• <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 ?

    基于結(jié)構(gòu)平衡網(wǎng)絡(luò)的圖像識別新方法

    2020-05-28 09:36:21高沛濤王銀河
    軟件導(dǎo)刊 2020年3期
    關(guān)鍵詞:結(jié)構(gòu)方法

    高沛濤 王銀河

    摘 要:針對機器視覺中的圖像識別問題,提出一種新的基于結(jié)構(gòu)平衡網(wǎng)絡(luò)的圖像識別方法。從一種新的結(jié)構(gòu)平衡網(wǎng)絡(luò)(特殊的復(fù)雜網(wǎng)絡(luò))視角重新審視平面灰度圖像,將圖像灰度矩陣視為結(jié)構(gòu)平衡網(wǎng)絡(luò)的連接關(guān)系(權(quán)值)矩陣(像素點可不作為節(jié)點),通過Hadamard乘積變換得到像結(jié)構(gòu)平衡矩陣,再利用像結(jié)構(gòu)平衡矩陣的拓?fù)浣Y(jié)構(gòu),產(chǎn)生新的圖像識別特征參量對圖像進行描述。該方法具有高速率、高識別率、尺度不變性及旋轉(zhuǎn)不變性等特點。最后的實驗仿真驗證了該方法的有效性。

    關(guān)鍵詞:圖像識別;結(jié)構(gòu)平衡網(wǎng)絡(luò);Hadamard乘積變換

    DOI:10. 11907/rjdk. 191658

    中圖分類號:TP317.4 ?? 文獻(xiàn)標(biāo)識碼:A ??????????????? 文章編號:1672-7800(2020)003-0220-05

    A Structural Balance Network-based New Methodology for Image Recognition

    GAO Pei-tao, WANG Yin-he

    (Faculty of Automation, Guangdong University of Technology, Guangzhou 510006, China)

    Abstract: Aiming at the problem of image recognition in machine vision, a new image recognition method based on structural balance network is proposed. The planar grayscale image is re-examined from the perspective of a new structural balanced network (special complex network), and the image gray matrix is regarded as the connection relation (weight) matrix of the structural balanced network (pixels may not be used as nodes). The image structural balance matrix is obtained by Hadamard product transformation, and then the topology structure of the structural balance matrix is used to generate a new image recognition feature parameter to describe the image. The method has the characteristics of high speed, high recognition rate, scale invariance and rotation invariance. Finally, the simulation example is given to show the validity of the method in this paper.

    Key Words: face recognition; structural balance networks; Hadamard product transformation

    0 引言

    圖像識別方法是計算機視覺的重要基礎(chǔ),其在機器視覺、交通監(jiān)控、智能無人機等領(lǐng)域都應(yīng)用廣泛。目前圖像識別方法有很多,在不同條件下具有各自的優(yōu)勢[1]。值得注意的是,在圖像識別研究領(lǐng)域,速度和識別率是衡量圖像識別方法優(yōu)劣的兩個重要指標(biāo)。一般情況下,圖像識別方法的速度和識別率不僅與相應(yīng)算法有關(guān),而且也與現(xiàn)場圖像處理設(shè)備的計算性能有關(guān)。例如,基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法被廣泛應(yīng)用于圖像識別研究領(lǐng)域,但是網(wǎng)絡(luò)中的高深度隱層訓(xùn)練需要大數(shù)據(jù)量(需要大容量高速計算設(shè)備),因而受限的硬件設(shè)備不僅影響其識別速度,而且影響其識別率。另外,梯度消散或梯度爆炸問題(算法問題)也會影響其識別率[2-5]。因此,尋找一種高速、高識別率的圖像識別方法具有重要的理論與工程實踐意義。

    基于復(fù)雜網(wǎng)絡(luò)的圖像識別方法目前已成為圖像識別領(lǐng)域的研究熱點之一[6]。復(fù)雜網(wǎng)絡(luò)不同于通常的人工神經(jīng)網(wǎng)絡(luò),其利用數(shù)學(xué)圖論作為模型,由眾多節(jié)點與節(jié)點之間的連接關(guān)系構(gòu)成,連接關(guān)系強弱利用實數(shù)權(quán)值大小加以度量,通過節(jié)點間的“連”與“不連”,形成復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。網(wǎng)絡(luò)節(jié)點并不“分層”,由此形成 “節(jié)點度、 平均距離、度分布、聚類系數(shù)、小世界”等量化拓?fù)涓拍?,這些量化拓?fù)涓拍钪慌c網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有關(guān),而與節(jié)點順序和位置無關(guān)[7-8]。

    值得注意的是,從復(fù)雜網(wǎng)絡(luò)角度看,一幅平面灰度圖像可視為由眾多像素點(節(jié)點)構(gòu)成的復(fù)雜網(wǎng)絡(luò),節(jié)點間合適的度量距離(或灰度值差)構(gòu)成其連接關(guān)系,由此產(chǎn)生的量化拓?fù)涓拍羁勺鳛閳D像識別的特征參量。因此,理論上而言,將復(fù)雜網(wǎng)絡(luò)方法引入圖像識別中,將會減小圖像在出現(xiàn)旋轉(zhuǎn)、平移、縮放時對識別準(zhǔn)確率的影響。 依據(jù)相關(guān)理論思想,近年來針對基于復(fù)雜網(wǎng)絡(luò)的圖像處理方法,國內(nèi)外學(xué)者已取得了許多有價值的研究成果[9-19]。

    然而,現(xiàn)有基于復(fù)雜網(wǎng)絡(luò)的圖像識別方法主要存在以下兩個缺點:一是復(fù)雜網(wǎng)絡(luò)建模時將灰度圖像中的像素點作為網(wǎng)絡(luò)節(jié)點,當(dāng)節(jié)點增多時,網(wǎng)絡(luò)計算速度緩慢;二是利用節(jié)點間度量距離(或灰度值差)構(gòu)成的連接關(guān)系尚不恰當(dāng),由此產(chǎn)生的圖像識別特征參量并不能保證提高識別率。 針對上述問題,文獻(xiàn)[20]-[23]結(jié)合其它類型圖像識別方法(混合方法)對該方法進行改進,識別率得到了一定程度提升。但這些改進方法仍然是將像素點作為網(wǎng)絡(luò)節(jié)點,因此當(dāng)節(jié)點增多時仍然存在網(wǎng)絡(luò)計算緩慢的現(xiàn)象。

    為此,本文將從一種新的復(fù)雜網(wǎng)絡(luò)視角重新審視平面灰度圖像,將圖像灰度矩陣視為復(fù)雜網(wǎng)絡(luò)的連接關(guān)系(權(quán)值)矩陣(像素點可不作為節(jié)點),通過Hadamard乘積變換得到像結(jié)構(gòu)平衡矩陣,再利用像結(jié)構(gòu)平衡矩陣的拓?fù)浣Y(jié)構(gòu),產(chǎn)生新的圖像識別特征參量,以此提高識別速度和識別率。最后的數(shù)值仿真驗證了本文方法的有效性。

    1 結(jié)構(gòu)平衡網(wǎng)絡(luò)

