• <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 ?

    圖像分割評估方法在顯微圖像分析中的應(yīng)用

    2021-01-21 07:28:34馬博淵姜淑芳申昊鍇班曉娟黃海友薛維華
    工程科學(xué)學(xué)報(bào) 2021年1期
    關(guān)鍵詞:真值晶界晶粒

    馬博淵,姜淑芳,尹 豆,申昊鍇,班曉娟,黃海友,王 浩,薛維華,封 華

    1) 北京科技大學(xué)北京材料基因工程高精尖創(chuàng)新中心,北京 100083 2) 北京科技大學(xué)材料領(lǐng)域知識工程北京市重點(diǎn)實(shí)驗(yàn)室,北京 100083 3) 北京科技大學(xué)計(jì)算機(jī)與通信工程學(xué)院,北京 100083 4) 北京科技大學(xué)人工智能研究院,北京 100083 5) 解放軍總醫(yī)院第一醫(yī)學(xué)中心婦產(chǎn)科,北京 100853 6) 中國石油大學(xué)(北京)信息科學(xué)與工程學(xué)院,北京 102249 7) 北京科技大學(xué)新材料技術(shù)研究院,北京 100083 8) 北京科技大學(xué)順德研究生院,佛山 528300 9) 北京科技大學(xué)材料科學(xué)與工程學(xué)院,北京 100083 10) 遼寧工程技術(shù)大學(xué)材料科學(xué)與工程學(xué)院,阜新 123099

    計(jì)算機(jī)視覺是一門“教”會(huì)計(jì)算機(jī)如何去“看”世界的科學(xué),旨在使用計(jì)算機(jī)及相關(guān)設(shè)備對生物視覺進(jìn)行模擬,進(jìn)而代替眼睛對數(shù)字圖像中的目標(biāo)進(jìn)行處理、識別、分析和理解[1].圖像分割是從圖像中提取感興趣區(qū)域的方法,是計(jì)算機(jī)視覺的重要組成部分[2].在實(shí)際應(yīng)用中,對圖像分割結(jié)果的正確評估是分割方法完善的重要研究手段[3].

    在材料科學(xué)領(lǐng)域,隨著材料信息學(xué)的發(fā)展,大量先進(jìn)的信息學(xué)技術(shù)在材料領(lǐng)域獲得應(yīng)用,并展現(xiàn)出蓬勃的生機(jī)和快速發(fā)展的態(tài)勢.材料圖像,特別是材料顯微圖像,是材料組織信息的重要載體.使用圖像分割等計(jì)算機(jī)視覺方法可提取材料圖像中的組織信息,是高效建立材料成分–工藝–組織–性能關(guān)系的重要環(huán)節(jié).

    本文在材料顯微圖像分析的應(yīng)用背景下,重點(diǎn)綜述了圖像分割的評估方法,并討論了不同評估方法的適用性.

    1 圖像分割的定義及其在材料顯微圖像分析中的應(yīng)用

    圖像分割是將圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)區(qū)域的技術(shù)[4],是計(jì)算機(jī)視覺的重要分支.分割結(jié)果可進(jìn)一步為圖像識別和圖像描述等圖像理解相關(guān)任務(wù)提供信息支撐.

    圖1 材料顯微圖像分割流程示意Fig.1 Flow chart of material microscopic image segmentation

    目前,隨著多學(xué)科間的深入交叉和融合,科學(xué)工作者開始嘗試將以圖像分割為代表的計(jì)算機(jī)視覺技術(shù)運(yùn)用到表面缺陷檢測、金相組織分析、神經(jīng)細(xì)胞拓?fù)浞治龅炔牧虾蜕镝t(yī)學(xué)領(lǐng)域[5?6].如圖1所示為材料顯微圖像分割流程圖,針對原始的材料顯微圖像,采用圖像分割方法(Image segmenta-tion methods)提取圖像中科研人員感興趣的組織結(jié)構(gòu)區(qū)域[7],如圖1中的白色區(qū)域?qū)?yīng)的材料組織(枝晶和晶粒).通過定量分析材料內(nèi)部的微觀組織特征(如尺寸和形狀分布等),可進(jìn)一步解構(gòu)材料微觀組織特征與材料成分、制備工藝、宏觀性能之間的內(nèi)稟關(guān)系[8],進(jìn)而輔助材料性能的優(yōu)化和新材料的研發(fā)[9].

