• <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 ?

    多流形LE算法在高光譜圖像降維和分類(lèi)上的應(yīng)用

    2018-06-21 11:35:46吳東洋
    自然資源遙感 2018年2期
    關(guān)鍵詞:流形空間信息度量

    吳東洋, 馬 麗

    (中國(guó)地質(zhì)大學(xué)(武漢)機(jī)械與電子信息學(xué)院,武漢 430074)

    0 引言

    流形學(xué)習(xí)方法于2000年在著名的科學(xué)雜志被首次提出,它假設(shè)數(shù)據(jù)均勻采樣于一個(gè)高維歐氏空間中的低維流形。流形學(xué)習(xí)的過(guò)程就是從高維采樣數(shù)據(jù)中恢復(fù)低維流形結(jié)構(gòu),并求出相應(yīng)的低維數(shù)據(jù)的過(guò)程。經(jīng)典的流形學(xué)習(xí)方法主要有等距特征映射[1]、拉普拉斯特征映射(Laplacian eigenmaps,LE)[2]、局部線性嵌入[3]和局部切空間對(duì)齊[4]等,這些流形學(xué)習(xí)方法都可以在圖嵌入框架下進(jìn)行描述[5],不同的流形學(xué)習(xí)算法對(duì)應(yīng)不同的圖結(jié)構(gòu)。

    傳統(tǒng)的流形學(xué)習(xí)算法均假設(shè)不同類(lèi)的數(shù)據(jù)位于同一個(gè)流形上(單流形假設(shè)),然而不同類(lèi)的數(shù)據(jù)特征不同,不同類(lèi)的數(shù)據(jù)位于不同流形上的假設(shè)(多流形假設(shè))更加合理。近些年來(lái),許多基于多流形假設(shè)的流形學(xué)習(xí)方法被提出,2011年Xiao等[6]提出了一種有監(jiān)督的多流形分類(lèi)方法,利用局部保持映射算法[7]計(jì)算得到每一類(lèi)有標(biāo)簽點(diǎn)數(shù)據(jù)的映射矩陣,分別計(jì)算經(jīng)過(guò)映射后未知標(biāo)簽點(diǎn)數(shù)據(jù)被每一類(lèi)有標(biāo)簽點(diǎn)數(shù)據(jù)重構(gòu)的誤差,選擇誤差最小的類(lèi)別作為未標(biāo)簽點(diǎn)的類(lèi)別。2014年Huang等[8]提出了一種多層流形的概念,根據(jù)類(lèi)別之間的關(guān)系建立樹(shù)形結(jié)構(gòu),確定父流形和子流形,數(shù)據(jù)點(diǎn)之間的相似性權(quán)值取決于數(shù)據(jù)點(diǎn)所在流形結(jié)構(gòu)之間的相似性。譜聚類(lèi)算法[9]是一種基于圖論的聚類(lèi)方法,其求解過(guò)程是先進(jìn)行LE算法的降維,然后對(duì)降維結(jié)果進(jìn)行K均值聚類(lèi),由于傳統(tǒng)的LE算法沒(méi)有考慮到數(shù)據(jù)的多流形特性,在圖構(gòu)造過(guò)程中點(diǎn)間的權(quán)值度量不準(zhǔn)確,為了解決這個(gè)問(wèn)題,2011年Wang等[10]提出了一種多流形譜聚類(lèi)(spectral clustering on multiple manifolds,SMMC)算法,利用有限個(gè)局部線性塊去擬合整個(gè)非線性流形結(jié)構(gòu),將計(jì)算2個(gè)點(diǎn)之間的相似性轉(zhuǎn)換成計(jì)算2個(gè)點(diǎn)所在線性塊之間的相似性,從而得到更準(zhǔn)確的相似性度量。

    基于多流形假設(shè),不同類(lèi)地物的高光譜數(shù)據(jù)應(yīng)該位于各自不同的流形結(jié)構(gòu)上,因此基于單流形假設(shè)的流形學(xué)習(xí)算法并不能體現(xiàn)高光譜數(shù)據(jù)的多流形特征。SMMC算法主要是對(duì)LE算法中權(quán)值計(jì)算不準(zhǔn)確問(wèn)題的改進(jìn),本文將這種改進(jìn)后的LE算法稱(chēng)為多流形LE算法,并將之應(yīng)用到高光譜數(shù)據(jù)的降維上,相比于傳統(tǒng)的LE算法,多流形LE算法更加符合高光譜數(shù)據(jù)的特點(diǎn)。由于高光譜數(shù)據(jù)自身的同譜異類(lèi)[11]等現(xiàn)象,直接應(yīng)用多流形LE算法會(huì)出現(xiàn)局部線性塊不純和塊間相似性度量不準(zhǔn)確的問(wèn)題,本文分別利用高光譜遙感圖像的空間信息和標(biāo)簽信息來(lái)解決這2個(gè)問(wèn)題,并與傳統(tǒng)的LE算法及未經(jīng)改進(jìn)的多流形LE算法進(jìn)行對(duì)比。

    1 多流形LE算法

    1.1 LE算法

    LE算法是一種局部流形學(xué)習(xí)方法,目的是保持降維前后數(shù)據(jù)的局部鄰接關(guān)系,即高維空間中距離近的2個(gè)點(diǎn)在低維空間距離同樣很近。設(shè)原高維數(shù)據(jù)為X=[x1,…,xN]T∈RN×M,其中,xi(i=1,2,...,N)為樣本點(diǎn)數(shù)據(jù);N為樣本個(gè)數(shù);M為原高維數(shù)據(jù)的維數(shù)。設(shè)降維后的數(shù)據(jù)為Y=[y1,…,yN]T∈RN×m,其中,yi(i=1,2,...,N)為xi降維后的結(jié)果;m為降維后的維數(shù)。定義鄰接矩陣為W∈RN×N,W的計(jì)算主要包括近鄰選擇和權(quán)值計(jì)算2個(gè)步驟,即首先利用歐氏距離或光譜角距離等距離度量方式得到數(shù)據(jù)點(diǎn)的一個(gè)領(lǐng)域; 然后利用熱核函數(shù)或者二值化策略計(jì)算得到數(shù)據(jù)點(diǎn)與其近鄰點(diǎn)之間的權(quán)值,由熱核函數(shù)計(jì)算得到。定義拉普拉斯矩陣L為

    L=D-W,

    (1)

    (2)

    (3)

    式中σ為實(shí)參數(shù)。

    對(duì)于降至一維的情況(m=1),LE算法的目標(biāo)函數(shù)為

    (4)

    式中Wij的值為xi和xj之間的權(quán)值,權(quán)值越大,說(shuō)明2點(diǎn)越相似。如果Wij的值很大,根據(jù)式(4)的約束,yi-yj趨近于0,即和高維數(shù)據(jù)點(diǎn)xi和xj相對(duì)應(yīng)的低維數(shù)據(jù)yi和yj也很相似,從而保持了降維前后數(shù)據(jù)的局部鄰接關(guān)系。取p的值為1,通過(guò)對(duì)目標(biāo)函數(shù)的化簡(jiǎn)和優(yōu)化,對(duì)式(4)的求解就轉(zhuǎn)換成為對(duì)式(5)的廣義特征值求解。式(5)中λ是特征值,降維結(jié)果y就是最小非0特征值對(duì)應(yīng)的特征向量,即