    1946年,Heider[24]首先提出結(jié)構(gòu)平衡網(wǎng)絡(luò)概念,隨后Cartwright等[8]學(xué)者使用數(shù)學(xué)圖論方法對其重新進行描述,并且推廣到具有正負(fù)實數(shù)權(quán)值的網(wǎng)絡(luò)。

    考慮由N個節(jié)點構(gòu)成的復(fù)雜網(wǎng)絡(luò),本文將節(jié)點i與節(jié)點j之間的連接關(guān)系權(quán)值記為xij,約定xij=xji,i,j=1,2,3,…,N, 由此構(gòu)成無向復(fù)雜網(wǎng)絡(luò)。因此,其連接關(guān)系矩陣為對稱矩陣,記為[X=(xij)∈RN×N]。結(jié)構(gòu)平衡網(wǎng)絡(luò)定義如下:

    定義1[25]:如果對于任意的i,j,k=1,2,3,…,N,都有[xikxkjxji>0]成立,則該無向復(fù)雜網(wǎng)絡(luò)稱為結(jié)構(gòu)平衡網(wǎng)絡(luò), 相應(yīng)的連接關(guān)系矩陣[X=(xij)∈RN×N]稱為結(jié)構(gòu)平衡矩陣。

    注1:結(jié)構(gòu)平衡網(wǎng)絡(luò)的條件意味著,網(wǎng)絡(luò)中任何3個節(jié)點構(gòu)成三角關(guān)系的3個邊權(quán)值乘積為正。在社會網(wǎng)絡(luò)意義下,這種三角關(guān)系遵循了“朋友的朋友是朋友,朋友的敵人是敵人”的社會關(guān)系原則。特別地,結(jié)構(gòu)平衡網(wǎng)絡(luò)的條件意味著連接關(guān)系矩陣的對角元素都為正值。

    定理1[26]:復(fù)雜網(wǎng)絡(luò)是結(jié)構(gòu)平衡網(wǎng)絡(luò)的充分必要條件,其所有節(jié)點可以分成一類或兩類,同類節(jié)點的連接關(guān)系是正的,不同類節(jié)點的連接關(guān)系是負(fù)的。

    注2:定理1意味著,在社會網(wǎng)絡(luò)意義下,結(jié)構(gòu)平衡網(wǎng)絡(luò)中的所有節(jié)點可以分成一個或兩個“朋友圈”,同一個“朋友圈”中的節(jié)點是朋友關(guān)系(正連接關(guān)系),不同“朋友圈”中的節(jié)點是敵對關(guān)系(負(fù)連接關(guān)系),因此網(wǎng)絡(luò)中3個不同節(jié)點間的三角連接關(guān)系只有如下兩種形式,如圖1所示。

    如果網(wǎng)絡(luò)的連接關(guān)系有負(fù)權(quán)值,則定理1意味著,結(jié)構(gòu)平衡矩陣[X=(xij)∈RN×N]中的元素(權(quán)值)可被分成3部分,其中兩部分分別由對應(yīng)兩個朋友圈內(nèi)的正權(quán)值構(gòu)成,分別記為[F+1]、[F+2],另一部分由連接兩個朋友圈之間節(jié)點的負(fù)權(quán)值構(gòu)成,記為[L-]。特別地,如果結(jié)構(gòu)平衡網(wǎng)絡(luò)的連接關(guān)系權(quán)值都為正,則[F+1=F+2],[L-]為空集合。

    定義2:注2中的集合[F+1]、[F+2]分別稱為結(jié)構(gòu)平衡網(wǎng)絡(luò)(或結(jié)構(gòu)平衡矩陣[X])的第一、二個朋友權(quán)值集,統(tǒng)稱為朋友權(quán)值集,[L-]稱為隔離權(quán)值集。

    定義3:結(jié)構(gòu)平衡矩陣[X]朋友權(quán)值集[F+i]中的最大(最小;平均)權(quán)值,稱為第i個最大(最小;平均)朋友權(quán)值,記為[maxF+i]([minF+i];[meanF+i]),[i=1,2]; 隔離權(quán)值集[L-]中絕對值最大(最小;平均)的權(quán)值,稱為最大(最小;平均)絕對隔離權(quán)值,記為[maxL-]([minL-];[meanL-])。

    注3:由定義3可以看出,結(jié)構(gòu)平衡矩陣[X]的最大(最小;平均)朋友權(quán)值、最大(最小;平均)絕對隔離權(quán)值等,都是網(wǎng)絡(luò)的拓?fù)鋮⒘?,只與網(wǎng)絡(luò)連接關(guān)系有關(guān),而與網(wǎng)絡(luò)節(jié)點順序及位置無關(guān),該特點為利用結(jié)構(gòu)平衡矩陣概念方法提高圖像識別速度提供了可能。定義3中的網(wǎng)絡(luò)拓?fù)鋮⒘炕诮Y(jié)構(gòu)平衡網(wǎng)絡(luò)的可分類性質(zhì),因此使用這些網(wǎng)絡(luò)拓?fù)鋮⒘康年P(guān)鍵是如何從結(jié)構(gòu)平衡矩陣角度看待平面灰度圖像。

    2 Hadamard乘積變換及圖像識別

    考慮兩個都具有N個節(jié)點的結(jié)構(gòu)平衡網(wǎng)絡(luò),分別記為[∑]、[∏],其連接關(guān)系矩陣分別記為[B=(bij)∈RN×N],[Y=(yij)∈RN×N](都是[N]階結(jié)構(gòu)平衡矩陣)。所有[N]階結(jié)構(gòu)平衡矩陣構(gòu)成的集合記為[SN]。

    定義4[27]:設(shè)[F]是[SN]上的一個映射,[F:SN→SN],[B→Y],若映射[F]是可逆的,則稱[F]為結(jié)構(gòu)平衡變換,簡記為:[Y=F(B)][(B∈SN)]。

    如何構(gòu)造結(jié)構(gòu)平衡變換是一個重要問題。設(shè)[A=(aij)∈RN×N]是一個給定的N階結(jié)構(gòu)平衡矩陣,則容易驗證,對于任意[N]階結(jié)構(gòu)平衡矩陣[B=(bij)∈RN×N],利用定義1可以直接驗證,矩陣[Y=A°B]仍然為結(jié)構(gòu)平衡矩陣,其中“[°]”表示矩陣間的Hadamard乘積,定義為[yij=(A°B)ij=][aijbij]。[1i,jN]。此時容易驗證,變換[B=A-1°Y]是[Y=][A°B]的逆變換, 其中N階結(jié)構(gòu)平衡矩陣[A-1=(1/aij)],利用該結(jié)果給出下面的Hadamard乘積變換定義。

    定義5:對于給定的N階結(jié)構(gòu)平衡矩陣[A],由[Y=A°B]([B∈SN])構(gòu)成的變換稱為Hadamard乘積變換,矩陣[A]稱為變換矩陣。

    注4:定義5意味著,Hadamard乘積變換是保持像矩陣為結(jié)構(gòu)平衡矩陣的變換映射(遺傳原像矩陣結(jié)構(gòu)平衡的特點)。 需要特別注意的是,如果Hadamard變換矩陣[A]的元素存在負(fù)值,而原像矩陣[B]是正矩陣(元素都為正值),則Hadamard乘積變換的像矩陣[Y]是具有負(fù)元素的結(jié)構(gòu)平衡矩陣,因而由定理1及定義2可知,像矩陣[Y]的所有元素可以分類為兩個朋友權(quán)值集合和一個隔離權(quán)值集合。