    隨著計(jì)算機(jī)硬件以及以深度學(xué)習(xí)[10]為代表的機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步,多種基于不同理論的圖像分割方法如雨后春筍般涌現(xiàn),如圖1中基于閾值的分割方法(Threshold based segmentation methods)[11]、基于梯度的分割方法(Gradient based segmentation methods)[12]、基于形態(tài)學(xué)的分割方法(Morphology based segmentation methods)[13]、基于區(qū)域生長的分割方法(Region growing based segmentation methods)[14]、基于聚類的分割方法(Clustering based segmentation methods)[15],基于圖論的分割方法(Graph based segmentation methods)[16]和基于深度學(xué)習(xí)的分割方法 (Deep learning-based segmentation methods)[17?18]等,上述方法被廣泛應(yīng)用于材料顯微圖像分析任務(wù)[19?21].為了進(jìn)一步理解各種圖像分割方法的適用性以及改進(jìn)分割質(zhì)量,本文對不同方法的分割結(jié)果進(jìn)行了系統(tǒng)地評估.雖然人的視覺判斷是最直接的判斷方法,但是人的主觀不確定性會(huì)導(dǎo)致算法評估難以量化.因此,采用自動(dòng)的客觀的評估方法成為圖像分割結(jié)果評估的主流方式.當(dāng)前存在多種基于不同理論的圖像分割客觀評估方法(Segmentation evaluation methods),每種方法均從特定的角度評估分割結(jié)果的優(yōu)劣,可應(yīng)用于不同目標(biāo)的圖像分割任務(wù)中.

    本文綜述了14種基于不同理論的圖像分割客觀評估指標(biāo),將其分成五大類方法分別展開敘述(圖1):基于像素的評估方法(Pixel based evaluation methods)、基于類內(nèi)重合度的評估方法(Intra class coincidence based evaluation methods)、基于邊界的評估方法(Edge based evaluation methods)、基于聚類的評估方法(Clustering based evaluation methods)和基于實(shí)例的評估方法(Instance based evaluation methods).并在材料顯微圖像分析應(yīng)用中,選擇兩種典型材料顯微圖像分割任務(wù)作為分析目標(biāo),對比采用不同分割方法和不同典型噪聲下各種評估指標(biāo)的性能,進(jìn)而對不同評估方法的適用性展開討論.

    2 圖像分割評估方法

    通過現(xiàn)有文獻(xiàn)整理和研究,本文將圖像分割評估指標(biāo)分為基于像素的評估方法、基于類內(nèi)重合度的評估方法、基于邊緣的評估方法、基于聚類的評估方法和基于實(shí)例的評估方法等五個(gè)類別.

    2.1 基于像素的評估方法

    基于像素的評估方法主要包括像素準(zhǔn)確率(Pixel accuracy)和平均準(zhǔn)確率(Mean accuracy)[17]兩個(gè)評估指標(biāo).

    像素準(zhǔn)確率統(tǒng)計(jì)了預(yù)測正確的像素占總像素的比例[22],其定義為:

    在圖像分割任務(wù)中,假定有k+1個(gè)類別(“+1”指包括背景類),通常使用pij表示真值結(jié)果為類i而預(yù)測結(jié)果為類j的像素點(diǎn)總數(shù),同理,pii表示真值結(jié)果和預(yù)測結(jié)果均為類i的像素點(diǎn)總數(shù),即預(yù)測正確的像素點(diǎn)數(shù)目.

    平均準(zhǔn)確率(Mean accuracy):是對像素準(zhǔn)確率的改進(jìn),分別計(jì)算每個(gè)類內(nèi)被正確分類像素?cái)?shù)的比例,進(jìn)而對所有類求平均值.該方法可緩解當(dāng)分割任務(wù)中不同類別包含像素?cái)?shù)目差異較大時(shí),準(zhǔn)確率被包含像素?cái)?shù)目較多的類別所主導(dǎo)的問題,其定義為:

    2.2 基于類內(nèi)重合度的評估方法

    基于類內(nèi)重合度的評估方法主要包括平均交并比(Mean intersection over union, MIoU)[17],頻權(quán)交并比(Frequency weighted intersection over union,FWIoU)[17]和 Dice系數(shù)(Dice score)[23]三個(gè)評估指標(biāo).

    平均交并比MIoU在計(jì)算每個(gè)類的交并比的基礎(chǔ)上求均值,可反映預(yù)測結(jié)果和真值結(jié)果的重合度.IoU(或稱為 Jacarrd index)的計(jì)算方式如圖2(a)所示,其中P代表預(yù)測結(jié)果(Predicted segmentation),T代表真值結(jié)果(也稱目標(biāo)結(jié)果,Target truth),其思路是計(jì)算真值結(jié)果和預(yù)測結(jié)果區(qū)域集合的交集和并集之比,即公式(3)所示.

    具體地,采用上述描述方法,MIoU可定義為[17]:

    圖2 評估指標(biāo)示意圖.(a)IoU 指標(biāo)示意圖;(b)VI指標(biāo)示意圖Fig.2 Schematics of evaluation metrics: (a) IoU metric diagram; (b) VI metric diagram

    其中,pji表示真值結(jié)果為類j而預(yù)測結(jié)果為類i的像素點(diǎn)總數(shù).

