將多源多時相圖像的地物輪廓信息添加進(jìn)目標(biāo)圖像中,以獲得好的地物信息恢復(fù)效果[8]。

    (10)

    遷移支持向量回歸模型的決策函數(shù)是在標(biāo)準(zhǔn)支持向量回歸模型決策函數(shù)的基礎(chǔ)上增加一個“Δ函數(shù)”,使其在不同域中能更好地自適應(yīng)[21],即

    (11)

    可以通過下面的約束優(yōu)化模型來學(xué)習(xí)Δqi(x)中的參數(shù)w與b

    (12)

    利用拉格朗日乘子法得到

    (13)

    式中,αi∈R為拉格朗日乘子。

    由KKT條件得到下列線性方程組

    (14)

    因而,式(11)可以表示為

    (15)

    同理,若有M種源域樣本,則遷移支持向量回歸模型的決策函數(shù)為

    (16)

    利用遷移學(xué)習(xí)方法恢復(fù)薄云圖像低頻子帶中地物信息的算法流程見圖2。

    圖2 遷移學(xué)習(xí)方法流程示意Fig.2 Diagram of transfer learning method

    1.4 高低頻子帶的處理

    薄云遙感圖像經(jīng)多方向非抽樣對偶樹復(fù)小波變換后,圖像分解成低頻子帶和多尺度多方向高頻子帶。由于地物信息主要占據(jù)了圖像的高頻頻帶,需要對薄云圖像的高頻方向子帶系數(shù)進(jìn)行增強(qiáng)處理。文獻(xiàn)[22]提出了一個如下所示的增強(qiáng)函數(shù)

    f(y)=δ1{sigm[δ3(y-δ2)]-sigm[-δ3(y+δ2)]}

    (17)

    式中,-1≤y≤1;δ1={sigm[δ3(1-δ2)]-sigm[-δ3(1+δ2)]}-1,0<δ2<1,sigm(y)=(1+e-y)-1;參數(shù)δ3用于控制增強(qiáng)強(qiáng)度。由于多方向非抽樣對偶樹復(fù)小波變換具有很強(qiáng)的方向信息,對噪聲點來說,它的分解系數(shù)會較小,而圖像中地物邊緣的分解系數(shù)會較大,但對一些較弱的邊緣來說,在部分方向子帶里的系數(shù)會較大,在另外一些方向子帶里的系數(shù)會較小。為了避免對圖像中地物的邊緣系數(shù)進(jìn)行增強(qiáng)的同時也放大了噪聲系數(shù),需要對方向子帶的不同系數(shù)分別進(jìn)行處理,因而本文采用如下的增強(qiáng)函數(shù)[23-24]

    (18)

    式中,ymax是高頻方向子帶的最大系數(shù);Thr是閾值。假設(shè)含噪聲信號模型可以表示為

    yi=θi+σzii=1,2,…,n

    (19)

    (20)

    由于薄云占據(jù)圖像的低頻頻帶,為了去除薄云恢復(fù)地物信息,需要對低頻子帶進(jìn)行處理。利用目標(biāo)圖像和引導(dǎo)圖像(源域圖像)的低頻子帶系數(shù)求解式(8)、式(9),獲取引導(dǎo)濾波輸出的低頻子帶系數(shù),求解式(15)、式(16),獲取遷移支持向量回歸模型預(yù)測的低頻子帶系數(shù),再利用圖像融合法把引導(dǎo)濾波輸出和遷移支持向量回歸模型預(yù)測的低頻子帶系數(shù)進(jìn)行融合,使得融合子帶具有更多的地物輪廓信息。本文采用基于區(qū)域能量的選擇和加權(quán)相結(jié)合的方法融合低頻子帶系數(shù)。

    設(shè)所選的區(qū)域為Ω,區(qū)域Ω的中心像素點坐標(biāo)為(s,t),則該區(qū)域Ω的能量表示為

    (21)

    定義兩幅圖像A、B在區(qū)域Ω范圍內(nèi)的匹配度如下[27]

    (22)

    定義加權(quán)歸一化差異指數(shù)為

    (23)

    式中,W2是權(quán)重系數(shù),大小由式(24)決定

    (24)

    式中,τ是加權(quán)歸一化差異指數(shù)的閾值。ND值用來度量待融合圖像區(qū)域之間的差異程度,其絕對值越小,表明待融合圖像區(qū)域之間的差異程度越小,融合規(guī)則采用加權(quán)形式,反之則表明待融合圖像區(qū)域之間的差異程度越大,融合規(guī)則采用選擇形式。本文根據(jù)多次模擬薄云圖像試驗結(jié)果將閾值τ取為0.3。如果-τ

    (25)

    如果ND≥τ或ND≤-τ,則融合采用選擇形式

    (26)

    1.5 算法步驟

    為了恢復(fù)薄云遙感圖像上的地物信息,本文算法步驟如下:

    (1) 選取薄云目標(biāo)圖像和不同時相無云引導(dǎo)圖像(源域圖像)并進(jìn)行空間配準(zhǔn)。

    (2) 對目標(biāo)圖像和引導(dǎo)圖像(源域圖像)進(jìn)行多方向非抽樣對偶樹復(fù)小波變換分解,并提取高低頻子帶系數(shù)。

    (3) 利用目標(biāo)圖像和引導(dǎo)圖像的低頻子帶系數(shù)求解式(8)、式(9),獲取支持向量引導(dǎo)濾波輸出的低頻子帶系數(shù);利用目標(biāo)圖像和源域圖像的低頻子帶系數(shù)求解式(15)、式(16),獲取遷移學(xué)習(xí)方法預(yù)測的低頻子帶系數(shù)。