    下面從結(jié)構(gòu)平衡網(wǎng)絡(luò)視角重新審視平面灰度圖像,并且利用上列定義和定理給出圖像識別基本思路。首先,對于給定的一幅方形平面灰度圖像,一般可將其灰度矩陣[M]視為正矩陣,因而可將該矩陣與其轉(zhuǎn)置和[M+MT]視為某個結(jié)構(gòu)平衡網(wǎng)絡(luò)的連接關(guān)系矩陣(正連接關(guān)系);其次,通過選擇合適的具有負(fù)元素的變換矩陣[A],使Hadamard乘積變換的像矩陣[Y=A°(M+MT)]具有定義2所示分類;最后,得到定義2所示的兩個朋友權(quán)值集合和一個隔離權(quán)值集合,由此得到定義3所示的最大(最小;平均)權(quán)值和最大(最小;平均)絕對隔離權(quán)值,因此產(chǎn)生圖像識別特征參量。

    定義6:矩陣[B=M+MT]稱為原圖像的原像結(jié)構(gòu)平衡矩陣,其對應(yīng)圖像稱為初始結(jié)構(gòu)平衡矩陣圖,其中[M]為輸入圖像經(jīng)預(yù)處理后具有正值灰度值的方矩陣。

    注5:其中圖像預(yù)處理方法包括剔除0灰度值,利用小的正實數(shù)代替,將非方灰度矩陣轉(zhuǎn)化為方矩陣等。

    利用結(jié)構(gòu)平衡網(wǎng)絡(luò)方法進行圖像識別的關(guān)鍵是如何選擇合適的具有負(fù)元素的變換矩陣[A],使Hadamard乘積變換的像矩陣具有定義2的分類,分為兩個朋友權(quán)值集和一個隔離權(quán)值集,目前尚未有統(tǒng)一的選擇方法。 本文提出一種利用向量生成的選擇方法,該方法使變換矩陣帶有“具有中心陣的十字帶”的特點,多個類似矩陣與原像結(jié)構(gòu)平衡矩陣[B=M+MT] Hadamard乘積的效果相當(dāng)于利用“具有中心陣的十字帶”模塊遍歷原像結(jié)構(gòu)平衡矩陣。

    記二維向量[q=[1,1]T∈R2],二階矩陣[I1=qqT∈R2×2],考慮[N=2k(k=1,2,?,r,r為自然數(shù))]維向量[Z=[1,1,?,][1]T∈RN],對向量[Z]作分塊處理,形成如下的分塊向量序列[Zi]。

    [Z1=[-1,-1,1,1,?,1]∈RNZi=[qT1,qT2,?,-qTi,?,qTk](1ik=N/2)]? (1)

    若[Zi]的第[m]個子塊為[αm],則定義[αm=qT(m≠i)-qT(m=i)],由此得到秩為1的分塊矩陣序列為[Ai=ZiZTi=(ast)],[i=1,][2,?,k]。其中[ast]表示處于位置[(s,t)]的二階矩陣分塊,容易看出[ast]可以表示為:

    [ast=qqT{(s=t=i)或(s≠i,t≠i)}-qqT(其它)]

    定義7 :對于給定的N維分塊向量[Zi][(1ik=N/2)],由[Ai=ZiZTi=(ast)]構(gòu)成的矩陣稱為“具有二階中心陣的十字帶”(The Cross Band with the Second Order Central Matrix, 2-CM-CB)的結(jié)構(gòu)平衡矩陣。

    注6 :在定義7中,2-CM-CB結(jié)構(gòu)平衡矩陣是一個二階分塊矩陣,其中的2-CM-CB是由相鄰二行、相鄰二列構(gòu)成的“帶狀”,其“中心陣”是一個元素都為1的二階子矩陣塊,十字帶內(nèi)除中心陣以外的元素都是-1,十字帶以外的元素都是1(見圖2);在2-CM-CB結(jié)構(gòu)平衡矩陣中,其“二階中心陣”的元素構(gòu)成第一個朋友權(quán)值集合[F+1],十字帶以外的元素構(gòu)成第二個朋友權(quán)值集合[F+2],十字帶內(nèi)除中心外的元素構(gòu)成隔離權(quán)值集合[L-]。

    由圖2可以看出,其中“圈1”表示元素都是“+1”的子矩陣塊,利用2-CM-CB結(jié)構(gòu)平衡矩陣與原像結(jié)構(gòu)平衡矩陣[B=M+MT]的Hadamard乘積結(jié)果具有如下特點:乘積矩陣內(nèi)形成了一個相同符號的2-CM-CB結(jié)構(gòu)平衡矩陣,其中心陣對角線落在乘積矩陣對角線上。 因此,多個這樣的Hadamard乘積效果相當(dāng)于利用2-CM-CB模塊、沿著主對角線遍歷原像結(jié)構(gòu)平衡矩陣。如果被識別平面灰度圖像的特征點分布在其灰度矩陣對角線上,這些特征點則被這種沿對角線遍歷原像結(jié)構(gòu)平衡矩陣的十字帶模塊所覆蓋。

    由定義5至定義7得到,2-CM-CB的像矩陣集合為[Yi=Ai°B],其中每個子集[Yi],[i=1,2,?,k]均為2-CM-CB結(jié)構(gòu)平衡矩陣,記每一個[Yi]對應(yīng)的兩個朋友權(quán)值集合和一個隔離權(quán)值集合分別為:[F+i1]、[F+i2]和[Li-],相應(yīng)的網(wǎng)絡(luò)拓?fù)鋮⒘糠謩e為[maxF+i1]([minF+i1];[meanF+i1])、[maxF+i2]([minF+i2];[meanF+i2])和[maxLi-]([minLi-];[meanLi-]), 由多個“具有二階中心陣十字帶”的像矩陣構(gòu)成的網(wǎng)絡(luò)拓?fù)鋮⒘孔鳛閳D像識別特征參量。

    根據(jù)以上定義和定理可得,圖像數(shù)據(jù)集分為樣本組和測試組,[et]中每一幅圖像對應(yīng)的圖像識別特征參量[θ(et)]與樣本組[es]對應(yīng)的圖像識別特征參量[θ(es)]之間的二階范數(shù),記為[G(θ(et),θ(es))]。當(dāng)測試組圖像識別特征參量與樣本組圖像識別特征參量之間的二階范數(shù)[G(θ(et),θ(es))]取得最小值時,該樣本圖像所處分組即是該測試圖像分組。

    3 實驗與結(jié)果分析

    實驗使用的YALE人臉數(shù)據(jù)庫包含15組人臉圖像,每組11幅圖像,共165幅。采用不同拍攝角度,獲取各種表情及臉部細(xì)節(jié)。數(shù)據(jù)庫圖像規(guī)格統(tǒng)一,其中分辨率為100*100,灰度級為256,圖片格式為bmp,如圖3所示。