    Ly=λDy。

    (5)

    將降維過(guò)程由一維擴(kuò)展至多維,LE算法的目標(biāo)函數(shù)表示為式(6),其中P為m維的常數(shù)向量,此時(shí)的降維數(shù)據(jù)Y為m個(gè)最小的非0特征值對(duì)應(yīng)的特征向量。

    (6)

    對(duì)于高光譜遙感數(shù)據(jù),不同類(lèi)別數(shù)據(jù)點(diǎn)可能具有相似的光譜特征(異類(lèi)同譜),導(dǎo)致LE算法近鄰選擇不準(zhǔn)確,即目標(biāo)點(diǎn)的鄰域中有和目標(biāo)點(diǎn)不同類(lèi)別的點(diǎn),此時(shí)2個(gè)異類(lèi)點(diǎn)之間的權(quán)值本應(yīng)該為0,然而由于2點(diǎn)光譜相似,從而得到一個(gè)比較大的權(quán)值。因此,在近鄰選擇錯(cuò)誤的情況下,如何正確度量2個(gè)異類(lèi)點(diǎn)之間的相似性(減小異類(lèi)點(diǎn)之間的權(quán)值)是對(duì)LE算法的一個(gè)改進(jìn)方向,這也是下面多流形LE算法主要解決的問(wèn)題。

    1.2 多流形LE算法

    多流形LE算法假設(shè)不同類(lèi)別的數(shù)據(jù)位于不同的流形結(jié)構(gòu)上,圖鄰接矩陣中權(quán)值的計(jì)算不是基于數(shù)據(jù)點(diǎn)之間的光譜相似性,而是基于數(shù)據(jù)點(diǎn)所在的局部流形結(jié)構(gòu)的相似性,能夠更真實(shí)地反映數(shù)據(jù)之間的關(guān)系。多流形LE算法采用數(shù)據(jù)的局部切空間表示數(shù)據(jù)的局部結(jié)構(gòu),由于位于同一個(gè)流形上的點(diǎn)之間的局部切空間是相似的,而位于不同流形上的點(diǎn)之間的局部切空間是不相似的,因此數(shù)據(jù)點(diǎn)的局部切空間信息可以用于度量2個(gè)點(diǎn)之間的相似性。相比較LE算法,多流形LE算法將度量2個(gè)點(diǎn)之間的相似性轉(zhuǎn)變?yōu)槎攘?個(gè)點(diǎn)局部切空間信息之間的相似性。局部切空間信息的計(jì)算方法主要分為2步: ①計(jì)算得到數(shù)據(jù)點(diǎn)xi的一個(gè)領(lǐng)域,計(jì)算該鄰域內(nèi)數(shù)據(jù)點(diǎn)集的協(xié)方差矩陣; ②對(duì)該協(xié)方差矩陣進(jìn)行奇異值分解,xi的局部切空間信息就是d個(gè)最大的左奇異值對(duì)應(yīng)的奇異向量,d為參數(shù),表示局部切空間維數(shù)。

    由于整體的流形結(jié)構(gòu)具有全局非線性、局部線性的特點(diǎn),因此可以找到有限多個(gè)小的局部線性塊來(lái)近似整個(gè)非線性的流形結(jié)構(gòu),數(shù)據(jù)點(diǎn)xi的鄰域就是其所在塊中所有數(shù)據(jù)點(diǎn)的集合。因此,找到有限多個(gè)局部線性塊變得非常關(guān)鍵,借鑒高斯混合模型思想,即任意數(shù)據(jù)分布都可用高斯混合模型(有限多個(gè)單高斯模型)來(lái)表示。

    首先,利用K均值聚類(lèi)算法得到Z(Z>0)個(gè)初始聚類(lèi)塊(Z個(gè)初始的聚類(lèi)塊可以看成高斯混合模型里面的Z個(gè)單高斯模型); 然后,分別計(jì)算每個(gè)數(shù)據(jù)點(diǎn)和Z個(gè)初始聚類(lèi)塊之間的邊緣概率分布,利用期望最大化算法進(jìn)行迭代尋優(yōu); 最后,得到的Z個(gè)聚類(lèi)塊就是可以用來(lái)近似整個(gè)流形結(jié)構(gòu)的局部流形結(jié)構(gòu)。

    在得到Z個(gè)線性塊之后 ,計(jì)算每個(gè)線性塊的切空間信息,此時(shí)每個(gè)數(shù)據(jù)點(diǎn)的局部切空間信息就是該點(diǎn)所在線性塊的切空間信息。式(7)中Qij為xi和xj間切空間信息的相似性,即

    (7)

    式中:ο為調(diào)整參數(shù);d為特征空間大?。沪╥為第i個(gè)點(diǎn)的局部切空間信息,即第i個(gè)點(diǎn)所在線性塊的切空間信息;θl為2個(gè)切空間對(duì)應(yīng)奇異向量之間的角度,cos(θl)的計(jì)算式為

    (8)

    式中ul和vl分別為2個(gè)局部切空間的主成分向量。

    綜上,多流形LE算法步驟為: ①計(jì)算得到有限多個(gè)局部線性流形塊來(lái)近似整個(gè)非線性的流形結(jié)構(gòu),計(jì)算每個(gè)塊的切空間信息; ②計(jì)算得到鄰接矩陣W; ③由鄰接矩陣W計(jì)算得到拉普拉斯矩陣L,利用式(6)計(jì)算得到降維結(jié)果。

    2 改進(jìn)的多流形LE算法

    2.1 多流形LE算法存在的問(wèn)題

    多流形LE 算法處理高光譜數(shù)據(jù)時(shí)存在2個(gè)方面問(wèn)題: ①局部線性塊不純,局部線性塊基于K均值算法和最大后驗(yàn)概率方法得到,由于高光譜圖像的異類(lèi)同譜特點(diǎn),同一個(gè)聚類(lèi)塊中可能存在不同類(lèi)別的數(shù)據(jù); ②同類(lèi)點(diǎn)的局部切空間之間的權(quán)值計(jì)算不準(zhǔn)確,通常同類(lèi)數(shù)據(jù)點(diǎn)的局部切空間應(yīng)該非常相似,其之間的權(quán)值也較大,而實(shí)際得到的權(quán)值很小。以上2個(gè)問(wèn)題均導(dǎo)致數(shù)據(jù)點(diǎn)間權(quán)值度量不準(zhǔn)確,最終影響圖結(jié)構(gòu)的準(zhǔn)確性。

    2.2 多流形LE算法改進(jìn)