    (4) 利用式(25)或式(26)的融合規(guī)則把支持向量引導(dǎo)濾波方法和遷移學(xué)習(xí)方法分別處理后的低頻子帶系數(shù)進(jìn)行融合。

    (5) 采用式(18)的增強(qiáng)函數(shù)對高頻方向子帶進(jìn)行增強(qiáng)處理。

    (6) 利用多方向非抽樣對偶樹復(fù)小波逆變換,把經(jīng)過融合后的低頻子帶和經(jīng)過增強(qiáng)后的高頻方向子帶進(jìn)行重構(gòu),獲得地物信息恢復(fù)圖像。

    2 試驗結(jié)果及分析

    為了驗證本文算法的有效性,本部分進(jìn)行仿真試驗。試驗選取的多光譜圖像來自于Landsat-8 OLI傳感器。試驗是對波段1—7進(jìn)行處理的,為了更好地顯示處理結(jié)果,文中僅給出由4、3、2波段合成的真彩色圖像,定量評價結(jié)果也是對這3個波段分別進(jìn)行定量評價后取平均值。引導(dǎo)濾波法[19]、遷移學(xué)習(xí)法[8]、同態(tài)濾波法[2]、Mallat分解法[6]、文獻(xiàn)[23]和文獻(xiàn)[11]所提算法被用來與本文算法進(jìn)行對比分析。由于多方向非抽樣對偶樹復(fù)小波變換的分解級數(shù)對處理結(jié)果有一定的影響,分解級數(shù)較少時,薄云圖像的低頻子帶中攜帶較多的地物細(xì)節(jié)信息,對低頻子帶的處理會損傷地物的邊緣,分解級數(shù)較多時,薄云圖像的高頻子帶中攜帶較多的薄云信息,對高頻子帶的增強(qiáng)處理會增大云噪聲,因此分解級數(shù)一般為3~5級,本文采用較為適中的4級分解。

    2.1 模擬薄云圖像試驗

    由于薄云圖像中的地物信息模糊,為了對不同方法恢復(fù)地物信息的效果進(jìn)行定量評價,選取兩幅不同時相的南京市無云遙感圖像,將薄云疊加到無云遙感圖像獲得模擬薄云圖像,見圖3,其中目標(biāo)圖像獲取時間為2017年2月18日,源域圖像獲取時間為2017年3月6日。不同方法恢復(fù)地物信息的結(jié)果見圖4。

    圖3 南京市多光譜圖像Fig.3 Multi spectral images of Nanjing

    本文選用空間頻率、平均梯度、峰值信噪比、偏差指數(shù)和結(jié)構(gòu)相似度5個指標(biāo)對不同方法恢復(fù)地物信息的效果進(jìn)行定量評價。

    (1) 空間頻率(SF)定義為

    (27)

    式中,F(xiàn)(i,j)表示地物信息恢復(fù)圖像F在點(i,j)的灰度值,空間頻率值越大表明圖像越清晰,空間質(zhì)量越好。

    (2) 平均梯度(AG)定義為

    (28)

    (3) 峰值信噪比(PSNR)定義為

    (29)

    式中,MSE為源圖像與地物信息恢復(fù)圖像之間的均方誤差。峰值信噪比指標(biāo)可用來衡量算法的抗噪聲的能力,峰值信噪比越大,表示去噪能力越強(qiáng)。

    (4) 偏差指數(shù)(DI)定義為

    (30)

    式中,C(i,j)為源圖像在點(i,j)的灰度值。偏差指數(shù)反映地物信息恢復(fù)圖像與源圖像之間的背離程度,其值越小則偏差越小,所得結(jié)果越優(yōu)。

    (5) 結(jié)構(gòu)相似度(SSIM)定義為

    SSIM(C,F)=[l1(C,F)]α[l2(C,F)]β[l3(C,F)]γ

    (31)

    式中,l1(C,F)描述的是亮度比較,其表達(dá)式為

    (32)

    l2(C,F)描述的是對比度比較,其表達(dá)式為

    (33)

    l3(C,F)描述的是結(jié)構(gòu)比較,其表達(dá)式為

    (34)

    式中,uC和uF分別表示去云前后圖像的均值;σC和σF為去云前后圖像的方差;σCF為去云前后圖像的協(xié)方差,C1、C2、C3為自行設(shè)定的3個較小的常量,本文中參數(shù)α=-1、β=-1和γ=1。圖像與源圖像結(jié)構(gòu)相似度越高,薄云去除效果越好[23]。

    不同方法恢復(fù)地物信息的定量評價指標(biāo)如表1所示。

    表1 不同方法恢復(fù)地物信息的定量評價指標(biāo)

    從表1中可以看出,本文算法的峰值信噪比指標(biāo)和結(jié)構(gòu)相似度指標(biāo)都高于其他6種方法,空間頻率指標(biāo)和平均梯度指標(biāo)低于引導(dǎo)濾波法但高于其他5種方法,引導(dǎo)濾波法恢復(fù)地物信息的結(jié)果圖像含有較多的殘留薄云造成其空間頻率指標(biāo)和平均梯度指標(biāo)較高,而本文算法去除薄云較為徹底,所獲得的地物信息恢復(fù)圖像保留了目標(biāo)圖像中更多的地物信息。本文算法的偏差指數(shù)指標(biāo)低于其他6種方法,說明本文算法恢復(fù)的地物信息失真度更小,地物信息的恢復(fù)效果更好。