    圖像識別程序的訓(xùn)練級由每組前5幅圖像組成,共45幅。剩余圖像用于測試,對算法進行驗證。實驗主要分為:①通過圖像預(yù)處理得到定義6中輸入圖像對應(yīng)的原像結(jié)構(gòu)平衡矩陣;②與定義7中的2-CM-CB結(jié)構(gòu)平衡矩陣模板分別作Hadamard乘積變換,得到2-CM-CB的像結(jié)構(gòu)平衡矩陣;③提取每個2-CM-CB像結(jié)構(gòu)平衡矩陣的圖像識別特征參量構(gòu)成特征臉;④通過比較訓(xùn)練組和測試組中特征臉之間的二范數(shù)進行圖像識別分類。

    實驗過程中,先對輸入圖像原圖(圖(a))進行二值化處理,得到二值化圖(圖(b)),再進行閾值處理以去除背景(即原來圖像灰度值為零的位置用非常小的正整數(shù)代替,值為1的位置用原來圖像的灰度值代替),再進行轉(zhuǎn)置相加,得到預(yù)處理后去除背景影響的原像結(jié)構(gòu)平衡矩陣對應(yīng)的初始結(jié)構(gòu)平衡矩陣圖(圖(c)),原像結(jié)構(gòu)平衡矩陣再與預(yù)先構(gòu)建的5個2-CM-CB的結(jié)構(gòu)平衡矩陣模板[Ai(i=3,8,13,][18,23)]分別作Hadamard乘積變換,得到2-CM-CB像結(jié)構(gòu)平衡矩陣[Yii=3,8,13,18,23]的灰度圖像(圖(d)),再提取每個2-CM-CB像結(jié)構(gòu)平衡矩陣的圖像識別特征參數(shù)構(gòu)成特征臉。

    本文算法通過如圖4所示流程進行圖像識別處理,得到5個2-CM-CB像結(jié)構(gòu)平衡矩陣,提取對應(yīng)的網(wǎng)絡(luò)拓?fù)鋮⒘孔鳛槠鋱D像識別特征參數(shù),構(gòu)成特征臉用于圖像識別。該方法的主要優(yōu)點是:從一種新的復(fù)雜網(wǎng)絡(luò)視角重新審視平面灰度圖像,將圖像灰度矩陣視為復(fù)雜網(wǎng)絡(luò)的連接關(guān)系(權(quán)值)矩陣(像素點可不作為節(jié)點),通過使用結(jié)構(gòu)平衡網(wǎng)絡(luò)(特殊的復(fù)雜網(wǎng)絡(luò))拓?fù)浣Y(jié)構(gòu)作Hadamard乘積變換,產(chǎn)生新的圖像識別特征參量,并通過實驗驗證了該方法的有效性。

    最后,通過兩組實驗,從存儲空間占用、時間開銷及識別效率等方面,將本文提出方法與幾種常見算法進行比較。實驗在統(tǒng)一的PC平臺上進行,采用Intel i7處理器(主頻1.80GHz),8G內(nèi)存,軟件選用Windows10操作系統(tǒng)及Matlab2016。

    實驗1:選取YALE人臉數(shù)據(jù)庫中每組圖像的前5幅圖像作為訓(xùn)練樣本,其余圖像作為測試樣本進行圖像識別,對基于原始復(fù)雜網(wǎng)絡(luò)建模的圖像處理方法,以及結(jié)合輪廓形狀與復(fù)雜網(wǎng)絡(luò)建模的圖像處理方法的運行時間進行比較,結(jié)果如表1所示。

    從表1可以看出,文獻(xiàn)[7]中直接采用復(fù)雜網(wǎng)絡(luò)建模的圖像處理方法,從建立模型到網(wǎng)絡(luò)拓?fù)鋮⒘刻崛?,耗費時間大約為6.6h;文獻(xiàn)[21]采用結(jié)合輪廓形狀和復(fù)雜網(wǎng)絡(luò)建模的圖像處理方法,從建模到網(wǎng)絡(luò)拓?fù)鋮⒘刻崛?,耗費時間大約為36min;采用本文方法從圖像預(yù)處理到得到2-CM-CB原像結(jié)構(gòu)平衡矩陣,整個過程只需要2.20s,速度遠(yuǎn)快于文獻(xiàn)[7]與文獻(xiàn)[21]的方法,為實現(xiàn)機器視覺的實時識別提供了可能。

    文獻(xiàn)[7]中,提出運用復(fù)雜網(wǎng)絡(luò)識別人臉圖像的方法(以下稱為原文方法)。本實驗將通過軟件模擬該方法核心步驟,并與本文方法進行比較。原文方法通過設(shè)置閾值建立不同的復(fù)雜網(wǎng)絡(luò)模型,得到不同的識別參數(shù)向量,構(gòu)成特征臉。原文方法設(shè)置起始值為1,步長為1,終止值為200,分別提取對應(yīng)復(fù)雜網(wǎng)絡(luò)模型的最大值和均值,得到400個識別參數(shù),再通過克羅內(nèi)克乘積處理后得到800個識別參數(shù);本文方法采用輸入圖像與預(yù)先構(gòu)建的5個2-CM-CB結(jié)構(gòu)平衡矩陣模板作Hadamard乘積,得到5個2-CM-CB像結(jié)構(gòu)平衡矩陣,提取每個結(jié)構(gòu)平衡矩陣的3個識別參數(shù),得到15個識別參數(shù)。識別參數(shù)明顯減少,從而減少了算法運行所需的存儲空間,識別速度較快。

    實驗2:選取每組圖像的前5~8幅圖像作為訓(xùn)練樣本,其余圖像作為測試樣本進行目標(biāo)識別,并與PCA[28-29]、Fisherface以及基于歐氏距離的建模算法進行比較,實驗結(jié)果如表2所示。

    表2 算法在YALE數(shù)據(jù)庫中識別結(jié)果

    [訓(xùn)練樣本數(shù)\&PCA(%)\&Fisherface(%)\&歐氏距離建模(%)\&本文方法(%)\&5\&77.33\&78.89\&86.67\&57.58\&6\&73.33\&74.67\&87.27\&63.03\&7\&80.00\&78.33\&95.15\&72.73\&8\&86.67\&84.44\&97.57\&96.97\&]

    從表2可以看出,本文方法在YALE人臉數(shù)據(jù)庫中的實驗結(jié)果較為理想。從識別率來看,在訓(xùn)練樣本數(shù)超過8張時,本文方法效果優(yōu)于經(jīng)典Fisherface方法與PCA方法。文獻(xiàn)[21]提出的基于輪廓形狀與復(fù)雜網(wǎng)絡(luò)建模的圖像識別方法雖然識別率高于本文方法,但識別時間過長,無法滿足機器視覺技術(shù)對實時性的要求,在誤差允許的條件下,本文方法更具有優(yōu)勢。

    本文只是簡單選取了3種圖像識別方法進行對比,在今后研究中可以對更多識別算法進行對比研究,并考慮將其與結(jié)構(gòu)平衡網(wǎng)絡(luò)進行融合,以減少結(jié)構(gòu)平衡網(wǎng)絡(luò)連接權(quán)值數(shù)量,減少數(shù)據(jù)儲存空間,從而提高運算速度。

    4 結(jié)語

    本文從一種新的復(fù)雜網(wǎng)絡(luò)視角重新審視平面灰度圖像,將圖像灰度矩陣視為復(fù)雜網(wǎng)絡(luò)的連接關(guān)系(權(quán)值)矩陣(像素點可不作為節(jié)點),通過Hadamard乘積變換得到像結(jié)構(gòu)平衡矩陣,再利用像結(jié)構(gòu)平衡矩陣的拓?fù)浣Y(jié)構(gòu),產(chǎn)生新的圖像識別特征參量,以此提高識別速度和識別率。最后的數(shù)值仿真驗證了本文方法的有效性。然而,將本文方法應(yīng)用于不同的圖像數(shù)據(jù)集,識別效果不穩(wěn)定,可考慮融合其它類型的圖像識別算法以提高算法魯棒性。該方法的識別率和識別速度與Hadamard變換矩陣選擇有著密切聯(lián)系,因此尋找一種魯棒性更強、更具代表性的圖像識別算法是后續(xù)研究方向。

    參考文獻(xiàn):

    [1]章毓晉. 圖像工程[M]. 第4版.北京:清華大學(xué)出版社,2018.