    頻權(quán)交并比FWIoU是對原始的MIoU的改進(jìn),即根據(jù)每一類出現(xiàn)的頻率對各個(gè)類的IoU進(jìn)行加權(quán)求和,定義為[17]:

    Dice系數(shù)(Dice score)是圖像分割結(jié)果衡量的常用指標(biāo),其計(jì)算公式為[23]:

    其中,|P∩T|代表預(yù)測結(jié)果P和真值結(jié)果T之間的重合像素?cái)?shù)量,|P|表示預(yù)測結(jié)果P中的像素?cái)?shù)量,同理|T|表示真值結(jié)果T中的像素?cái)?shù)量,通常P、T集合僅統(tǒng)計(jì)前景區(qū)域的像素.Dice score實(shí)質(zhì)上是兩個(gè)樣本間的重疊度量(0~1),其中該指標(biāo)為1代表完全重疊,表示預(yù)測結(jié)果較好.Dice score相比于IoU的區(qū)別在于分子和分母間均增加|P∩T|的數(shù)目.

    2.3 基于邊界的評估方法

    邊界檢測也稱邊緣檢測,是指將圖像分成邊緣區(qū)域和非邊緣區(qū)域.由于在邊緣檢測任務(wù)中,邊緣區(qū)域往往僅占據(jù)少量像素區(qū)域,并且繪制真值邊緣時(shí)容易產(chǎn)生誤差,致使預(yù)測邊緣和真實(shí)邊緣在像素上通常無法一一對應(yīng),因此該類評估方法主要通過計(jì)算預(yù)測邊緣像素和真實(shí)邊緣像素間的距離來反映邊緣檢測效果.

    基于邊界的評估方法主要包括FoM(Figure of merit)[24]、Completeness[25]、Correctness[25]和Quality[25]4個(gè)評估指標(biāo).

    FoM(Figure of merit)計(jì)算公式為:

    其中,通過人工檢視標(biāo)注得到的真值邊緣像素點(diǎn)個(gè)數(shù)為|T|;通過檢測算法檢測的邊緣像素點(diǎn)個(gè)數(shù)為|P|;檢測算法得到的第i個(gè)邊緣像素點(diǎn)和離它最近的真值邊緣像素點(diǎn)間的歐氏距離為di;常量系數(shù)ξ一般為0.1,表示錯(cuò)位邊緣懲罰項(xiàng).FoM值越大表明檢測出的邊緣越靠近人工標(biāo)注的真值邊緣, 即該邊緣檢測算法的檢測精度越高.

    Completeness、Correctness和 Quality評估方法在基于歐氏距離的基礎(chǔ)上重新定義了匹配的概念.其匹配的計(jì)算公式為:

    設(shè)兩個(gè)像素集合A和B,其中a和b分別為兩個(gè)集合中的兩個(gè)元素,d(a,b)表示兩個(gè)元素之間的歐氏距離.μB(A)指集合A中滿足與距集合B某一元素的距離小于閾值 θ的元素的子集.根據(jù)上述定義,分別計(jì)算預(yù)測邊緣像素集合P和真值邊緣像素集合T的μT(P)和μP(T),μT(P)代表預(yù)測結(jié)果中與真值結(jié)果相匹配的元素的子集,μP(T)代表真值結(jié)果中與預(yù)測結(jié)果相匹配的元素的子集.如圖3所示.

    圖3 邊緣檢測匹配示意圖.(a)令預(yù)測邊界與真值邊界進(jìn)行匹配;(b)令真值邊界與預(yù)測邊界進(jìn)行匹配Fig.3 Matching schematics of edge detection:(a) matching ground truth with prediction skeleton; (b) matching prediction with ground truth skeleton

    在此基礎(chǔ)上,Completeness的計(jì)算公式為:

    其中,|P|為預(yù)測邊緣像素集合P中的邊緣像素個(gè)數(shù).同理,|μT(P)|,|μP(T)|和|T|分別代表各自集合中的邊緣像素個(gè)數(shù).

    Correctness的計(jì)算公式為:

    Quality的計(jì)算公式為:

    2.4 基于聚類的評估方法

    圖像分割可以看作是一種聚類任務(wù),將圖像中的所有像素分割成n個(gè)分區(qū)或段,通過對比真值圖和預(yù)測圖中的分區(qū)結(jié)果可對圖像分割任務(wù)進(jìn)行評估.在基于聚類的評估方法中類的定義和圖像類別中類的定義不同,聚類中每個(gè)類具體指圖像中得到每個(gè)分區(qū),在圖像分割任務(wù)中,某個(gè)圖像類別可以有多個(gè)分區(qū).

    基于聚類的評估方法主要包括:蘭德系數(shù)(Rand index, RI)[26?27]、調(diào)整蘭德系數(shù)(Adjusted rand index,ARI)[28]和信息變化量(Variation of information,VI)[29]3 個(gè)評估指標(biāo).