    2.2 真實薄云圖像試驗

    圖5所示為麗江市多光譜圖像,其中目標(biāo)圖像獲取時間為2016年3月18日,源域圖像獲取時間為2016年5月5日。圖7所示為西安市多光譜圖像,其中目標(biāo)圖像獲取時間為2016年8月29日,源域圖像獲取時間為2016年7月28日。圖5(a)選取的目標(biāo)圖像有少量薄云,圖7(a)選取的目標(biāo)圖像有大量薄云。不同方法恢復(fù)地物信息的結(jié)果如圖6和圖8所示。

    圖6 對圖5(a)采用不同方法恢復(fù)地物信息的結(jié)果圖像 Fig.6 Resulting images of recovering ground object information for Fig.5(a) by different methods

    圖7 西安市多光譜圖像Fig.7 Multi spectral images of Xi’an

    從圖6和圖8可以看出,引導(dǎo)濾波法、Mallat分解法和文獻(xiàn)[23]算法能增強(qiáng)地物信息,但殘留了部分薄云。遷移學(xué)習(xí)法和文獻(xiàn)[11]算法能去除大部分云信息, 但是地物信息有一定的損傷。同態(tài)濾波法能去除一部分薄云信息,但對稍厚的云層去除效果不佳,且地物信息損失較重。本文算法恢復(fù)地物信息后的圖像更加清晰和流暢。

    為了更好地評價不同方法恢復(fù)地物信息的效果,本文借助ENVI的光譜庫,將地物恢復(fù)圖像中各地物的光譜反射率與光譜庫中各地物光譜反射率進(jìn)行比較,選擇光譜反射率誤差指標(biāo)對真實圖像試驗進(jìn)行定量評價。光譜反射率誤差SRE的計算公式如下[8]

    (35)

    式中,AR和BR分別是地物恢復(fù)圖像中各地物的光譜反射率和ENVI光譜庫中各地物光譜反射率;i代表地物類別。

    圖8 對圖7(a)采用不同方法恢復(fù)地物信息的結(jié)果圖像Fig.8 Resulting images of recovering ground object information for Fig.7(a) by different methods

    分別選取植被、土壤、巖石和村莊各100個樣本點,根據(jù)式(35)計算不同方法恢復(fù)地物的平均光譜反射率誤差,見圖9和圖10。可以看出,本文算法恢復(fù)地物的平均光譜反射率誤差最小,地物信息恢復(fù)效果相較于其他6種方法更好。

    3 結(jié) 論

    由于遙感圖像中的地物與薄云一般占用不同的頻帶,利用多方向非抽樣對偶樹復(fù)小波變換對薄云遙感圖像進(jìn)行多分辨率分解后,圖像中的地物信息主要分布在高頻子帶,薄云信息主要分布在低頻子帶。通過對高頻子帶的地物細(xì)節(jié)信息進(jìn)行增強(qiáng),對低頻子帶的薄云信息進(jìn)行抑制,能有效恢復(fù)薄云圖像中的地物信息。本文分別采用支持向量引導(dǎo)濾波方法和域自適應(yīng)的遷移學(xué)習(xí)方法處理薄云圖像的低頻子帶。由于支持向量回歸模型具有強(qiáng)泛化能力,用支持向量引導(dǎo)濾波代替線性引導(dǎo)濾波,所獲得的濾波輸出圖像既能保持地物細(xì)節(jié)信息又能有效去除圖像噪聲,獲得好的泛化性能。而遷移學(xué)習(xí)方法是解決訓(xùn)練樣本與測試樣本分布不一致問題的有效方法,利用遷移學(xué)習(xí)能使得可利用的多源多時相遙感圖像范圍大大擴(kuò)展。本文利用融合法綜合了支持向量引導(dǎo)濾波和遷移學(xué)習(xí)方法恢復(fù)地物信息的優(yōu)勢,因而能更好地恢復(fù)薄云遙感圖像中的地物信息,獲得較好的地物信息恢復(fù)效果。

    圖9 圖6中不同地物的平均光譜反射率誤差Fig.9 Average spectral reflectance errors of different ground objects in Fig.6

    [1] CAI Wenting,LIU Yongxue,LI Manchun,et al.A Self-adaptive Homomorphic Filter Method for Removing Thin Cloud[C]∥Proceedings of 2011 19th International Conference on Geoinformatics.Shanghai:IEEE,2011:1-4.

    [2] WU Xiaoping,YANG Wunian,LI Guoming.Thin Cloud Removal of ZY-3 Image based on Improved Homomorphism Filtering Method[C]∥Proceedings of 2013 21st International Conference on Geoinformatics.Kaifeng:IEEE,2013:1-4.

    [3] WANG Xia,LI Minmin,TANG Hongmei.A Modified Homomorphism Filtering Algorithm for Cloud Removal[C]∥Proceedings of 2010 International Conference on Computational Intelligence and Software Engineering.Wuhan:IEEE,2010:1-4.

    [4] SHEN Huandeng,LI Huifang,QIAN Yan,et al.An Effective Thin Cloud Removal Procedure for Visible Remote Sensing Images[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,96:224-235.

    [5] ZHU Xifang,WU Feng,TAO Chunkan.A New Algorithm of Cloud Removing for Optical Images Based on Wavelet Threshold Theory[J].Acta Photonica Sinica,2009,38(12):3312-3317.