    [2]SQUARTINI S, PAOLINELLI S, PIAZZA F. Comparing different recurrent neural architectures on a specific task from vanishing gradient effect perspective[C]. IEEE International Conference on Networking. IEEE,2006:380-385.

    [3]BENGIO Y,BOULANGER-LEWANDOWSKI N,PASCANU R. Advances in optimizing recurrent networks[C]. Vancouver:2013 IEEE International Conference on Acoustics, Speech and Signal Processing,2013.

    [4]KIM J,LEE J K,LEE K M. Deeply-recursive convolutional network for image super-resolution[C]. IEEE Conference on Computer Vision and Pattern Recognition,2016:1-9.

    [5]HE K,ZHANG X,REN S, et al. Deep residual learning for image recognition[C]. IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:770-778.

    [6]CHALUMEAU T,LALIGANT O,COSTA L D F,et al. Complex network representation of textures: new perspectives for texture characterization and classification[C]. Boston:SPIE Wavelet application in industrial processing IV,2006.

    [7]BACKES A R,MARTINEZ A S,BRUNO O M. A complex network-based approach for boundary shape analysis [J].Pattern Recognition, 2009, 43: 54-67.

    [8]CARTWRIGHT D, HARARY F. Structural balance: a generalization of Heiders theory[J]. Psychological review,1956,63(5):277-293.

    [9]陳影. 基于復(fù)雜網(wǎng)絡(luò)理論的圖像描述與識別方法研究[D]. 合肥:安徽大學(xué),2014.

    [10]湯進,陳影,江波. 基于復(fù)雜網(wǎng)絡(luò)的圖像建模與特征提取方法[J]. 計算機工程, 2013, 39(5):243-247.

    [11]GON?ALVES W N,SILVA J D A,BRUNO O M. A rotation invariant face recognition method based on complex network[C]. Proceedings of the 15th Ibero-American Congress Conference on Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications,2010:426-433.

    [12]ZHANG Y,DONG L,LI S,et al. A complex network-based approach for interest point detection in images[C]. IEEE International Symposium on Broadband Multimedia Systems & Broadcasting,2012:1-4.

    [13]TANG J,JIANG B,CHANG C C,et al. Graph structure analysis based on complex network[J]. Digital Signal Processing,2012,22(5):713-725.

    [14]CASANOVA D, BACKES, RICARDO A, BRUNO O M. Pattern recognition tool based on complex network-based approach[J]. Journal of Physics: Conference Series, 2013, 410:012048.

    [15]BACKES,RICARDO A,CASANOVA D,BRUNO O M. Texture analysis and classification: a complex network-based approach[J]. Information Sciences, 2013, 219:168-180.

    [16]KANG J, LU S, GONG W, et al. A complex network based feature extraction for image retrieval[C]. IEEE International Conference on Image Processing,2015:322-330.

    [17]REN H P, MA Z F. License plate recognition using complex network feature[C]. Shenyang:IEEE Conference on Intelligent Control & Automation, 2014.

    [18]LIMA G V L D,CASTILHO T R,BUGATTI P H,et al. A complex network-based approach to the analysis and classification of images[C]. Ibero-American Congress on Pattern Recognition,2015.

    [19]ZOU Q,SUN W,XING L,et al. Interest point detection in images based on topology structure features of directed complex network[C]. Dalian:36th Chinese Control Conference,2018.

    [20]湯曉,王銀河. 基于復(fù)雜網(wǎng)絡(luò)和圖像輪廓的形狀識別方法[J]. 山西師范大學(xué)學(xué)報:自然科學(xué)版,2013(3):33-40.

    [21]何蘇利,王銀河,陳作宏. 基于輪廓形狀和復(fù)雜網(wǎng)絡(luò)的圖像識別新方法[J]. 工業(yè)控制計算機,2016,29(5):129-131.

    [22]何蘇利. 基于輪廓形狀和球面距離的復(fù)雜網(wǎng)絡(luò)模型拓?fù)湫再|(zhì)研究[J]. 現(xiàn)代信息科技, 2018 (3):19-21.

    [23]LIJIAN Z, CHEN Z, ZUOWEI W, et al. Hierarchical palmprint feature extraction and recognition based on multi-wavelets and complex network[J]. IET Image Processing, 2018, 12(6):985-992.

    [24]HEIDER F. Attitudes and cognitive organization[J]. The Journal of Psychology, 1946,21:107-112.

    [25]ZILIN G,YINHE W,JUN M. The structural balance analysis of complex dynamical networks based on nodes dynamical couplings[J]. PLOS ONE, 2018, 13(1):e0191941.

    [26]HE X, DU H, CAI M, et al, The evolution of cooperation in signed networks under the impact of structural balance[J]. PLoS ONE, 2018,13(1):e020508410.

    [27]林翠琴. 以線性空間和線性映射為核心的線性代數(shù)體系——高等數(shù)學(xué)教學(xué)內(nèi)容與體系改革系列談(之二)[J]. 大學(xué)數(shù)學(xué),1997(2):84-87.

    [28]周松鋒,戴曙光. 改進的PCA人臉識別算法研究[J]. 軟件導(dǎo)刊, 2018(2):15-18.

    [29]張楊,張仁杰. 基于改進PCA算法的人臉識別[J]. 軟件導(dǎo)刊, 2018(1):32-34.