    給定一個(gè)含有n個(gè)元素的集合S的兩種劃分,S劃分為r個(gè)子集:T={T1,T2,···,Tr}和S劃分為s個(gè)子集:P={P1,P2,···,Ps}.在圖像分割任務(wù)中,S代表像素集合,T代表真值分割結(jié)果,P代表預(yù)測分割結(jié)果.通常,采用聯(lián)通區(qū)域方法(Connected component)分別將T和P劃分成不同的分區(qū)(子集).

    進(jìn)一步,定義:

    a為S集合中在T中屬于同一子集,在P中也屬于同一子集的元素對數(shù);b為S集合中在T中屬于不同子集,在P中也屬于不同子集的元素對數(shù);c為S集合中在T中屬于同一子集,但在P中屬于不同子集的元素對數(shù);d為S集合中在T中屬于不同子集,但在P中屬于同一子集的元素對數(shù);

    則RI定義為:

    直觀地,a+b可被認(rèn)為是T和P之間一致的元素對個(gè)數(shù),c+d可被認(rèn)為是T和P之間不一致的元素對個(gè)數(shù).

    雖然RI的取值范圍為[0,1],但該指標(biāo)不能保證在類別標(biāo)簽是隨機(jī)分配的情況下其值接近0.由于RI基于像素點(diǎn)對數(shù)目進(jìn)行評估,而在材料顯微圖像分割應(yīng)用中,大多數(shù)像素點(diǎn)對不相連,即公式(12)中的b非常高,導(dǎo)致不同分割方法的評估結(jié)果均接近1,造成區(qū)分度較低.因此,ARI在RI的基礎(chǔ)上進(jìn)行了修正,令來表示Ti與Pj之 間交集的元素,基于聚類任務(wù)的列聯(lián)表如表1所示.其計(jì)算公式如式(13)所示.

    表1 基于聚類任務(wù)的列聯(lián)表Table 1 Contingency table

    ARI的取值范圍為[?1,1],值越大,代表預(yù)測結(jié)果中的分區(qū)結(jié)果更接近與真值結(jié)果中的分區(qū)結(jié)果.

    VI公式如(14)所示,將預(yù)測結(jié)果P和真值結(jié)果T看成兩種數(shù)據(jù)分布,利用信息熵計(jì)算兩者之間的分布變化.核心是計(jì)算預(yù)測和真實(shí)標(biāo)注圖之間的條件熵,如圖2(b)所示.

    其中,H(P|T)代表過分割錯(cuò)誤,過分割即錯(cuò)誤地將一個(gè)區(qū)域分割成兩個(gè)區(qū)域,也被稱為拆分錯(cuò)誤(Split error,SE).H(T|P)代表欠分割錯(cuò)誤,即將兩個(gè)區(qū)域錯(cuò)誤地合并成一個(gè)區(qū)域,也被稱為合并錯(cuò)誤 (Merge error,ME).VI代表總錯(cuò)誤指標(biāo),為ME和SE的和,值越小,代表分割結(jié)果中存在的錯(cuò)誤越少,即分割結(jié)果越準(zhǔn)確.并且,隨著誤差的變化,VI呈現(xiàn)線性變化,而RI呈現(xiàn)二次方的變化,因此,VI更適用于作為距離指標(biāo)反映誤差的變化[30].

    2.5 基于實(shí)例的評估方法

    基于實(shí)例的評估方法主要包括平均均值精確率 (Mean average precision,MAP)[31?32]和基數(shù)差(Cardinality difference,CD)[33]兩個(gè)評估指標(biāo).

    MAP是圖像分割和物體檢測任務(wù)中的經(jīng)典評估指標(biāo),與基于聚類的評估方法類似,該方法首先使用聯(lián)通區(qū)域方法分別將真值分割結(jié)果和預(yù)測分割結(jié)果分成多個(gè)分區(qū),進(jìn)而在每個(gè)預(yù)測分區(qū)上逐個(gè)與所有的真值分割結(jié)果的分區(qū)計(jì)算IoU,IoU的閾值范圍從0.5到0.95,步長為0.05,即在閾值t為(0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95)情形下分別統(tǒng)計(jì)匹配的數(shù)目.在MAP計(jì)算過程中,匹配指某一預(yù)測結(jié)果中的分區(qū)與真值結(jié)果中的分區(qū)的IoU大于特定的閾值.其中True positive(TP)表示真實(shí)和預(yù)測結(jié)果中正確匹配的分區(qū)對數(shù)量,F(xiàn)alse positive(FP)表示預(yù)測分割結(jié)果中未正確匹配的分區(qū)數(shù)量,F(xiàn)alse negative(FN)表示真值分割結(jié)果中未正確匹配的分區(qū)數(shù)量.