    2.2.1 結(jié)合空間信息提高塊純度

    圖像中每一個(gè)像素點(diǎn)都有空間位置上的意義,互為空間近鄰的像素點(diǎn)通常屬于同一種類(lèi)別地物,因此可以借助空間近鄰點(diǎn)的光譜信息來(lái)彌補(bǔ)自身光譜不能完全反映類(lèi)別信息的不足,從而增大了不同類(lèi)別數(shù)據(jù)之間的光譜差異,解決局部線性塊不純的問(wèn)題。一個(gè)像素點(diǎn)的光譜特征可以由其空間鄰域的光譜信息來(lái)表示,即

    (9)

    式中:α為實(shí)參數(shù);Xi(i=1,2,3,...,r)為Xt的空間近鄰點(diǎn);r為空間近鄰點(diǎn)數(shù),當(dāng)空間窗口取3×3時(shí),r=8。由式(9)可知,Xt的光譜被其周?chē)?個(gè)空間近鄰點(diǎn)的光譜均值與原光譜的一個(gè)加權(quán)和所替代,通過(guò)對(duì)所有的數(shù)據(jù)點(diǎn)進(jìn)行同樣的處理,得到一個(gè)新的帶有空間信息的數(shù)據(jù)集,新數(shù)據(jù)集的不同類(lèi)間光譜有了較大的差異,對(duì)比結(jié)果如圖1所示。

    (a) 未添加空間信息的光譜曲線 (b) 添加了空間信息的光譜曲線

    圖1添加空間信息前后的光譜曲線對(duì)比

    Fig.1Comparionofspectralgraphwithspatialinformationaddedbeforeandafter

    圖1中的數(shù)據(jù)是經(jīng)過(guò)歸一化后的BOT高光譜數(shù)據(jù),圖1(a)中的2條曲線是2個(gè)不同類(lèi)數(shù)據(jù)點(diǎn)的光譜曲線,2條光譜曲線非常相似; 圖1(b)中的2條曲線是對(duì)原始的高光譜數(shù)據(jù)添加空間信息后的光譜曲線,可以發(fā)現(xiàn),通過(guò)添加空間信息后2條原本非常相似的不同類(lèi)的光譜曲線得到了比較好的區(qū)分。對(duì)新的數(shù)據(jù)集合進(jìn)行分塊處理,塊的純度得到了很大提高。

    2.2.2 結(jié)合標(biāo)簽信息改進(jìn)同類(lèi)點(diǎn)間的相似性度量

    利用有限的標(biāo)簽信息部分解決同類(lèi)點(diǎn)的局部切空間之間的權(quán)值計(jì)算不準(zhǔn)確的問(wèn)題。如果塊中存在有標(biāo)簽的數(shù)據(jù)點(diǎn),則為線性塊賦予類(lèi)別具有以下3種情況(圖2)。

    (a) 塊類(lèi)別為1類(lèi) (b) 塊類(lèi)別為2類(lèi) (c) 塊沒(méi)有類(lèi)別

    圖2為塊賦類(lèi)別

    Fig.2Assignclassestoblocks

    當(dāng)塊中只有1個(gè)類(lèi)別的標(biāo)簽點(diǎn)時(shí),此時(shí)將這個(gè)類(lèi)別賦給塊,如圖2(a)所示; 當(dāng)塊中有2個(gè)及2個(gè)以上類(lèi)別的標(biāo)簽點(diǎn)時(shí),則將點(diǎn)數(shù)多的類(lèi)別賦給塊,如圖2(b)所示; 當(dāng)塊中不同類(lèi)別的點(diǎn)數(shù)相同時(shí),則不給塊賦類(lèi)別,如圖2(c)所示。如果2個(gè)塊的類(lèi)別相同,將不考慮利用切空間計(jì)算得到的塊間權(quán)值,而是人為的設(shè)置2個(gè)塊之間的權(quán)值為1,如果2個(gè)塊僅其中之一有類(lèi)別或者2個(gè)塊均沒(méi)有類(lèi)別,則僅僅利用2個(gè)塊的切空間計(jì)算塊間權(quán)值。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)描述

    本文實(shí)驗(yàn)采用3種高光譜數(shù)據(jù),分別為采集于Okavango Delta的Botswana地區(qū)BOT數(shù)據(jù)、美國(guó)Kennedy Space Center地區(qū)的KSC數(shù)據(jù)和意大利University of Pavia地區(qū)的PU數(shù)據(jù)。BOT數(shù)據(jù)的光譜范圍為357~2 576 nm,具有10 nm的光譜分辨率和30 m的空間分辨率,包括了145個(gè)波段,共獲取了9類(lèi)地物的1 580個(gè)類(lèi)別標(biāo)記數(shù)據(jù)。KSC數(shù)據(jù)的光譜范圍為400~2 500 nm,具有10 nm的光譜分辨率和18 m的空間分辨率,包括了167個(gè)波段,共獲取了13類(lèi)地物的5 211個(gè)類(lèi)別標(biāo)記數(shù)據(jù)。PU數(shù)據(jù)的光譜范圍為430~860 nm,具有10 nm的光譜分辨率和1.3 m的空間分辨率,包括了103個(gè)波段,共獲取了9類(lèi)地物的42 776個(gè)類(lèi)別標(biāo)記數(shù)據(jù)。

    在本文實(shí)驗(yàn)中,將用到BOT數(shù)據(jù)全部1 580個(gè)有標(biāo)簽數(shù)據(jù)點(diǎn),考慮到KSC數(shù)據(jù)和PU數(shù)據(jù)的數(shù)據(jù)量較大,實(shí)驗(yàn)中采用的是從KSC數(shù)據(jù)的每類(lèi)數(shù)據(jù)中隨機(jī)選取30%(共1 564個(gè)數(shù)據(jù)點(diǎn))和從PU數(shù)據(jù)的每一類(lèi)數(shù)據(jù)中隨機(jī)選取5%(共2 138個(gè)數(shù)據(jù)點(diǎn))的高光譜數(shù)據(jù)。

    3.2 實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析

    實(shí)驗(yàn)對(duì)比4種算法,分別是LE,多流形LE(multi-manifold LE,MLE),MLE_Spatial和MLE_Spatial_Label算法。其中,LE算法是傳統(tǒng)的流形學(xué)習(xí)方法,采用熱核函數(shù)度量2個(gè)點(diǎn)之間的權(quán)值; MLE_Spatial是在MLE算法的基礎(chǔ)上,通過(guò)添加空間信息來(lái)提高了線性塊的純凈度; MLE_Spatial_Label算法是在MLE_Spatial算法的基礎(chǔ)上,通過(guò)利用有標(biāo)簽信息來(lái)解決同類(lèi)線性塊之間的權(quán)值度量問(wèn)題。