    (責(zé)任編輯:黃 ?。?/p>

    收稿日期:2019-05-07

    基金項目:國家自然科學(xué)基金項目(61673120)

    作者簡介:高沛濤(1993-),男,廣東工業(yè)大學(xué)自動化學(xué)院碩士研究生,研究方向為機器視覺、結(jié)構(gòu)平衡網(wǎng)絡(luò)機理分析;王銀河(1962-),男,博士,廣東工業(yè)大學(xué)自動化學(xué)院教授、博士生導(dǎo)師,研究方向為復(fù)雜動態(tài)網(wǎng)絡(luò)分析與控制、非線性系統(tǒng)分析與控制、模糊自適應(yīng)控制等。

    猜你喜歡
    結(jié)構(gòu)方法
    《形而上學(xué)》△卷的結(jié)構(gòu)和位置
    論結(jié)構(gòu)
    中華詩詞(2019年7期)2019-11-25 01:43:04
    新型平衡塊結(jié)構(gòu)的應(yīng)用
    模具制造(2019年3期)2019-06-06 02:10:54
    學(xué)習(xí)方法
    可能是方法不對
    論《日出》的結(jié)構(gòu)
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢方法
    捕魚
    国产激情欧美一区二区| 51午夜福利影视在线观看| 免费观看人在逋| 毛片女人毛片| 级片在线观看| 色老头精品视频在线观看| 亚洲专区中文字幕在线| 黄色女人牲交| 成人午夜高清在线视频| 校园春色视频在线观看| 99久久99久久久精品蜜桃| 精品国产超薄肉色丝袜足j| 色噜噜av男人的天堂激情| 亚洲精品粉嫩美女一区| 成年人黄色毛片网站| 亚洲精品国产一区二区精华液| 搞女人的毛片| 亚洲美女黄片视频| a级毛片a级免费在线| 日本 欧美在线| 久久草成人影院| 黄色a级毛片大全视频| 曰老女人黄片| av在线播放免费不卡| 亚洲无线在线观看| 欧美日韩一级在线毛片| 人人妻人人看人人澡| 亚洲精品中文字幕在线视频| 免费在线观看完整版高清| 老鸭窝网址在线观看| 老司机午夜福利在线观看视频| 一级毛片高清免费大全| 91字幕亚洲| 宅男免费午夜| 青草久久国产| 人妻丰满熟妇av一区二区三区| 国产亚洲精品久久久久久毛片| 亚洲美女视频黄频| 亚洲五月婷婷丁香| 在线播放国产精品三级| 精品一区二区三区av网在线观看| 国产亚洲精品综合一区在线观看 | or卡值多少钱| 狂野欧美白嫩少妇大欣赏| 69av精品久久久久久| 哪里可以看免费的av片| 国产精品一区二区三区四区久久| 亚洲av日韩精品久久久久久密| 国产欧美日韩一区二区三| 亚洲美女黄片视频| 99久久国产精品久久久| 男女视频在线观看网站免费 | 国产aⅴ精品一区二区三区波| 亚洲男人的天堂狠狠| www.熟女人妻精品国产| 婷婷丁香在线五月| 亚洲欧美日韩高清专用| 别揉我奶头~嗯~啊~动态视频| 99热6这里只有精品| 成人av在线播放网站| 毛片女人毛片| 18禁裸乳无遮挡免费网站照片| 久久精品成人免费网站| 国产黄a三级三级三级人| 巨乳人妻的诱惑在线观看| 午夜福利在线观看吧| av欧美777| 少妇被粗大的猛进出69影院| 日本黄色视频三级网站网址| 色哟哟哟哟哟哟| 国产91精品成人一区二区三区| 日韩 欧美 亚洲 中文字幕| 美女高潮喷水抽搐中文字幕| 精品国产亚洲在线| 久久久久久免费高清国产稀缺| 欧美日韩黄片免| 日韩免费av在线播放| 男人舔女人下体高潮全视频| 亚洲中文av在线| 久久天躁狠狠躁夜夜2o2o| 欧美日韩一级在线毛片| 熟女少妇亚洲综合色aaa.| 50天的宝宝边吃奶边哭怎么回事| 久久午夜综合久久蜜桃| 久久婷婷成人综合色麻豆| 婷婷六月久久综合丁香| 日本a在线网址| 成人av在线播放网站| 男男h啪啪无遮挡| 神马国产精品三级电影在线观看 | 亚洲第一电影网av| 国产精品乱码一区二三区的特点| 99国产精品99久久久久| 曰老女人黄片| 国产精品野战在线观看| netflix在线观看网站| 国内精品一区二区在线观看| 嫩草影视91久久| 一a级毛片在线观看| 黄色 视频免费看| 亚洲一区中文字幕在线| 久久久久久免费高清国产稀缺| 国产三级在线视频| 亚洲av美国av| 久久久水蜜桃国产精品网| av视频在线观看入口| 99热这里只有精品一区 | 欧美日本视频| 国产主播在线观看一区二区| 禁无遮挡网站| 国产伦一二天堂av在线观看| 97人妻精品一区二区三区麻豆| 午夜亚洲福利在线播放| 中出人妻视频一区二区| 激情在线观看视频在线高清| 亚洲激情在线av| 亚洲一码二码三码区别大吗| 久久国产精品人妻蜜桃| 久久久国产精品麻豆| videosex国产| 麻豆成人午夜福利视频| 天堂影院成人在线观看| 欧美激情久久久久久爽电影| 亚洲精品在线美女| 日本黄大片高清| 精品人妻1区二区| 变态另类成人亚洲欧美熟女| 国产精品98久久久久久宅男小说| 成人特级黄色片久久久久久久| 男人舔奶头视频| 亚洲成人国产一区在线观看| 丝袜美腿诱惑在线| 热99re8久久精品国产| 亚洲欧美日韩高清在线视频| 50天的宝宝边吃奶边哭怎么回事| 国产亚洲精品av在线| 亚洲一区二区三区色噜噜| 国产成年人精品一区二区| 两性夫妻黄色片| 久久草成人影院| 淫妇啪啪啪对白视频| 两性午夜刺激爽爽歪歪视频在线观看 | 免费在线观看亚洲国产| 久久伊人香网站| 成人永久免费在线观看视频| 黑人操中国人逼视频| 一本大道久久a久久精品| 全区人妻精品视频| 全区人妻精品视频| 亚洲国产看品久久| 国产精品一区二区三区四区久久| 欧美在线黄色| 亚洲人成77777在线视频| 99热6这里只有精品| 日日爽夜夜爽网站| 又紧又爽又黄一区二区| 999久久久精品免费观看国产| 免费电影在线观看免费观看| av片东京热男人的天堂| 一区二区三区激情视频| 19禁男女啪啪无遮挡网站| 精品无人区乱码1区二区| 精品久久久久久久久久久久久| 日本黄大片高清| 波多野结衣高清作品| 狠狠狠狠99中文字幕| 亚洲人成网站高清观看| 久久久国产成人精品二区| 美女扒开内裤让男人捅视频| 国产精品永久免费网站| 亚洲一区二区三区不卡视频| 久久久久久免费高清国产稀缺| 丰满的人妻完整版| 国产精品精品国产色婷婷| 国产精品美女特级片免费视频播放器 | 国产成人啪精品午夜网站| 在线观看www视频免费| 久久久国产精品麻豆| 欧美另类亚洲清纯唯美| ponron亚洲| 99国产综合亚洲精品| 日本在线视频免费播放| 村上凉子中文字幕在线| 日本免费a在线| www.