    在每個(gè)閾值t上,根據(jù)預(yù)測分割的分區(qū)結(jié)果與真值分割的分區(qū)結(jié)果比較產(chǎn)生的TP、FN、和FP的數(shù)量計(jì)算出一個(gè)精度值,并除以閾值個(gè)數(shù)獲得均值精確率.在此基礎(chǔ)上,對所有圖像n計(jì)算各自均值精確率再求平均,獲得最終平均均值精確率,公式如下所示:

    CD是Waggoner等引入的一種比較分割結(jié)果中分區(qū)個(gè)數(shù)的評估指標(biāo)[33],其定義為:

    式中,NumT代表真實(shí)結(jié)果中的實(shí)例個(gè)數(shù),NumP代表預(yù)測結(jié)果中的實(shí)例個(gè)數(shù),如果CD是正數(shù),表示欠分割,如果CD是負(fù)數(shù),表示過分割.

    綜上,各評估指標(biāo)的簡要信息如表2所示,其中 ↑代表值越大性能越高,↓代表值越低性能越高,N代表圖像中像素個(gè)數(shù).

    表2 各指標(biāo)的簡要概括Table 2 Brief description of different evaluation methods

    3 圖像分割評估方法對比實(shí)驗(yàn)

    本章以兩種典型材料顯微圖像分割任務(wù)為應(yīng)用背景,定量地衡量圖像分割評估方法在不同分割算法和不同噪聲下的性能.本文所有代碼及示例圖像可開源獲取,詳見如下網(wǎng)址:https://github.com/Keep-Passion/ImageSegMetrics.

    3.1 不同圖像分割算法下的評估結(jié)果

    為了降低圖像分割算法對評估方法的影響,本文選擇了6種最為經(jīng)典的圖像分割算法進(jìn)行比較:基于閾值的圖像分割算法OTSU[11],基于梯度的邊緣提取算法Canny[34],基于形態(tài)學(xué)的圖像分割算法Watershed[35],基于聚類的圖像分割方法K–means[36],基于圖論的圖像分割算法Random Walker[37]和基于深度學(xué)習(xí)的圖像分割算法Unet[18].

    本文選擇多晶純鐵(Polycrystalline iron)晶粒組織圖像和鋁鑭合金(Al–La alloy)枝晶組織圖像作為目標(biāo)數(shù)據(jù)集,數(shù)據(jù)集參數(shù)如表3所示.兩數(shù)據(jù)集示例如圖1所示,其中多晶純鐵晶粒的前景晶粒區(qū)域像素個(gè)數(shù)遠(yuǎn)高于背景邊界區(qū)域的像素個(gè)數(shù),屬于類別不平衡的圖像分割任務(wù).鋁鑭合金枝晶圖像的前景組織區(qū)域像素個(gè)數(shù)與背景區(qū)域的像素個(gè)數(shù)相當(dāng),屬于類別平衡的圖像分割任務(wù).在實(shí)踐過程中,類別不平衡的圖像分割任務(wù)更加困難.

    表3 材料顯微圖像數(shù)據(jù)集參數(shù)Table 3 Description of two material micrographic image datasets

    由于本文選擇基于深度學(xué)習(xí)的圖像分割模型Unet作為不同評估指標(biāo)的基線模型,而Unet需要樣本訓(xùn)練模型才可進(jìn)一步使用.因此將數(shù)據(jù)集按照7∶1∶2的方式劃分為訓(xùn)練集、驗(yàn)證集和測試集.為保證實(shí)驗(yàn)的公平性,所有圖像分割算法均在測試集上進(jìn)行評估.對于Unet模型,模型在訓(xùn)練集上訓(xùn)練,并在每輪迭代中使用驗(yàn)證集驗(yàn)證,選擇驗(yàn)證集損失最低的網(wǎng)絡(luò)參數(shù)在測試集上進(jìn)行評估.其中,Unet網(wǎng)絡(luò)訓(xùn)練參數(shù)為:Batch size 為 10,初始學(xué)習(xí)率為1×10?4,在Adam優(yōu)化器下訓(xùn)練50輪.所有實(shí)驗(yàn)均在裝備一臺Nvidia Tesla V100顯卡的工作站上測試.

    多晶純鐵晶粒組織圖像在不同分割算法下的各評估結(jié)果如表4所示,其可視化示例如圖4上兩行所示.鋁鑭合金枝晶組織圖像在不同分割算法下的各評估結(jié)果如表5所示,其可視化示例如圖4下兩行所示.

    表4 多晶純鐵晶粒組織圖像不同分割算法下評估結(jié)果Table 4 Evaluation results under different segmentation algorithms for polycrystalline iron image

    由于多晶純鐵晶粒組織圖像分割任務(wù)的目標(biāo)是提取并分離每個(gè)晶粒,因此,該任務(wù)可被解讀為晶粒分割或晶界提取兩種不同的描述.因此,對于后者,可采用基于邊界的評估方法對晶界提取的準(zhǔn)確性進(jìn)行評估.