    [6] ZHU Xifang,WU Feng,ZHUANG Yanbin.An Improved Approach to Remove Cloud and Mist from Remote Sensing Digital Images Based on Mallat Algorithm[J].Journal of Remote Sensing,2007,11(2):241-246.

    [7] 梁棟,孔頡,胡根生,等.基于支持向量機(jī)的遙感影像厚云及云陰影去除[J].測繪學(xué)報,2012,41(2):225-331,238.

    LIANG Dong,KONG Jie,HU Gensheng,et al.The Removal of Thick Cloud and Cloud Shadow of Remote Sensing Image Based on Support Vector Machine[J].Acta Geodaetica et Cartographica Sinica,2012,41(2):225-331,238.

    [8] HU Gensheng,LI Xiaoyi,LIANG Dong.Thin Cloud Removal from Remote Sensing Images Using Multidirectional Dual Tree Complex Wavelet Transform and Transfer Least Square Support Vector Regression[J].Journal of Applied Remote Sensing,2015,9(1):095053.

    [9] JEDLOVEC G J,HAINES S L,LAFONTAINE F J.Spatial and Temporal Varying Thresholds for Cloud Detection in GOES Imagery[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46(6):1705-1717.

    [10] EL-ARABY E,EL-GHAZAWI T,LE MOIGNE J,et al.Reconfigurable Processing for Satellite on-Board Automatic Cloud Cover Assessment[J].Journal of Real-Time Image Processing,2009,4(3):245-259.

    [11] SHEN Yang,WANG Yong,LV Haitao,et al.Removal of Thin Clouds in Landsat-8 OLI Data with Independent Component Analysis[J].Remote Sensing,2015,7(9):11481-11500.

    [12] GABARDA S,CRIST?BAL G.Cloud Covering Denoising through Image Fusion[J].Image and Vision Computing,2007,25(5):523-530.

    [13] YANG Jun,ZHAO Zhongming,MA Jianglin,et al.Image Fusion for Automatic Detection and Removal of Clouds and Their Shadows[C]∥Proceedings of SPIE Volume 6419,Geoinformatics 2006:Remotely Sensed Data and Information.Wuhan:SPIE,2006,6419:64191X.

    [14] MENG Xiangchao,SHEN H,YUAN Qiangqiang,et al.An Integrated Fusion Framework for Joint Information Reconstruction and Resolution Enhancement[J].International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,2017,42:831-835.

    [15] 許寧,肖新耀,尤紅建,等.HCT變換與聯(lián)合稀疏模型相結(jié)合的遙感影像融合[J].測繪學(xué)報,2016,45(4):434-441.DOI:10.11947/j.AGCS.2016.20150372.

    XU Ning,XIAO Xinyao,YOU Hongjian,et al.A Pansharpening Method based on HCT and Joint Sparse Model[J].Acta Geodaetica et Cartographica Sinica,2016,45(4):434-441.DOI:10.11947/j.AGCS.2016.20150372.

    [16] KINGSBURY N Q,Kingsbury N.The Dual-Tree Complex Wavelet Transform:A New Technique for Shift Invariance and Directional Filters[C]∥Proceedings of the 8th IEEE Digital Signal Processing Workshop.Bryce Canyon:IEEE.1998:2543-2560.

    [17] CELIK T,TJAHJADI T.Image Resolution Enhancement Using Dual-tree Complex Wavelet Transform[J].IEEE Geoscience and Remote Sensing Letters,2010,7(3):554-557.

    [18] 胡根生,査慧敏,梁棟,等.結(jié)合分類與遷移學(xué)習(xí)的薄云覆蓋遙感圖像地物信息恢復(fù)[J].電子學(xué)報,2017,45(12):2856-2862.

    HU Gensheng,ZHA Huimin,LIANG Dong,et al.Ground Object Information Recovery for Thin Cloud Contaminated Remote Sensing Images by Combining Classification with Transfer Learning[J].Acta Electronica Sinica,2017,45(12):2856-2862.

    [19] HE Kaiming,SUN Jian,TANG Xiaoou.Guided Image Filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(6):1397-1409.

    [20] HE Kaiming,SUN Jian,TANG Xiaoou.Single Image Haze Removal Using Dark Channel Prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2341-2353.

    [21] PAN S J,YANG Qiang.A Survey on Transfer Learning[J].IEEE Transactions on Knowledge and Data Engineering,2010,22(10):1345-1359.

    [22] LAINE A F,ZONG Xuli.Multiscale Suboctave Wavelet Transform for Denoising and Enhancement[C]∥Proceedings of SPIE Volume 2825,Wavelet Applications in Signal and Image Processing IV.Denver,CO:SPIE,1996,2825:238-249.

    [23] KONG Jie,HU Gensheng,LIANG Dong.Thin Cloud Removing Approach of Color Remote Sensing Image based on Support Vector Machine[C]∥Proceedings of 2010 Asia-Pacific Conference on Wearable Computing Systems.Shenzhen:IEEE,2010:131-135.

    [24] HU Gensheng,SUN Xiaoqi,LIANG Dong,et al.Cloud Removal of Remote Sensing Image based on Multi-Output Support Vector Regression[J].Journal of Systems Engineering and Electronics,2014,25(6):1082-1088.

    [25] DONOHO D L.De-noising by Soft-thresholding[J].IEEE Transactions on Information Theory,1995,41(3):613-627.

    [26] HASHEMI M,BEHESHTI S.Adaptive Noise Variance Estimation in Bayes Shrink[J].IEEE Signal Processing Letters,2010,17(1):12-15.