    利用k最近鄰(k nearest neighbor,kNN)算法衡量以上4種對(duì)比算法的性能,設(shè)置kNN分類(lèi)器中的k值為1,分別選取每個(gè)類(lèi)別的10%,30%和50%這3種比例的數(shù)據(jù)依次作為訓(xùn)練數(shù)據(jù),剩下的為測(cè)試數(shù)據(jù),計(jì)算在不同比例訓(xùn)練數(shù)據(jù)下4種算法的效果。由于4種對(duì)比算法都涉及到圖的構(gòu)造問(wèn)題,遍歷圖構(gòu)造中的領(lǐng)域值K為5,10,15和20這4個(gè)值。對(duì)于LE算法,遍歷熱核函數(shù)中參數(shù)σ的值為0.1,0.4,0.7和1這4個(gè)值。MLE,MLE_Spatial和MLE_Spatial_Label算法均涉及分塊問(wèn)題,通過(guò)分析前期的實(shí)驗(yàn)結(jié)果,分別為不同的數(shù)據(jù)遍歷了不同的塊數(shù)。MLE_Spatial和MLE_Spatial_Label算法均有空間信息的添加,通過(guò)分析前期的實(shí)驗(yàn)結(jié)果,取BOT數(shù)據(jù)的空間窗口為3×3,α為20,KSC數(shù)據(jù)的空間窗口為5×5,α為12,PU數(shù)據(jù)的空間窗口為5×5,α為20。為減少偶然性,在同一組參數(shù)下進(jìn)行10次重復(fù)試驗(yàn),通過(guò)計(jì)算10次重復(fù)試驗(yàn)的總體分類(lèi)精度的平均值來(lái)最終說(shuō)明在這組參數(shù)下算法的效果。

    表1—3為4類(lèi)對(duì)比算法分別在BOT數(shù)據(jù)、KSC數(shù)據(jù)和PU數(shù)據(jù)上通過(guò)以上參數(shù)遍歷尋優(yōu)后得到的實(shí)驗(yàn)結(jié)果。

    表1 不同算法在BOT數(shù)據(jù)上的最優(yōu)總體分類(lèi)精度Tab.1 Optimal accuracy of different algorithmson BOT data

    表2 不同算法在KSC數(shù)據(jù)上的最優(yōu)總體分類(lèi)精度Tab.2 Optimal accuracy of different algorithmson KSC data

    表3 不同算法在PU數(shù)據(jù)上的最優(yōu)總體分類(lèi)精度Tab.3 Optimal accuracy of different algorithmson PU data

    從表1—3中可知,MLE的效果普遍優(yōu)于LE,這說(shuō)明相比于傳統(tǒng)的圖結(jié)構(gòu)中權(quán)值的構(gòu)造方法,基于多流形分塊思想計(jì)算權(quán)值的方法更加合理; MLE_Spatial全部?jī)?yōu)于MLE并且分類(lèi)精度高出很多,說(shuō)明添加空間信息提高塊純凈度的作用非常明顯; MLE_Spatial_Label全部?jī)?yōu)于MLE_Spatial并且分類(lèi)精度提高更加明顯,說(shuō)明通過(guò)對(duì)標(biāo)簽信息的添加,在一定程度上解決了同類(lèi)塊之間權(quán)值度量不準(zhǔn)確的問(wèn)題。

    圖3是4種算法在不同數(shù)據(jù)不同類(lèi)上的正確率對(duì)比,可以發(fā)現(xiàn)LE,MLE,MLE_Spatial和MLE_Spatial_Label的正確率在BOT數(shù)據(jù)的每一類(lèi)別上均逐步提升; 而在KSC和PU數(shù)據(jù)上,雖然總體上也能反映出上面的規(guī)律,但在某些類(lèi)別上并不符合,這和不同類(lèi)別本身的數(shù)據(jù)特征有關(guān)系。這表明BOT數(shù)據(jù)的各類(lèi)別間的區(qū)分性較好,而PU和KSC數(shù)據(jù)有些類(lèi)之間的區(qū)分性并不好。對(duì)于區(qū)分性不好的PU和KSC數(shù)據(jù),MLE最后的分類(lèi)準(zhǔn)確率并不比LE高,而MLE_Spatial和MLE_Spatial_Label在添加空間信息時(shí),由于空間窗口選擇都是5×5,雖然提高了塊的純度,但是容易把異類(lèi)點(diǎn)的光譜考慮進(jìn)來(lái),從而影響最后的分類(lèi)精度。

    (a) BOT數(shù)據(jù) (b)KSC數(shù)據(jù) (c) PU數(shù)據(jù)

    圖3不同數(shù)據(jù)各類(lèi)的分類(lèi)精度

    Fig.3Classificationaccuracyoffourkindsofalgorithmsindifferentkindsofdata

    3.3 參數(shù)分析

    為了定量地描述空間信息對(duì)提高塊純度的作用,定義度量塊純凈度的策略: 如果一個(gè)塊中所有點(diǎn)的類(lèi)別都是相同的,那么這個(gè)塊稱(chēng)為純凈塊,否則為不純凈塊,以所有純凈塊中的數(shù)據(jù)點(diǎn)數(shù)量(純凈點(diǎn)數(shù))來(lái)度量局部線性塊的效果。表4—6為BOT,KSC和PU這3種數(shù)據(jù)不添加空間信息和添加了空間信息時(shí)不同塊數(shù)下的純凈點(diǎn)數(shù),可以發(fā)現(xiàn),相比于未添加空間信息時(shí)的純凈點(diǎn)數(shù),添加空間信息后的純凈點(diǎn)數(shù)明顯提高。

    表4 BOT數(shù)據(jù)(1 580個(gè)點(diǎn))不同塊數(shù)對(duì)應(yīng)的純凈點(diǎn)數(shù)Tab.4 Pure points of different number of blocks on BOT data (個(gè))

    表5 KSC數(shù)據(jù)(1 870個(gè)點(diǎn))不同塊數(shù)對(duì)應(yīng)的純凈點(diǎn)數(shù)Tab.5 Pure points of different number of blockson KSC data (個(gè))

    表6 PU數(shù)據(jù)(2 138個(gè)點(diǎn))不同塊數(shù)對(duì)應(yīng)的純凈點(diǎn)數(shù)Tab.6 Pure points of different number of blockson PU data (個(gè))