    由于基于深度學(xué)習(xí)的機(jī)器學(xué)習(xí)算法可在訓(xùn)練過程中自動(dòng)學(xué)習(xí)到數(shù)據(jù)中適用于目標(biāo)任務(wù)的強(qiáng)有效特征,因此其分割性能遠(yuǎn)高于傳統(tǒng)圖像處理方法.由圖4直觀比較,基于深度學(xué)習(xí)的圖像分割模型Unet在兩種數(shù)據(jù)集上的可視化效果均顯著超過了其余經(jīng)典算法.但在多晶純鐵晶粒組織圖像的客觀評估中(表4),Unet和傳統(tǒng)方法(除Unet外的其他方法)在基于像素和基于類內(nèi)重合度的評估方法的數(shù)值指標(biāo)上相差較小.在鋁鑭合金枝晶組織圖像的客觀評估中(表5),傳統(tǒng)方法和Unet在基于像素的評估方法的數(shù)值指標(biāo)上相差較小.基于像素的評估方法逐像素地比較預(yù)測分割結(jié)果和真值分割結(jié)果的區(qū)別,而基于類內(nèi)重合度的評估方法逐類別的比較兩者之前的差異,均未考慮材料顯微組織的拓?fù)涮匦?,因此,本文認(rèn)為在材料顯微圖像分析及定量表征應(yīng)用中,該評估方法適用于目標(biāo)為統(tǒng)計(jì)物相組成比例等的表征任務(wù),但不適用于需要分析單個(gè)組織特征的尺寸或形狀統(tǒng)計(jì)等的表征任務(wù).

    基于邊界的評估方法僅適用于基于邊緣提取的圖像分割任務(wù),其泛用性較低.同時(shí)晶界提取的目標(biāo)在于分離每個(gè)晶粒,基于邊界的評估方法并未考慮晶界不閉合的情況.因此,本文認(rèn)為在材料顯微圖像分析應(yīng)用中,基于邊界的評估方法可適用于缺陷(如裂紋)檢測[25],但不適用組織結(jié)構(gòu)定量表征任務(wù).

    基于聚類和基于實(shí)例的評估方法由于在執(zhí)行過程中需要先使用聯(lián)通區(qū)域方法對分割結(jié)果進(jìn)行分區(qū)操作,考慮了顯微組織結(jié)構(gòu)的拓?fù)涮匦裕虼吮疚恼J(rèn)為這兩類方法更適用于材料顯微圖像分析任務(wù)中統(tǒng)計(jì)尺寸和形狀分布等微觀組織定量表征的目標(biāo).

    在基于聚類的評估方法中,RI被證明在最差情況下也難以達(dá)到最低值,造成各方法間差距過小,如多晶純鐵晶粒圖像分割結(jié)果(表4)中的Watershed(RI=0.9444)和 Unet(RI=0.9819).ARI是對RI指標(biāo)的改進(jìn),各方法間該指標(biāo)的差距較大.VI指標(biāo)進(jìn)一步分為合并錯(cuò)誤(Merge Error,ME)和分離錯(cuò)誤(Split Error,SE),可更加全面的分析算法的分割結(jié)果.

    圖4 多晶純鐵晶粒組織及鋁鑭合金枝晶組織圖像在不同分割算法結(jié)果的可視化對比Fig.4 Visualization results of different segmentation methods for polycrystalline iron and Al–La alloy microscopic image

    在基于實(shí)例的評估算法中,CD指標(biāo)易受到噪聲影響,且該指標(biāo)不存在上下限,造成各方法的評估結(jié)果差距過大,難以直觀評估分割結(jié)果,如在鋁鑭合金枝晶圖像分割任務(wù)中,CD指標(biāo)從?10到?10918產(chǎn)生變化,因此本文認(rèn)為該指標(biāo)不適合材料顯微圖像分析任務(wù).MAP的值域范圍是[0,1],且在不同交并比閾值下綜合評估分割結(jié)果,性能較為準(zhǔn)確,但也同樣容易受到微小噪聲的影響.

    3.2 引入不同噪聲下評估方法效果

    為進(jìn)一步加深對圖像分割評估方法的理解,本文在圖像中增加固定數(shù)目的典型噪聲,以展示各圖像評估方法的魯棒性.

    本文從多晶純鐵晶粒圖像和鋁鑭合金枝晶圖像中分別選擇500×500像素尺寸的圖像,并通過控制變量,隨機(jī)引入三種在材料顯微圖像分析任務(wù)中常見的噪聲[38],每種噪聲各具有500像素的改變量:隨機(jī)斑點(diǎn)噪聲、劃痕噪聲和邊界模糊或消失現(xiàn)象.