    [27] 胡根生,梁棟,孔頡.基于支持向量值輪廓波變換的遙感影像融合[J].電子學(xué)報,2010,38(6):1287-1292.

    HU Gensheng,LIANG Dong,KONG Jie.Remote Sensing Image Fusion Based on Support Vector Value Contourlet Transform[J].Acta Electronica Sinica,2010,38(6):1287-1292.

    猜你喜歡
    薄云子帶小波
    一種基于奇偶判斷WPT的多音干擾抑制方法*
    構(gòu)造Daubechies小波的一些注記
    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
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動軸承故障診斷
    基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計
    基于FPGA小波變換核的設(shè)計
    電測與儀表(2014年8期)2014-04-04 09:19:38
    利用小波變換去除遙感影像薄云研究
    蘇木山觀日出
    老年世界(2013年22期)2013-12-16 08:09:38
    基于子帶模式的AMC技術(shù)算法分析
    满18在线观看网站| 中文字幕av电影在线播放| 日韩有码中文字幕| 日韩有码中文字幕| 很黄的视频免费| 在线看三级毛片| 亚洲人成77777在线视频| 亚洲av美国av| 久久香蕉国产精品| 精品乱码久久久久久99久播| 国产成年人精品一区二区| 久久精品夜夜夜夜夜久久蜜豆 | 国产精品久久视频播放| 国产成人精品无人区| 男女之事视频高清在线观看| 国产精品九九99| 亚洲精品粉嫩美女一区| 免费电影在线观看免费观看| 在线观看一区二区三区| 午夜影院日韩av| av天堂在线播放| 国产精品久久久久久亚洲av鲁大| 亚洲精品国产区一区二| 不卡一级毛片| 国产99白浆流出| 动漫黄色视频在线观看| 在线观看免费视频日本深夜| 少妇 在线观看| 日韩精品中文字幕看吧| 婷婷亚洲欧美| 欧美精品亚洲一区二区| 国产精品亚洲一级av第二区| 精品一区二区三区视频在线观看免费| 曰老女人黄片| 又紧又爽又黄一区二区| 精品高清国产在线一区| 亚洲av片天天在线观看| 搡老熟女国产l中国老女人| 精品国产国语对白av| 757午夜福利合集在线观看| 国产精品乱码一区二三区的特点| 亚洲av中文字字幕乱码综合 | 美女免费视频网站| 亚洲欧美日韩无卡精品| 美女大奶头视频| 欧美一区二区精品小视频在线| 亚洲 欧美一区二区三区| 一级毛片女人18水好多| 免费在线观看日本一区| 亚洲中文日韩欧美视频| 中文字幕av电影在线播放| 热re99久久国产66热| 久久久久免费精品人妻一区二区 | 午夜福利高清视频| 悠悠久久av| 人人妻,人人澡人人爽秒播| 精品久久久久久,| 村上凉子中文字幕在线| 人人妻人人澡欧美一区二区| 久久国产精品男人的天堂亚洲| 日韩成人在线观看一区二区三区| 丰满的人妻完整版| 日韩欧美一区二区三区在线观看| 欧美激情 高清一区二区三区| 88av欧美| 免费高清视频大片| 亚洲中文av在线| 欧美激情高清一区二区三区| av超薄肉色丝袜交足视频| 色综合站精品国产| 成人亚洲精品一区在线观看| 欧美日韩乱码在线| 在线免费观看的www视频| 久久精品夜夜夜夜夜久久蜜豆 | 午夜久久久久精精品| 看免费av毛片| 国产成+人综合+亚洲专区| 久热爱精品视频在线9| 少妇粗大呻吟视频| 久久久久久九九精品二区国产 | av欧美777| 亚洲男人天堂网一区| 亚洲精品粉嫩美女一区| av视频在线观看入口| 校园春色视频在线观看| 精品无人区乱码1区二区| 国产单亲对白刺激| 久久人妻av系列| 成人精品一区二区免费| 国产精品国产高清国产av| 亚洲国产高清在线一区二区三 | 国产精品九九99| 51午夜福利影视在线观看| 一本一本综合久久| 欧美丝袜亚洲另类 | 亚洲成国产人片在线观看| 国产亚洲欧美精品永久| 黄片播放在线免费| 搡老熟女国产l中国老女人| 一级黄色大片毛片| 少妇粗大呻吟视频| 国产真人三级小视频在线观看| 亚洲激情在线av| av有码第一页| 两个人视频免费观看高清| a在线观看视频网站| 亚洲欧美激情综合另类| 国产片内射在线| 看黄色毛片网站| 白带黄色成豆腐渣| 欧美日韩黄片免| 午夜免费成人在线视频| 日韩精品青青久久久久久| 久久国产精品男人的天堂亚洲| 亚洲第一青青草原| 久久久精品欧美日韩精品| 亚洲国产精品成人综合色| 十八禁人妻一区二区| 免费在线观看亚洲国产| 