    當(dāng)塊數(shù)較少時(shí),塊中含有異類(lèi)點(diǎn)的概率增加,從而影響了圖構(gòu)造的準(zhǔn)確性,最終影響到分類(lèi)準(zhǔn)確率。然而并不是塊數(shù)越多分類(lèi)效果就越好,塊數(shù)越多,平均每個(gè)塊中的點(diǎn)數(shù)就越少,較少的點(diǎn)數(shù)將無(wú)法有效地表示塊的流形結(jié)構(gòu),同樣不利于分類(lèi),因此總體分類(lèi)精度會(huì)隨著塊數(shù)的增加呈現(xiàn)先增加后下降的趨勢(shì)。如圖4所示,其中鄰域值K為5,比例為10%。從圖4中發(fā)現(xiàn),添加空間信息后的分類(lèi)精度曲線變化更加劇烈,這是因?yàn)楫?dāng)數(shù)據(jù)添加空間信息后,類(lèi)內(nèi)聚合程度增大。以KSC數(shù)據(jù)為例,其中圓形數(shù)據(jù)點(diǎn)是菱形數(shù)據(jù)在添加了空間信息的基礎(chǔ)上整體向右平移得到的,如圖5所示。分塊過(guò)程對(duì)類(lèi)內(nèi)聚合度高的數(shù)據(jù)更加敏感,分類(lèi)精度曲線的變化更加劇烈。另外,MLE_Spatial和MLE_Spatial_Label算法涉及到空間窗口和原始光譜權(quán)重θ這2個(gè)參數(shù),空間窗口設(shè)置的原則是越小越好,因?yàn)殡S著空間窗口的增大,異類(lèi)點(diǎn)被選擇的概率會(huì)增大,從而影響到光譜的準(zhǔn)確性。當(dāng)空間窗口為3×3時(shí)BOT數(shù)據(jù)的效果已經(jīng)很好,因此本文沒(méi)有嘗試更大的窗口,對(duì)于KSC數(shù)據(jù)和PU數(shù)據(jù),空間窗口為3×3時(shí)的實(shí)驗(yàn)效果并不理想,因此選擇5×5的空間窗口。α的選取是通過(guò)大量前期的試驗(yàn)結(jié)果得到的。

    (a) BOT數(shù)據(jù) (b) KSC數(shù)據(jù) (c) PU數(shù)據(jù)

    圖4不同塊數(shù)下的分類(lèi)精度

    Fig.4Accuracyunderdifferentblocks

    (a) KSC第5類(lèi)數(shù)據(jù) (b) KSC第2類(lèi)數(shù)據(jù)

    圖5同一類(lèi)數(shù)據(jù)在添加空間信息前后2個(gè)波段的數(shù)據(jù)分布

    Fig.5Distributionofsamekindofdataintwobandsbeforeandafterspatialinformationadded

    圖6分別是3種數(shù)據(jù)在10%的訓(xùn)練數(shù)據(jù)下不同的K值對(duì)應(yīng)的總體分類(lèi)精度。從圖中可以發(fā)現(xiàn),隨著K值的增大,MLE和LE算法的分類(lèi)精度呈現(xiàn)下降的趨勢(shì),而MLE_Spatial和MLE_Spatial_Label算法的分類(lèi)精度呈現(xiàn)上升的趨勢(shì)。隨著K值的增大,領(lǐng)域范圍在逐漸變大,鄰域中包含異類(lèi)點(diǎn)的概率也增大,由于LE和MLE算法并不能很好地度量異類(lèi)點(diǎn)之間的權(quán)值,因此效果將會(huì)變差,而改進(jìn)后的多流形LE算法可以較好地度量異類(lèi)點(diǎn)之間的權(quán)值,在一定的范圍內(nèi),K值越大,領(lǐng)域中的點(diǎn)數(shù)就越多,從而可以更好地表示局部流形結(jié)構(gòu),效果也隨之提高。

    (a) BOT數(shù)據(jù) (b) KSC數(shù)據(jù) (c) PU數(shù)據(jù)

    圖6不同鄰域大小的最優(yōu)分類(lèi)精度

    Fig.6Accuracyofclassificationwithdifferentvaluesoftheneighborhood

    4 結(jié)論

    1)借鑒SMMC算法中的多流形思想并將多流形LE算法應(yīng)用到高光譜數(shù)據(jù)的降維中,實(shí)驗(yàn)結(jié)果表明多流形LE算法比傳統(tǒng)的LE算法有更好的效果,說(shuō)明了多流形假設(shè)更加符合高光譜數(shù)據(jù)的數(shù)據(jù)特征。

    2)針對(duì)高光譜數(shù)據(jù)自身的特點(diǎn),利用空間信息和標(biāo)簽信息對(duì)多流形LE算法進(jìn)一步改進(jìn),實(shí)驗(yàn)結(jié)果表明改進(jìn)后的多流形LE算法相比于原多流形LE算法有了明顯的提高,說(shuō)明本文基于高光譜數(shù)據(jù)特點(diǎn)的多流形LE算法的改進(jìn)具有實(shí)際意義。

    本文的不足之處是在處理同類(lèi)塊間權(quán)值度量不準(zhǔn)確的問(wèn)題時(shí)方法比較僵硬,如何更加靈活高效地解決這個(gè)問(wèn)題是下一步需要繼續(xù)研究的課題。

    參考文獻(xiàn)(References):

    [1] Tenenbaum J B,De Silva V,Langford J C.A global geometric framework for nonlinear dimensionality reduction[J].Science,2000,290(5500):2319-2923.

    [2] Belkin M,Niyogi P.Laplacian eigenmaps for dimensionality reduction and data representation[J].Neural Computation,2003,15(6):1373-1396.

    [3] Roweis S T,Saul L K.Nonlinear dimensionality reduction by locally linear embedding[J].Science,2000,290(5500):2323-2326.

    [4] Zhang Z Y,Zha H Y.Principal manifolds and nonlinear dimensionality reduction via tangent space alignment[J].Journal of Shanghai University (English Edition),2004,8(4):406-424.

    [5] Yan S C,Xu D,Zhang B Y,et al.Graph embedding and extensions:A general framework for dimensionality reduction[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(1):40-51.

    [6] Xiao R,Zhao Q J,Zhang D,et al.Facial expression recognition on multiple manifolds[J].Pattern Recognition,2011,44(1):107-116.

    [7] He X F,Niyogi P.Locality preserving projections[C]//Advances in Neural Information Processing Systems.2003:186-197.

    [8] Huang H B,Huo H,Fang T.Hierarchical manifold learning with applications to supervised classification for high-resolution remotely sensed images[J].IEEE Transactions on Geoscience and Remote Sensing,2014,52(3):1677-1692.

    [9] 高 琰,谷士文,唐 琎,等.機(jī)器學(xué)習(xí)中譜聚類(lèi)方法的研究[J].計(jì)算機(jī)科學(xué),2007,34(2):201-203.

    Gao Y,Gu S W,Tang J,et al.Research on spectral clustering in machine learning[J].Computer Science,2007,34(2):201-203.

    [10] Wang Y,Jiang Y,Wu Y,et al.Spectral clustering on multiple manifolds[J].IEEE Transactions on Neural Networks,2011,22(7):1149-1161.

    [11] 戴竹紅,塔西甫拉提·特依拜.遙感影像中同譜異類(lèi)問(wèn)題的研究[J].中國(guó)科技信息,2006(20):278-280.

    Dai Z H,Tashpolat·Tiyip.Research on same spectrum with different objects in remote sensing image[J].China Science and Technology Information,2006(20):278-280.