    表5 鋁鑭合金枝晶組織圖像不同分割算法下評估結(jié)果Table 5 Evaluation of different segmentation results for Al–La microscopic image

    (1)隨機(jī)斑點(diǎn)噪聲(Random noises):在制備過程中,需要在材料表面涂抹銹蝕劑,才可在拋光過程中磨掉材料表面區(qū)域,進(jìn)而獲得材料的微觀形貌.若采用系列截面法逐層觀察材料組織形貌,則需要頻繁的使用銹蝕劑,在拋光過程中,銹蝕劑不可避免地殘留在微觀組織表面,形成隨機(jī)斑點(diǎn)噪聲,如圖5中黑色箭頭所示.

    (2)劃痕噪聲(Scratch noises):如前所述,在制備過程中,需要對材料表面進(jìn)行研磨.該制備方法不可避免地將在顯微組織表面留下劃痕噪聲.劃痕噪聲通常為黑色直線.由于其與多晶純鐵晶粒圖像中晶界區(qū)域在像素值上相似,容易被誤認(rèn)為是晶界從而影響分割結(jié)果,如圖5中紅色箭頭所示.

    圖5 兩種圖像數(shù)據(jù)引入不同種類噪聲的結(jié)果.(a)多晶純鐵晶粒圖像;(b)圖(a)的真值結(jié)果;(c)在(b)中隨機(jī)引入 500 像素的噪聲點(diǎn);(d)在(b)中引入 500 像素的劃痕噪聲;(e)在(b)中引入 500 像素的消失晶界噪聲;(f)鋁鑭合金枝晶圖像;(g)圖(f)的真值結(jié)果;(h)在(g)中隨機(jī)引入 500 像素的噪聲點(diǎn);(i)在(g)中引入500像素的劃痕噪聲Fig.5 Two microscopic images with different noises: (a) polycrystalline iron; (b) ground truth of (a); (c) random noises with 500 pixels in (b); (d) scratch noises with 500 pixels in (b); (e) missing boundaries with 500 pixels in (b); (f) Al la alloy; (g) ground truth of (f); (h) random noises with 500 pixels in (g);(i) scratch noises with 500 pixels in (g)

    (3)邊界模糊或消失現(xiàn)象(Blurred or missing boun-daries):在制備過程中,除銹蝕和研磨外,需使用一定比例的浸蝕液對材料表面進(jìn)行處理,才可浸蝕出晶界或相界(后文以晶界為例),為防止形成雙晶界或粗晶界缺陷,浸蝕時(shí)間不宜過長,因此容易出現(xiàn)浸蝕不完全現(xiàn)象.具體地表現(xiàn)為晶界區(qū)域沒有完全浸蝕,致使出現(xiàn)晶界模糊或晶界消失現(xiàn)象.由于晶界消失后的表觀特征與晶粒內(nèi)部區(qū)域相似,容易被誤認(rèn)為是晶粒區(qū)域從而影響分割結(jié)果,如圖5中藍(lán)色箭頭所示.

    在本實(shí)驗(yàn)中,只有斑點(diǎn)噪聲屬于隨機(jī)分布,而劃痕噪聲和缺失晶界噪聲是根據(jù)原圖的紋理信息和傳統(tǒng)方法的錯(cuò)誤識別結(jié)果在標(biāo)注圖中相應(yīng)增加而形成.通過固定噪聲數(shù)目,可以直觀地展示不同評估方法的區(qū)別.比如對于基于像素的評估方法并不考慮分割結(jié)果的拓?fù)渥兓嗤肼晹?shù)目但不同噪聲類型的評估結(jié)果基本相同.對于基于實(shí)例和基于聚類的評估方法考慮了顯微組織的拓?fù)浣Y(jié)構(gòu),相同噪聲數(shù)目但不同噪聲類型的評估結(jié)果具有很大差異.

    隨機(jī)斑點(diǎn)噪聲由于面積較小且較為分散,不影響顯微組織拓?fù)浣Y(jié)構(gòu),并且可通過設(shè)置最小連通區(qū)域的面積閾值進(jìn)而消除該噪聲.雖然500個(gè)像素只占一幅500×500尺寸圖像的1/500,但是劃痕噪聲和模糊或消失晶界噪聲改變了分割結(jié)果的拓?fù)浣Y(jié)構(gòu):劃痕噪聲會(huì)造成分割結(jié)果中的分區(qū)錯(cuò)誤(即將一個(gè)晶粒錯(cuò)誤地分離成兩個(gè)晶粒),嚴(yán)重影響顯微組織尺寸及形狀統(tǒng)計(jì).模糊或消失晶界同樣會(huì)影響多晶純鐵晶粒圖像中的微觀組織表征(即將兩個(gè)晶粒錯(cuò)誤地合并成一個(gè)晶粒).因此,本文期望在劃痕噪聲和模糊或消失晶界噪聲下,評估指標(biāo)出現(xiàn)明顯的退化,以正確反映圖像分割結(jié)果.