美女扒开内裤让男人捅视频| 精品第一国产精品| 国产成人精品久久二区二区免费| 在线十欧美十亚洲十日本专区| 麻豆久久精品国产亚洲av| 国产三级在线视频| 美女午夜性视频免费| 亚洲精品色激情综合| 香蕉丝袜av| 这个男人来自地球电影免费观看| 可以免费在线观看a视频的电影网站| 国产av一区在线观看免费| 亚洲av片天天在线观看| 在线观看免费视频日本深夜| 国产在线观看jvid| 国产主播在线观看一区二区| 91麻豆精品激情在线观看国产| 久久香蕉国产精品| 人成视频在线观看免费观看| 久久香蕉激情| 成熟少妇高潮喷水视频| 精品久久久久久久久久免费视频| 久久久久久久久免费视频了| 国产成+人综合+亚洲专区| 免费在线观看影片大全网站| 丰满的人妻完整版| 叶爱在线成人免费视频播放| 日韩大码丰满熟妇| 夜夜夜夜夜久久久久| 精品国产乱子伦一区二区三区| 欧美性长视频在线观看| 日本免费一区二区三区高清不卡| 日韩精品免费视频一区二区三区| 亚洲精品美女久久av网站| 色精品久久人妻99蜜桃| 欧美丝袜亚洲另类 | 亚洲欧美精品综合一区二区三区| 一进一出抽搐gif免费好疼| 久久精品aⅴ一区二区三区四区| 久久久久久大精品| 久久精品国产亚洲av高清一级| 亚洲成人久久爱视频| 成人18禁在线播放| 国产伦一二天堂av在线观看| 麻豆久久精品国产亚洲av| 日韩欧美一区视频在线观看| av在线天堂中文字幕| 一边摸一边抽搐一进一小说| 国产区一区二久久| 国内精品久久久久精免费| 激情在线观看视频在线高清| 伊人久久大香线蕉亚洲五| 久久精品国产清高在天天线| 欧美激情高清一区二区三区| 欧美乱妇无乱码| 国产人伦9x9x在线观看| 午夜日韩欧美国产| 老熟妇仑乱视频hdxx| 亚洲成av片中文字幕在线观看| 狠狠狠狠99中文字幕| 在线观看免费午夜福利视频| www.熟女人妻精品国产| www日本在线高清视频| 男人舔奶头视频| 午夜免费观看网址| 叶爱在线成人免费视频播放| 国产国语露脸激情在线看| 一本精品99久久精品77| 亚洲国产精品合色在线| 亚洲真实伦在线观看| 国产成年人精品一区二区| 午夜亚洲福利在线播放| 久99久视频精品免费| 91麻豆av在线| 在线观看舔阴道视频| 大型黄色视频在线免费观看| 88av欧美| 丝袜人妻中文字幕| 成人国语在线视频| 中文字幕高清在线视频| 日本黄色视频三级网站网址| 国产av一区二区精品久久| 精品国产乱码久久久久久男人| 国产欧美日韩一区二区精品| 两个人看的免费小视频| www日本在线高清视频| 女人高潮潮喷娇喘18禁视频| 午夜日韩欧美国产| 国产亚洲精品一区二区www| 欧美+亚洲+日韩+国产| 宅男免费午夜| 99久久无色码亚洲精品果冻| 久久精品国产99精品国产亚洲性色| 91在线观看av| 999久久久国产精品视频| 亚洲av美国av| 免费看十八禁软件| 日本在线视频免费播放| 色老头精品视频在线观看| 亚洲欧美日韩无卡精品| 99国产综合亚洲精品| 中文字幕精品亚洲无线码一区 | 精品国产超薄肉色丝袜足j| 一进一出好大好爽视频| 99国产精品一区二区蜜桃av| 国产单亲对白刺激| 亚洲国产欧美网| 999久久久国产精品视频| 国产三级黄色录像| 久久午夜亚洲精品久久| 午夜久久久久精精品| 少妇 在线观看| 黄色女人牲交| 男女视频在线观看网站免费 | 精品久久久久久成人av| 欧美乱色亚洲激情| 不卡一级毛片| 十八禁网站免费在线| 俺也久久电影网| 一本精品99久久精品77| 又紧又爽又黄一区二区| 在线永久观看黄色视频| 久久久久久久精品吃奶| www国产在线视频色| 亚洲专区字幕在线| 国产亚洲精品第一综合不卡| 香蕉丝袜av| 免费在线观看亚洲国产| bbb黄色大片| 一本久久中文字幕| 哪里可以看免费的av片| 国产精品1区2区在线观看.| 精品久久久久久久久久久久久 | 午夜视频精品福利| 久久亚洲精品不卡| 欧美zozozo另类| 精品久久久久久成人av| 国产精品一区二区精品视频观看| 亚洲片人在线观看| 男女视频在线观看网站免费 | 怎么达到女性高潮| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产欧洲综合997久久, | 亚洲人成网站在线播放欧美日韩| 宅男免费午夜| 欧美成狂野欧美在线观看| 黑人欧美特级aaaaaa片| 亚洲成人免费电影在线观看| 欧美黄色片欧美黄色片| 91国产中文字幕| 黑人欧美特级aaaaaa片| 欧美亚洲日本最大视频资源| 老汉色av国产亚洲站长工具| 国产av又大| 国产激情欧美一区二区| 成人国产一区最新在线观看| 日韩视频一区二区在线观看| 国产97色在线日韩免费| 亚洲最大成人中文| 国产一区在线观看成人免费| 啪啪无遮挡十八禁网站| 日本在线视频免费播放| 欧美精品啪啪一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 