    猜你喜歡
    流形空間信息度量
    有趣的度量
    結(jié)合多層特征及空間信息蒸餾的醫(yī)學(xué)影像分割
    模糊度量空間的強(qiáng)嵌入
    緊流形上的Schr?dinger算子的譜間隙估計(jì)
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
    Nearly Kaehler流形S3×S3上的切觸拉格朗日子流形
    《地理空間信息》協(xié)辦單位
    地質(zhì)異常的奇異性度量與隱伏源致礦異常識(shí)別
    基于多故障流形的旋轉(zhuǎn)機(jī)械故障診斷
    關(guān)于地理空間信息標(biāo)準(zhǔn)體系
    三上悠亚av全集在线观看| 18+在线观看网站| 另类精品久久| 亚洲国产最新在线播放| 日本猛色少妇xxxxx猛交久久| av在线观看视频网站免费| 国产一区二区激情短视频 | 日韩欧美一区视频在线观看| 亚洲国产精品国产精品| 啦啦啦啦在线视频资源| 亚洲婷婷狠狠爱综合网| 一本色道久久久久久精品综合| 国产福利在线免费观看视频| 久久久欧美国产精品| 欧美成人精品欧美一级黄| 亚洲国产最新在线播放| 国产亚洲欧美精品永久| 香蕉国产在线看| 免费播放大片免费观看视频在线观看| 少妇精品久久久久久久| 97在线视频观看| 日本色播在线视频| 久久国产精品大桥未久av| 夜夜爽夜夜爽视频| 在线免费观看不下载黄p国产| 看免费av毛片| 色吧在线观看| 1024视频免费在线观看| 久久鲁丝午夜福利片| 国产精品麻豆人妻色哟哟久久| 免费黄色在线免费观看| av国产精品久久久久影院| 我的女老师完整版在线观看| 22中文网久久字幕| 久久鲁丝午夜福利片| av在线老鸭窝| 国产精品国产三级国产专区5o| 少妇猛男粗大的猛烈进出视频| 大码成人一级视频| av播播在线观看一区| 国产高清不卡午夜福利| 成人午夜精彩视频在线观看| 在线亚洲精品国产二区图片欧美| 99久久精品国产国产毛片| 丝袜脚勾引网站| 婷婷色av中文字幕| 亚洲综合精品二区| 久久久久人妻精品一区果冻| 国产精品秋霞免费鲁丝片| 天天躁夜夜躁狠狠久久av| 免费大片黄手机在线观看| 国产日韩欧美在线精品| 国产无遮挡羞羞视频在线观看| 精品久久久精品久久久| 欧美精品av麻豆av| 少妇人妻 视频| 天天躁夜夜躁狠狠久久av| 黄色配什么色好看| 亚洲第一av免费看| 亚洲国产欧美日韩在线播放| 国内精品宾馆在线| 午夜免费鲁丝| 各种免费的搞黄视频| 国产精品成人在线| 中文字幕另类日韩欧美亚洲嫩草| 尾随美女入室| 少妇精品久久久久久久| 欧美3d第一页| 中文乱码字字幕精品一区二区三区| 色视频在线一区二区三区| 国产成人免费观看mmmm| 日本与韩国留学比较| av.在线天堂| 久久久久精品人妻al黑| 国产淫语在线视频| 国产爽快片一区二区三区| 51国产日韩欧美| 最后的刺客免费高清国语| 狂野欧美激情性xxxx在线观看| 黄色怎么调成土黄色| av线在线观看网站| 国国产精品蜜臀av免费| 男女边摸边吃奶| 亚洲成人av在线免费| 亚洲丝袜综合中文字幕| 热99久久久久精品小说推荐| 久久久久久久久久成人| 成人国产麻豆网| 久久婷婷青草| 午夜影院在线不卡| tube8黄色片| 亚洲av综合色区一区| 日韩 亚洲 欧美在线| 高清欧美精品videossex| 高清不卡的av网站| 美女xxoo啪啪120秒动态图| 色哟哟·www| 少妇人妻久久综合中文| 欧美日韩精品成人综合77777| 日韩av在线免费看完整版不卡| av.在线天堂| 亚洲人成77777在线视频| 国产欧美亚洲国产| 伦精品一区二区三区| 亚洲经典国产精华液单| 宅男免费午夜| 飞空精品影院首页| 一二三四在线观看免费中文在 | 人妻人人澡人人爽人人| 麻豆乱淫一区二区| 中文字幕制服av| 激情视频va一区二区三区| 黄色视频在线播放观看不卡| 婷婷色综合www| 2021少妇久久久久久久久久久| 男女高潮啪啪啪动态图| 一边亲一边摸免费视频| 女人精品久久久久毛片| 国产国语露脸激情在线看| 国产一区二区三区av在线| 免费高清在线观看视频在线观看| 久久免费观看电影| 天天躁夜夜躁狠狠久久av| 美女大奶头黄色视频| av网站免费在线观看视频| 久久99一区二区三区| 亚洲av日韩在线播放| 满18在线观看网站| 男女下面插进去视频免费观看 | 精品国产国语对白av| 韩国精品一区二区三区 | 久久青草综合色| 亚洲综合精品二区| 成人二区视频| 少妇被粗大的猛进出69影院 | av在线观看视频网站免费| 国产一区二区在线观看av| 国产精品国产三级国产av玫瑰| 国国产精品蜜臀av免费| 午夜免费鲁丝| 国产在视频线精品| 一边摸一边做爽爽视频免费| 一本久久精品| 好男人视频免费观看在线| 日日摸夜夜添夜夜爱| 人人妻人人添人人爽欧美一区卜| 狂野欧美激情性xxxx在线观看| 有码 亚洲区| 高清av免费在线| 中文精品一卡2卡3卡4更新| 亚洲精品乱久久久久久| 精品久久久久久电影网| 视频区图区小说| 成人国产麻豆网| 视频区图区小说| 国产一区二区在线观看日韩| 日本色播在线视频| 欧美日韩视频精品一区| 如日韩欧美国产精品一区二区三区| 高清黄色对白视频在线免费看| 另类亚洲欧美激情| 91成人精品电影| av电影中文网址| 亚洲精品国产av成人精品| 一本久久精品| 夜夜骑夜夜射夜夜干| 午夜福利影视在线免费观看| 美国免费a级毛片| 午夜福利影视在线免费观看| 午夜福利影视在线免费观看| 最近手机中文字幕大全| 又黄又粗又硬又大视频| 一本大道久久a久久精品| 又黄又粗又硬又大视频| 高清欧美精品videossex| 日韩免费高清中文字幕av| 一本大道久久a久久精品| 最近手机中文字幕大全| 久久国内精品自在自线图片| 午夜福利影视在线免费观看| 国产精品久久久久成人av| 亚洲av免费高清在线观看| 久久久久网色| 水蜜桃什么品种好| 亚洲欧美日韩另类电影网站| 麻豆乱淫一区二区| 久久99热6这里只有精品| 亚洲欧美成人综合另类久久久| 日本午夜av视频| 少妇人妻 视频| 女人精品久久久久毛片| 免费不卡的大黄色大毛片视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲精品乱久久久久久| 久久人人爽人人爽人人片va| 男女边吃奶边做爰视频| 久久久久人妻精品一区果冻| 青青草视频在线视频观看| 日本爱情动作片www.