精华液| 999精品在线视频| 叶爱在线成人免费视频播放| 精品久久久久久久久久免费视频| 18禁黄网站禁片免费观看直播| 桃红色精品国产亚洲av| 成人一区二区视频在线观看| 国产高清激情床上av| 一本一本综合久久| 日韩精品中文字幕看吧| 九九热线精品视视频播放| 成人亚洲精品av一区二区| 三级国产精品欧美在线观看 | 狂野欧美白嫩少妇大欣赏| 曰老女人黄片| 俄罗斯特黄特色一大片| 最近最新中文字幕大全电影3| 成人国产一区最新在线观看| 欧美黑人巨大hd| 国产激情欧美一区二区| 国产又色又爽无遮挡免费看| 久久午夜亚洲精品久久| 久久久久国产精品人妻aⅴ院| 亚洲精品色激情综合| 97超级碰碰碰精品色视频在线观看| 曰老女人黄片| 日本五十路高清| 亚洲人成电影免费在线| 99热只有精品国产| 亚洲精品中文字幕一二三四区| 少妇的丰满在线观看| 啦啦啦观看免费观看视频高清| 亚洲国产日韩欧美精品在线观看 | 欧美色视频一区免费| 精品久久久久久成人av| 国产精品一区二区三区四区免费观看 | www日本在线高清视频| 欧美又色又爽又黄视频| 色老头精品视频在线观看| 久久中文字幕人妻熟女| 亚洲人与动物交配视频| 熟女少妇亚洲综合色aaa.| 亚洲成人免费电影在线观看| 一a级毛片在线观看| 亚洲av电影在线进入| 青草久久国产| 久久午夜综合久久蜜桃| 日本黄色视频三级网站网址| 免费在线观看完整版高清| 午夜免费激情av| 亚洲天堂国产精品一区在线| 成人三级黄色视频| 18禁黄网站禁片午夜丰满| 欧美日韩瑟瑟在线播放| 露出奶头的视频| 法律面前人人平等表现在哪些方面| 三级国产精品欧美在线观看 | 一夜夜www| 国产一区二区三区在线臀色熟女| 给我免费播放毛片高清在线观看| 老司机福利观看| 激情在线观看视频在线高清| 国产高清激情床上av| 国产精品自产拍在线观看55亚洲| 老司机午夜十八禁免费视频| 午夜福利成人在线免费观看| 又黄又爽又免费观看的视频| 妹子高潮喷水视频| 亚洲精品美女久久av网站| 狠狠狠狠99中文字幕| 男插女下体视频免费在线播放| 制服人妻中文乱码| 三级男女做爰猛烈吃奶摸视频| 午夜免费观看网址| 午夜亚洲福利在线播放| 在线观看日韩欧美| 久久国产精品人妻蜜桃| 在线观看www视频免费| 哪里可以看免费的av片| 非洲黑人性xxxx精品又粗又长| 国产亚洲精品一区二区www| 日本 av在线| 亚洲成av人片免费观看| 久久 成人 亚洲| 国产蜜桃级精品一区二区三区| 夜夜夜夜夜久久久久| 成人特级黄色片久久久久久久| 国产精品一区二区三区四区久久| 级片在线观看| 99久久精品热视频| 国产精品久久电影中文字幕| 美女免费视频网站| 最新在线观看一区二区三区| 妹子高潮喷水视频| 男人的好看免费观看在线视频 | 久久中文字幕人妻熟女| 国产精品电影一区二区三区| 免费在线观看完整版高清| 人妻久久中文字幕网| 国产精品综合久久久久久久免费| 香蕉国产在线看| 免费无遮挡裸体视频| av在线天堂中文字幕| 亚洲第一欧美日韩一区二区三区| 精品福利观看| 久久久水蜜桃国产精品网| 校园春色视频在线观看| 午夜福利18| 国产精品 国内视频| xxx96com| 黄色女人牲交| av福利片在线| 国产精品乱码一区二三区的特点| 我要搜黄色片| 黄色毛片三级朝国网站| 亚洲精品美女久久久久99蜜臀| 国产v大片淫在线免费观看| 又粗又爽又猛毛片免费看| 在线观看免费日韩欧美大片| 小说图片视频综合网站| 一个人观看的视频www高清免费观看 | 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| 少妇的丰满在线观看| 国产精品久久久久久亚洲av鲁大| 三级毛片av免费| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 亚洲国产日韩欧美精品在线观看 | 亚洲激情在线av| 亚洲av电影不卡..在线观看| av国产免费在线观看| 在线看三级毛片| 午夜福利高清视频| 亚洲成人久久爱视频| 麻豆成人av在线观看| 俄罗斯特黄特色一大片| 丁香六月欧美| 哪里可以看免费的av片| 怎么达到女性高潮| 97人妻精品一区二区三区麻豆| 很黄的视频免费| 在线观看www视频免费| 在线观看午夜福利视频| 成年版毛片免费区| 亚洲一码二码三码区别大吗| 欧美激情久久久久久爽电影| 人成视频在线观看免费观看| 岛国在线观看网站| 制服丝袜大香蕉在线| 亚洲av成人一区二区三| 色综合站精品国产| 国产1区2区3区精品| 日本精品一区二区三区蜜桃| 观看免费一级毛片| 男女床上黄色一级片免费看| 午夜精品一区二区三区免费看| 黄色女人牲交| 国产精品 欧美亚洲| 嫩草影视91久久| 成人av在线播放网站| 亚洲精品中文字幕在线视频| 麻豆成人午夜福利视频| 午夜福利高清视频| 非洲黑人性xxxx精品又粗又长| 天天躁夜夜躁狠狠躁躁| 亚洲人成伊人成综合网2020| 欧美+亚洲+日韩+国产| 制服诱惑二区| 三级国产精品欧美在线观看 | 人妻丰满熟妇av一区二区三区| 在线免费观看的www视频| 色av中文字幕| 国产又色又爽无遮挡免费看| 色综合欧美亚洲国产小说| 免费看a级黄色片| 中国美女看黄片| 成人18禁高潮啪啪吃奶动态图| 午夜影院日韩av| 久久久国产成人免费| 国产亚洲精品久久久久久毛片| 欧美成人一区二区免费高清观看 | 免费av毛片视频| 欧美另类亚洲清纯唯美| 久久国产乱子伦精品免费另类| 无人区码免费观看不卡| 91字幕亚洲| 99久久无色码亚洲精品果冻| 又紧又爽又黄一区二区| 又大又爽又粗| 在线观看免费视频日本深夜| 丝袜人妻中文字幕| 三级男女做爰猛烈吃奶摸视频| 色精品久久人妻99蜜桃| 国产亚洲精品久久久久久毛片| 丝袜人妻中文字幕| 色哟哟哟哟哟哟| 欧美人与性动交α欧美精品济南到| 日本黄大片高清| 久9热在线精品视频| 久久精品91蜜桃| 国产成人影院久久av| 国内精品一区二区在线观看| 亚洲五月天丁香| 国产成+人综合+亚洲专区| 黄片小视频在线播放| 亚洲天堂国产精品一区在线| 国产高清视频在线观看网站| 成人欧美大片| 中文字幕熟女人妻在线| 99国产精品一区二区三区| 久久香蕉国产精品| 亚洲精品av麻豆狂野| 老汉色av国产亚洲站长工具| 