日韩欧美免费精品| 欧美丝袜亚洲另类 | 国产伦一二天堂av在线观看| 欧美av亚洲av综合av国产av| 欧美成人性av电影在线观看| 国产亚洲欧美精品永久| 精品福利观看| 亚洲精品色激情综合| 亚洲人成电影免费在线| 国产亚洲精品综合一区在线观看 | 中文字幕人成人乱码亚洲影| 99久久无色码亚洲精品果冻| 91大片在线观看| 精品国产亚洲在线| av有码第一页| 亚洲一区高清亚洲精品| 欧美激情久久久久久爽电影| 欧美黑人精品巨大| 成年人黄色毛片网站| 亚洲中文日韩欧美视频| 男女午夜视频在线观看| av视频在线观看入口| 午夜久久久久精精品| 欧美亚洲日本最大视频资源| 久久久精品欧美日韩精品| 亚洲av电影不卡..在线观看| 欧美成人午夜精品| 国产精品二区激情视频| 中文字幕精品亚洲无线码一区 | 亚洲第一av免费看| 亚洲五月天丁香| 国产成人啪精品午夜网站| 日本黄色视频三级网站网址| 哪里可以看免费的av片| x7x7x7水蜜桃| 女性被躁到高潮视频| 少妇被粗大的猛进出69影院| 亚洲色图 男人天堂 中文字幕| 在线十欧美十亚洲十日本专区| 男女做爰动态图高潮gif福利片| 在线观看免费日韩欧美大片| 成人一区二区视频在线观看| 久久国产乱子伦精品免费另类| 亚洲黑人精品在线| 男女那种视频在线观看| 伊人久久大香线蕉亚洲五| 免费观看人在逋| 校园春色视频在线观看| 亚洲电影在线观看av| 国产一区二区激情短视频| 最新在线观看一区二区三区| 欧美日韩精品网址| 国产精品久久久久久精品电影 | 欧美亚洲日本最大视频资源| 淫秽高清视频在线观看| 婷婷丁香在线五月| 中文亚洲av片在线观看爽| 琪琪午夜伦伦电影理论片6080| 首页视频小说图片口味搜索| 少妇 在线观看| 久久香蕉国产精品| 少妇的丰满在线观看| 熟女电影av网| 亚洲精品粉嫩美女一区| 少妇的丰满在线观看| 精品少妇一区二区三区视频日本电影| 天堂√8在线中文| 日韩一卡2卡3卡4卡2021年| 成年版毛片免费区| 男女床上黄色一级片免费看| xxxwww97欧美| 午夜激情av网站| 长腿黑丝高跟| 免费看日本二区| 亚洲 欧美 日韩 在线 免费| 国产av不卡久久| www国产在线视频色| 一区二区三区激情视频| 国产一区二区三区在线臀色熟女| 精品久久蜜臀av无| 在线观看www视频免费| 欧美性猛交黑人性爽| 精品午夜福利视频在线观看一区| 亚洲电影在线观看av| 嫩草影院精品99| 国内久久婷婷六月综合欲色啪| 亚洲一区二区三区色噜噜| 午夜亚洲福利在线播放| 正在播放国产对白刺激| 村上凉子中文字幕在线| 免费看美女性在线毛片视频| 中出人妻视频一区二区| 亚洲熟女毛片儿| 91成年电影在线观看| 高清在线国产一区| 男人舔女人的私密视频| 99国产精品一区二区蜜桃av| 高潮久久久久久久久久久不卡| 午夜福利在线在线| 亚洲五月天丁香| 麻豆一二三区av精品| 亚洲片人在线观看| 三级毛片av免费| 亚洲国产高清在线一区二区三 | 18禁黄网站禁片午夜丰满| 亚洲最大成人中文| 亚洲国产欧洲综合997久久, | 此物有八面人人有两片| 在线观看午夜福利视频| 亚洲av成人一区二区三| 欧美黑人精品巨大| 可以在线观看的亚洲视频| 欧美激情久久久久久爽电影| 一二三四社区在线视频社区8| 国产国语露脸激情在线看| 白带黄色成豆腐渣| 99在线人妻在线中文字幕| 老司机福利观看| 少妇粗大呻吟视频| cao死你这个sao货| 50天的宝宝边吃奶边哭怎么回事| 2021天堂中文幕一二区在线观 | 777久久人妻少妇嫩草av网站| 亚洲av日韩精品久久久久久密| 亚洲国产中文字幕在线视频| 12—13女人毛片做爰片一| 日韩av在线大香蕉| 精品国内亚洲2022精品成人| 男女下面进入的视频免费午夜 | 国产熟女xx| 欧美激情 高清一区二区三区| 免费在线观看亚洲国产| 亚洲欧美精品综合一区二区三区| 久久久久久久午夜电影| 亚洲男人的天堂狠狠| 婷婷精品国产亚洲av在线| 啦啦啦 在线观看视频| 一进一出抽搐动态| 亚洲精品一卡2卡三卡4卡5卡| 久久久久久久午夜电影| 特大巨黑吊av在线直播 | 岛国视频午夜一区免费看| 国产视频内射| 看黄色毛片网站| 亚洲第一av免费看| 最近在线观看免费完整版| 久久久久国产精品人妻aⅴ院| 哪里可以看免费的av片| 校园春色视频在线观看| ponron亚洲| 日日干狠狠操夜夜爽| 黄色毛片三级朝国网站| av欧美777| 在线观看免费午夜福利视频| 精品福利观看| a级毛片a级免费在线| 黄色丝袜av网址大全| 男女午夜视频在线观看| 国产亚洲av嫩草精品影院| 在线十欧美十亚洲十日本专区| 99在线人妻在线中文字幕| 老司机福利观看| 久久精品人妻少妇| 99久久无色码亚洲精品果冻| 人人妻人人看人人澡| 久久精品影院6| 国产片内射在线| 亚洲专区中文字幕在线| 又大又爽又粗| 搞女人的毛片| 久久久久久久午夜电影| 男女那种视频在线观看| 一级a爱片免费观看的视频| 午夜激情av网站| 变态另类丝袜制服| 日本在线视频免费播放| 久久久国产欧美日韩av| 午夜福利视频1000在线观看| 男人舔女人下体高潮全视频| 久久精品夜夜夜夜夜久久蜜豆 | 欧美在线一区亚洲| 日日摸夜夜添夜夜添小说| 久久中文看片网| 99久久综合精品五月天人人| 久久久久亚洲av毛片大全| 午夜精品久久久久久毛片777| 麻豆成人av在线观看| 久久中文字幕一级| 色播在线永久视频| АⅤ资源中文在线天堂| www.