在线观看| 亚洲精品av麻豆狂野| 9191精品国产免费久久| 欧美 亚洲 国产 日韩一| av女优亚洲男人天堂| 亚洲欧美一区二区三区国产| 国产精品国产三级国产专区5o| 亚洲精品456在线播放app| 亚洲精品国产av蜜桃| av在线app专区| 男人添女人高潮全过程视频| 80岁老熟妇乱子伦牲交| 亚洲成av片中文字幕在线观看 | 国产日韩欧美视频二区| 黄色 视频免费看| 亚洲精品一区蜜桃| 国产xxxxx性猛交| 久久久欧美国产精品| 久久精品国产亚洲av涩爱| 国产精品一区二区在线观看99| 免费观看av网站的网址| 国产永久视频网站| 亚洲美女黄色视频免费看| 久久久久精品久久久久真实原创| 桃花免费在线播放| 免费久久久久久久精品成人欧美视频 | 美女脱内裤让男人舔精品视频| 寂寞人妻少妇视频99o| freevideosex欧美| 波多野结衣一区麻豆| 久久久久久伊人网av| 国产男女内射视频| 综合色丁香网| av国产久精品久网站免费入址| 2021少妇久久久久久久久久久| 国产精品99久久99久久久不卡 | 在线观看免费日韩欧美大片| 日韩伦理黄色片| xxx大片免费视频| 两个人看的免费小视频| 国产免费视频播放在线视频| 大香蕉97超碰在线| 亚洲五月色婷婷综合| 国产欧美日韩一区二区三区在线| 免费黄频网站在线观看国产| 国产精品国产av在线观看| 精品少妇黑人巨大在线播放| videosex国产| 中文天堂在线官网| 免费观看a级毛片全部| 亚洲成国产人片在线观看| 制服人妻中文乱码| 王馨瑶露胸无遮挡在线观看| 久久久久精品性色| 欧美 日韩 精品 国产| 少妇精品久久久久久久| 欧美激情 高清一区二区三区| 国产成人精品在线电影| 母亲3免费完整高清在线观看 | 97超碰精品成人国产| 亚洲成色77777| 久久久亚洲精品成人影院| 中文欧美无线码| 2022亚洲国产成人精品| 18在线观看网站| 高清黄色对白视频在线免费看| 精品福利永久在线观看| 精品国产乱码久久久久久小说| 精品午夜福利在线看| 校园人妻丝袜中文字幕| 亚洲av免费高清在线观看| 免费看av在线观看网站| av在线老鸭窝| 在线精品无人区一区二区三| 免费女性裸体啪啪无遮挡网站| 国产黄频视频在线观看| 日韩大片免费观看网站| 9色porny在线观看| av不卡在线播放| 晚上一个人看的免费电影| 美女中出高潮动态图| 国产在线免费精品| 国产精品 国内视频| 亚洲国产av影院在线观看| 国产高清国产精品国产三级| 国产免费一区二区三区四区乱码| 97精品久久久久久久久久精品| 亚洲伊人色综图| 色5月婷婷丁香| 日本黄大片高清| 美女主播在线视频| 91精品三级在线观看| 国产成人精品久久久久久| av免费观看日本| 午夜久久久在线观看| 嫩草影院入口| 建设人人有责人人尽责人人享有的| 精品人妻一区二区三区麻豆| 午夜福利,免费看| 大话2 男鬼变身卡| 免费播放大片免费观看视频在线观看| 多毛熟女@视频| 国语对白做爰xxxⅹ性视频网站| 天堂俺去俺来也www色官网| 久久久久久久亚洲中文字幕| 在线天堂中文资源库| 久久久亚洲精品成人影院| 亚洲av男天堂| 亚洲 欧美一区二区三区| 最近的中文字幕免费完整| 丁香六月天网| 久久鲁丝午夜福利片| 一级,二级,三级黄色视频| 一级毛片 在线播放| 啦啦啦中文免费视频观看日本| 97人妻天天添夜夜摸| 丁香六月天网| 黄色配什么色好看| 国产极品天堂在线| 大码成人一级视频| 18禁在线无遮挡免费观看视频| 丰满饥渴人妻一区二区三| 夜夜爽夜夜爽视频| 老司机影院毛片| av免费观看日本| 国产高清国产精品国产三级| 亚洲精品日本国产第一区| 亚洲国产精品国产精品| 不卡视频在线观看欧美| 午夜日本视频在线| 国产欧美另类精品又又久久亚洲欧美| 日本爱情动作片www.在线观看| 51国产日韩欧美| 日本欧美视频一区| 黑丝袜美女国产一区| 男人操女人黄网站| 国产精品一区二区在线不卡| 精品一区二区三区视频在线| 极品少妇高潮喷水抽搐| 岛国毛片在线播放| 成人手机av| 久久人妻熟女aⅴ| 亚洲国产av新网站| 一区二区三区四区激情视频| 黄网站色视频无遮挡免费观看| 久久这里有精品视频免费| 成年美女黄网站色视频大全免费| 亚洲国产av新网站| 国产av国产精品国产| 超碰97精品在线观看| 欧美老熟妇乱子伦牲交| 天天操日日干夜夜撸| 七月丁香在线播放| 好男人视频免费观看在线| 18禁动态无遮挡网站| 亚洲久久久国产精品| 欧美日韩成人在线一区二区| 欧美少妇被猛烈插入视频| 亚洲国产色片| 亚洲国产精品国产精品| 性高湖久久久久久久久免费观看| 亚洲色图 男人天堂 中文字幕 | 9热在线视频观看99| 国产xxxxx性猛交| 亚洲欧美精品自产自拍| 成人国语在线视频| 日韩欧美精品免费久久| 丝瓜视频免费看黄片| 国产精品.久久久| 日韩精品有码人妻一区| 国产av国产精品国产| 女的被弄到高潮叫床怎么办| 高清黄色对白视频在线免费看| 亚洲av福利一区| 亚洲欧美日韩另类电影网站| 国产在线免费精品| 一级毛片电影观看| 日韩 亚洲 欧美在线| 在线观看免费视频网站a站| 99国产综合亚洲精品| 99热网站在线观看| 日本爱情动作片www.