窝窝影院91人妻| 五月玫瑰六月丁香| 免费一级毛片在线播放高清视频| 亚洲av电影在线进入| 国产熟女xx| 性色av乱码一区二区三区2| 亚洲国产日韩欧美精品在线观看 | 女生性感内裤真人,穿戴方法视频| 窝窝影院91人妻| 床上黄色一级片| 免费观看精品视频网站| 国产高清视频在线观看网站| 国产精品野战在线观看| 国内毛片毛片毛片毛片毛片| 欧美高清成人免费视频www| 俄罗斯特黄特色一大片| 无限看片的www在线观看| 日日干狠狠操夜夜爽| 欧美激情久久久久久爽电影| 99riav亚洲国产免费| 免费无遮挡裸体视频| 一边摸一边抽搐一进一小说| 老司机靠b影院| 狂野欧美白嫩少妇大欣赏| 精品人妻1区二区| xxxwww97欧美| 五月伊人婷婷丁香| 欧美国产日韩亚洲一区| 美女高潮喷水抽搐中文字幕| 欧美最黄视频在线播放免费| 国产精品自产拍在线观看55亚洲| 久久久久国产精品人妻aⅴ院| 国产精品久久视频播放| 日本黄色视频三级网站网址| 日本一区二区免费在线视频| 日韩欧美在线二视频| www.熟女人妻精品国产| 国产又色又爽无遮挡免费看| 男插女下体视频免费在线播放| 国产精品一区二区精品视频观看| 久久久久久大精品| 久久久久久久久免费视频了| 色在线成人网| 毛片女人毛片| 变态另类成人亚洲欧美熟女| 免费高清视频大片| 一本精品99久久精品77| 精华霜和精华液先用哪个| 久久久久国产一级毛片高清牌| 婷婷精品国产亚洲av在线| 亚洲人成电影免费在线| 亚洲一区中文字幕在线| 亚洲av日韩精品久久久久久密| 九色国产91popny在线| 一进一出好大好爽视频| 操出白浆在线播放| 中文在线观看免费www的网站 | 亚洲成人久久爱视频| 动漫黄色视频在线观看| 国产成人精品无人区| 国产精品乱码一区二三区的特点| 听说在线观看完整版免费高清| 欧美最黄视频在线播放免费| 九色成人免费人妻av| 午夜精品一区二区三区免费看| 18禁国产床啪视频网站| 亚洲第一欧美日韩一区二区三区| 国产爱豆传媒在线观看 | 日本黄色视频三级网站网址| 久久亚洲真实| 亚洲专区字幕在线| 免费高清视频大片| 午夜精品一区二区三区免费看| 十八禁网站免费在线| 黄色丝袜av网址大全| 久久这里只有精品中国| 免费看日本二区| 国产亚洲精品第一综合不卡| 亚洲人成伊人成综合网2020| 我的老师免费观看完整版| 亚洲欧美日韩高清专用| 999久久久精品免费观看国产| 在线观看免费日韩欧美大片| 小说图片视频综合网站| a在线观看视频网站| 手机成人av网站| 麻豆国产97在线/欧美 | 老司机靠b影院| 99在线视频只有这里精品首页| 一边摸一边做爽爽视频免费| 69av精品久久久久久| 国产亚洲精品av在线| 国产精品日韩av在线免费观看| 欧美最黄视频在线播放免费| 久久中文看片网| 国产亚洲欧美98| netflix在线观看网站| 久久久精品欧美日韩精品| 99国产精品99久久久久| 五月玫瑰六月丁香| 国产久久久一区二区三区| 两个人免费观看高清视频| 最新在线观看一区二区三区| 久久婷婷成人综合色麻豆| 狠狠狠狠99中文字幕| 免费一级毛片在线播放高清视频| 999久久久国产精品视频| 亚洲av成人av| 国产v大片淫在线免费观看| 五月伊人婷婷丁香| svipshipincom国产片| 少妇被粗大的猛进出69影院| 正在播放国产对白刺激| 亚洲美女视频黄频| 午夜成年电影在线免费观看| 日韩欧美国产一区二区入口| 后天国语完整版免费观看| 中文亚洲av片在线观看爽| 亚洲黑人精品在线| 久久久久国产精品人妻aⅴ院| 一夜夜www| 欧美乱码精品一区二区三区| 视频区欧美日本亚洲| 怎么达到女性高潮| 九色成人免费人妻av| 99国产精品99久久久久| 女生性感内裤真人,穿戴方法视频| 成人精品一区二区免费| 一二三四社区在线视频社区8| 久久国产精品人妻蜜桃| 免费av毛片视频| 久久国产精品人妻蜜桃| 亚洲激情在线av| 啦啦啦观看免费观看视频高清| 亚洲精品美女久久久久99蜜臀| 日日摸夜夜添夜夜添小说| 日韩三级视频一区二区三区| 看片在线看免费视频| 日韩三级视频一区二区三区| 国产成人精品久久二区二区免费| 久久久国产精品麻豆| 少妇熟女aⅴ在线视频| 国产精品久久久久久人妻精品电影| 欧美不卡视频在线免费观看 | 美女扒开内裤让男人捅视频| 宅男免费午夜| 欧美极品一区二区三区四区| 精品国产美女av久久久久小说| 亚洲第一电影网av| www.999成人在线观看| 国产探花在线观看一区二区| 亚洲成人国产一区在线观看| 蜜桃久久精品国产亚洲av| 在线永久观看黄色视频| 色综合欧美亚洲国产小说| 亚洲片人在线观看| 欧美国产日韩亚洲一区| 男女床上黄色一级片免费看| 亚洲av中文字字幕乱码综合| 欧美性猛交╳xxx乱大交人| 久久精品亚洲精品国产色婷小说| 露出奶头的视频| 久久久久久久久中文| 国产亚洲欧美在线一区二区| 亚洲人与动物交配视频| 国产亚洲精品第一综合不卡| 久久久久国产一级毛片高清牌| 国产蜜桃级精品一区二区三区| 91老司机精品| 亚洲精品美女久久久久99蜜臀| 黑人欧美特级aaaaaa片| 一二三四社区在线视频社区8| 日韩大尺度精品在线看网址| 欧美一区二区国产精品久久精品 | 日本免费一区二区三区高清不卡| 国产亚洲欧美98| 好男人电影高清在线观看| 99在线视频只有这里精品首页| 国产三级中文精品| 亚洲人成伊人成综合网2020| 美女大奶头视频| 国产av一区在线观看免费| 他把我摸到了高潮在线观看| 99久久综合精品五月天人人| 美女免费视频网站| 国产av一区在线观看免费| 波多野结衣高清作品| 在线国产一区二区在线| 亚洲,欧美精品.| 一级毛片精品| 淫秽高清视频在线观看| 熟妇人妻久久中文字幕3abv| 免费搜索国产男女视频| 国产午夜福利久久久久久| 一进一出抽搐动态| 人人妻,人人澡人人爽秒播| 老司机午夜福利在线观看视频| 97人妻精品一区二区三区麻豆| 天堂影院成人在线观看| 亚洲精品美女久久av网站| 亚洲专区字幕在线| 老鸭窝网址在线观看| 成人av一区二区三区在线看| 日本撒尿小便嘘嘘汇集6| 一级a爱片免费观看的视频| 国产精品久久电影中文字幕| 中文字幕人妻丝袜一区二区| 成人一区二区视频在线观看| 久久久精品欧美日韩精品| 国产精品一区二区精品视频观看| 欧美色视频一区免费| 此物有八面人人有两片| 国产久久久一区二区三区| 波多野结衣高清作品| 国产伦在线观看视频一区| www.www免费av| 91字幕亚洲|