熟女人妻精品国产| 在线观看一区二区三区| 国产成人欧美在线观看| 伊人久久大香线蕉亚洲五| 亚洲成av人片免费观看| 国产精品98久久久久久宅男小说| 亚洲人成77777在线视频| 欧美一级a爱片免费观看看 | 精品乱码久久久久久99久播| 校园春色视频在线观看| 欧美日本亚洲视频在线播放| 精品熟女少妇八av免费久了| 精品一区二区三区视频在线观看免费| 一级片免费观看大全| 9191精品国产免费久久| 女生性感内裤真人,穿戴方法视频| 黄色丝袜av网址大全| 久久精品夜夜夜夜夜久久蜜豆 | 日韩大码丰满熟妇| 午夜激情av网站| 欧美在线一区亚洲| 亚洲va日本ⅴa欧美va伊人久久| av有码第一页| 怎么达到女性高潮| 久久久久久久久久黄片| 伦理电影免费视频| 国产又色又爽无遮挡免费看| 国产国语露脸激情在线看| 亚洲一区二区三区色噜噜| 久久久久九九精品影院| 一级a爱视频在线免费观看| 国产黄色小视频在线观看| 女人爽到高潮嗷嗷叫在线视频| videosex国产| 亚洲精品av麻豆狂野| 久久精品影院6| 久久国产精品人妻蜜桃| 91麻豆精品激情在线观看国产| 色综合欧美亚洲国产小说| 在线视频色国产色| 成人国语在线视频| 自线自在国产av| 午夜精品久久久久久毛片777| 国产一级毛片七仙女欲春2 | 在线观看免费视频日本深夜| 大型av网站在线播放| 成人欧美大片| 免费高清视频大片| 色综合欧美亚洲国产小说| 国产精品久久久av美女十八| 午夜激情福利司机影院| 韩国精品一区二区三区| 久99久视频精品免费| 日本免费一区二区三区高清不卡| 99精品久久久久人妻精品| 日韩欧美 国产精品| av福利片在线| 久久久久久九九精品二区国产 | 中文字幕人妻熟女乱码| 99久久久亚洲精品蜜臀av| 麻豆国产av国片精品| 久久婷婷成人综合色麻豆| 两性夫妻黄色片| 动漫黄色视频在线观看| 桃红色精品国产亚洲av| 黄网站色视频无遮挡免费观看| 国产成人影院久久av| 亚洲中文字幕日韩| 欧美成狂野欧美在线观看| 老汉色∧v一级毛片| 亚洲成av人片免费观看| 不卡一级毛片| 久久性视频一级片| 亚洲电影在线观看av| 午夜福利视频1000在线观看| 成人特级黄色片久久久久久久| 十八禁人妻一区二区| 丝袜在线中文字幕| 久久久久国内视频| 午夜两性在线视频| 成年人黄色毛片网站| 免费在线观看影片大全网站| 久久九九热精品免费| 国产99白浆流出| 好男人在线观看高清免费视频 | 亚洲av成人av| 成人欧美大片| 天天添夜夜摸| 亚洲国产日韩欧美精品在线观看 | 女警被强在线播放| 男人舔奶头视频| 国产区一区二久久| www日本黄色视频网| 午夜福利成人在线免费观看| 久久精品aⅴ一区二区三区四区| 亚洲avbb在线观看| av在线播放免费不卡| 午夜成年电影在线免费观看| 久久天堂一区二区三区四区| 夜夜躁狠狠躁天天躁| 一二三四社区在线视频社区8| 可以在线观看毛片的网站| 90打野战视频偷拍视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品中文字幕一二三四区| 白带黄色成豆腐渣| 在线观看午夜福利视频| 日韩中文字幕欧美一区二区| 久久性视频一级片| 亚洲精品在线美女| 亚洲成人久久爱视频| 最好的美女福利视频网| 久久久久国产一级毛片高清牌| 久热这里只有精品99| 男女那种视频在线观看| 黄色视频不卡| 一本综合久久免费| 少妇裸体淫交视频免费看高清 | 久久久久久久久免费视频了| 99在线人妻在线中文字幕| 久久 成人 亚洲| 亚洲性夜色夜夜综合| 女性被躁到高潮视频| 久久久久国内视频| 黄色 视频免费看| 日韩一卡2卡3卡4卡2021年| 啦啦啦免费观看视频1| 色尼玛亚洲综合影院| 久久久久久久久久黄片| 麻豆一二三区av精品| 黑丝袜美女国产一区| 成人国产综合亚洲| 给我免费播放毛片高清在线观看| ponron亚洲| 最新在线观看一区二区三区| 日韩欧美一区视频在线观看| 久久热在线av| 国产精品日韩av在线免费观看| 女人爽到高潮嗷嗷叫在线视频| 亚洲一码二码三码区别大吗| 欧美日韩亚洲国产一区二区在线观看| 天天躁狠狠躁夜夜躁狠狠躁|