在线观看| 天堂俺去俺来也www色官网| 热99久久久久精品小说推荐| 亚洲一区二区三区欧美精品| 多毛熟女@视频| 下体分泌物呈黄色| 两个人免费观看高清视频| 日韩av在线免费看完整版不卡| 丰满乱子伦码专区| 亚洲精品第二区| 欧美老熟妇乱子伦牲交| 在线观看免费日韩欧美大片| 美女xxoo啪啪120秒动态图| 丰满饥渴人妻一区二区三| 在线精品无人区一区二区三| 一区在线观看完整版| 日日摸夜夜添夜夜爱| 韩国精品一区二区三区 | 视频中文字幕在线观看| 亚洲精品456在线播放app| 久久久久国产网址| 日韩不卡一区二区三区视频在线| 国产精品久久久久久av不卡| 国产乱人偷精品视频| 全区人妻精品视频| 自拍欧美九色日韩亚洲蝌蚪91| 男人爽女人下面视频在线观看| 久久这里有精品视频免费| 婷婷色麻豆天堂久久| 在线观看美女被高潮喷水网站| 亚洲国产欧美日韩在线播放| 成人免费观看视频高清| av片东京热男人的天堂| 夜夜骑夜夜射夜夜干| 国产又爽黄色视频| 一本大道久久a久久精品| 午夜视频国产福利| 精品国产乱码久久久久久小说| 亚洲人与动物交配视频| 免费女性裸体啪啪无遮挡网站| 日日摸夜夜添夜夜爱| 午夜免费男女啪啪视频观看| 一本色道久久久久久精品综合| 亚洲成人手机| 中文字幕免费在线视频6| 国产成人午夜福利电影在线观看| 香蕉国产在线看| 一级毛片我不卡| 青春草视频在线免费观看| 久久久久久久久久久久大奶| av天堂久久9| 久久精品国产a三级三级三级| 男女下面插进去视频免费观看 | 久热这里只有精品99| 香蕉国产在线看| av国产久精品久网站免费入址| 免费少妇av软件| 天堂中文最新版在线下载| 久久 成人 亚洲| 赤兔流量卡办理| 日本wwww免费看| 高清欧美精品videossex| 蜜桃在线观看..| 成人亚洲欧美一区二区av| 美女中出高潮动态图| 欧美亚洲 丝袜 人妻 在线| 91精品伊人久久大香线蕉| 久久精品熟女亚洲av麻豆精品| 日本色播在线视频| 亚洲四区av| 精品人妻熟女毛片av久久网站| 国产成人免费观看mmmm| 秋霞在线观看毛片| 99精国产麻豆久久婷婷| 国产精品人妻久久久影院| 久久久精品区二区三区| 在线天堂最新版资源| 国国产精品蜜臀av免费| 中文字幕制服av| 精品人妻偷拍中文字幕| 高清不卡的av网站| 亚洲精品久久成人aⅴ小说| 最黄视频免费看| 亚洲av免费高清在线观看| 99国产精品免费福利视频| 在线观看三级黄色| 欧美日韩亚洲高清精品| 亚洲精品aⅴ在线观看| 啦啦啦视频在线资源免费观看| 成年女人在线观看亚洲视频| 又大又黄又爽视频免费| 午夜激情av网站| 在线天堂最新版资源| 免费大片18禁| 一个人免费看片子| 男人操女人黄网站| 热99国产精品久久久久久7| 捣出白浆h1v1| 亚洲内射少妇av| 中文字幕免费在线视频6| 日韩av不卡免费在线播放| 午夜91福利影院| 午夜福利,免费看| 五月玫瑰六月丁香| 久热久热在线精品观看| 成人毛片60女人毛片免费| av卡一久久| 国产成人一区二区在线| 久久人人爽人人爽人人片va| 久久久久久人妻| 大香蕉久久成人网| 亚洲国产精品成人久久小说| 久久久欧美国产精品| 中国三级夫妇交换| 久久久久久人人人人人| 天天操日日干夜夜撸| videossex国产| 亚洲精品美女久久久久99蜜臀 | av一本久久久久| 涩涩av久久男人的天堂| 欧美人与性动交α欧美精品济南到 | 国产在线免费精品| 国产高清国产精品国产三级| 国产日韩欧美在线精品| 一区二区av电影网| 亚洲成人一二三区av| 日韩av不卡免费在线播放| 欧美人与性动交α欧美软件 | 精品少妇久久久久久888优播| 一区二区日韩欧美中文字幕 | 久久午夜福利片| 日本黄色日本黄色录像| 丰满乱子伦码专区| 天天影视国产精品| 亚洲伊人久久精品综合| 香蕉精品网在线| 超色免费av| 人妻少妇偷人精品九色| 肉色欧美久久久久久久蜜桃| 毛片一级片免费看久久久久| 99国产精品免费福利视频| 激情五月婷婷亚洲| 亚洲三级黄色毛片| 成人国语在线视频| 久久精品国产亚洲av天美| 国产熟女午夜一区二区三区| a级毛色黄片| 视频在线观看一区二区三区| 男人爽女人下面视频在线观看| 国产有黄有色有爽视频| 国产精品久久久久久av不卡| 日韩,欧美,国产一区二区三区| 亚洲国产精品一区三区| 国产精品国产av在线观看| 国产激情久久老熟女| 国产又爽黄色视频| 一本色道久久久久久精品综合| 99久久人妻综合| 最新中文字幕久久久久| 如何舔出高潮| 91国产中文字幕| 建设人人有责人人尽责人人享有的| 精品人妻偷拍中文字幕| 亚洲国产精品成人久久小说| 亚洲欧美一区二区三区黑人 | 大香蕉97超碰在线| 一级毛片黄色毛片免费观看视频| 国产免费一区二区三区四区乱码| 国产精品.久久久| 啦啦啦视频在线资源免费观看| 免费看光身美女| 色视频在线一区二区三区| 免费在线观看完整版高清| 青春草亚洲视频在线观看| 亚洲精华国产精华液的使用体验| 国产精品三级大全| 日韩大片免费观看网站| 涩涩av久久男人的天堂| 日本vs欧美在线观看视频| 亚洲图色成人| 草草在线视频免费看| 国产欧美日韩一区二区三区在线| 免费观看a级毛片全部| 国产成人欧美| 一区在线观看完整版| 丝袜在线中文字幕| 两性夫妻黄色片 | 午夜免费男女啪啪视频观看| 国国产精品蜜臀av免费| 80岁老熟妇乱子伦牲交| 欧美另类一区| 免费看不卡的av| 久久午夜综合久久蜜桃| 中国美白少妇内射xxxbb| 国产日韩一区二区三区精品不卡| 熟女av电影| 视频中文字幕在线观看| 精品人妻熟女毛片av久久网站| xxxhd国产人妻xxx| 九草在线视频观看| 少妇猛男粗大的猛烈进出视频| videosex国产| 成人无遮挡网站| 99精国产麻豆久久婷婷| 亚洲精品日本国产第一区| 一级,二级,三级黄色视频| 欧美成人午夜精品| 香蕉国产在线看| 纯流量卡能插随身wifi吗| 草草在线视频免费看| 精品亚洲成a人片在线观看| 日韩三级伦理在线观看| 亚洲国产看品久久| 男女国产视频网站| 免费在线观看完整版高清| xxxhd国产人妻xxx| 看十八女毛片水多多多| 精品久久久精品久久久| 国产免费福利视频在线观看| 国产 精品1| 国产精品偷伦视频观看了| 亚洲精品456在线播放app| 日韩精品有码人妻一区| 极品少妇高潮喷水抽搐| 中文精品一卡2卡3卡4更新| 精品人妻在线不人妻| 久久综合国产亚洲精品| 黄色一级大片看看| 性色avwww在线观看| 成人毛片60女人毛片免费| 亚洲欧美日韩另类电影网站| 黄片无遮挡物在线观看| 久久久久久久大尺度免费视频| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产毛片av蜜桃av|