    多晶純鐵晶粒圖像在不同噪聲下的各指標(biāo)評估結(jié)果如表6所示,鋁鑭合金枝晶圖像在不同噪聲下的各指標(biāo)評估結(jié)果如表7所示.兩表中每個(gè)數(shù)據(jù)項(xiàng)括號中的數(shù)值表示變化的幅值.基于像素、基于類內(nèi)重合度和基于邊界的評估方法在三種噪聲影響下變化較?。ㄗ兓稻诎俜治换蚯Х治唬?,且性能均較高,不符合本文的要求.而基于實(shí)例和基于聚類的評估指標(biāo)的變化幅度在十分位以上,相較于基于像素,基于類內(nèi)重合度和基于邊界的評估方法更能有代表性地反映分割結(jié)果的退化情況.基于實(shí)例的評估方法中,RI的變化幅度較小,ARI雖然在模糊或消失晶界處變化較大,但在劃痕噪聲情況變化幅度較小.VI可通過合并錯(cuò)誤(ME)和分離錯(cuò)誤(SE)綜合評估分割結(jié)果.在劃痕噪聲影響下,其分離錯(cuò)誤出現(xiàn)了大幅提高;在模糊和缺失晶界噪聲影響下,其合并錯(cuò)誤出現(xiàn)了大幅提高;MAP在多晶純鐵晶粒圖像中在上述兩種噪聲影響下出現(xiàn)大幅度變化,變化幅度與VI相當(dāng),但在鋁鑭合金枝晶圖像中,在模糊或消失晶界噪聲下其變化幅度相對VI指標(biāo)較低.

    4 討論

    本文綜述了14種圖像分割的評估指標(biāo),并將其分為五大類:基于像素點(diǎn)的評估方法、基于類內(nèi)重合度的評估方法、基于邊界的評估方法、基于聚類的評估方法和基于實(shí)例的評估方法.并在材料顯微圖像分析應(yīng)用中,通過實(shí)驗(yàn)對比了兩種數(shù)據(jù)集在不同分割方法和不同常見噪聲類型下各評估指標(biāo)的評估結(jié)果.

    表6 多晶純鐵晶粒圖像在不同噪聲下各評估方法的結(jié)果Table 6 Results of different evaluation methods for polycrystalline iron image under different noises

    表7 鋁鑭合金枝晶圖像在不同噪聲下各評估方法的結(jié)果Table 7 Results of different evaluation methods for Al La alloy under different noises

    由于基于像素的評估方法逐像素地比較預(yù)測分割結(jié)果和真值分割結(jié)果的區(qū)別,而基于類內(nèi)重合度的方法逐類別地比較兩者之間的差異,均未考慮材料顯微組織的拓?fù)涮匦?,因此,本文認(rèn)為在材料顯微圖像分析及定量表征應(yīng)用中,該評估方法適用于圖像分割的目標(biāo)為統(tǒng)計(jì)物相組成比例的表征任務(wù),但不適用于需要分析單個(gè)組織特征的尺寸或形狀統(tǒng)計(jì)等的表征任務(wù).

    基于邊界的評估方法僅適用于基于邊緣提取的圖像分割任務(wù),其泛用性較低.同時(shí)針對多晶純鐵晶粒分割任務(wù),晶界提取的目標(biāo)在于分離每個(gè)晶粒,基于邊界的評估方法并未考慮晶界不閉合的情況.因此,本文認(rèn)為在材料顯微圖像分析應(yīng)用中,基于邊界的評估方法可適用于表面缺陷(如裂紋)檢測,但不適用組織結(jié)構(gòu)定量表征任務(wù).

    基于聚類和基于實(shí)例的評估方法由于在執(zhí)行過程中需要先使用聯(lián)通區(qū)域方法對分割結(jié)果進(jìn)行分區(qū),考慮了顯微組織結(jié)構(gòu)的拓?fù)涮匦?,因此本文認(rèn)為這兩類方法更適用于材料顯微圖像分析任務(wù)中統(tǒng)計(jì)尺寸和形狀分布等微觀組織定量表征的目標(biāo).同時(shí)在引入典型噪聲后,當(dāng)組織拓?fù)浣Y(jié)構(gòu)發(fā)生巨大變化時(shí),VI和MAP其變化幅度較大,本文認(rèn)為上述兩個(gè)指標(biāo)更適合于材料顯微圖像分割任務(wù).并且,VI可進(jìn)一步細(xì)分為合并錯(cuò)誤和分離錯(cuò)誤,可更加全面地評估分割結(jié)果.

    5 總結(jié)與展望

    隨著硬件計(jì)算能力和計(jì)算機(jī)算法的發(fā)展,圖像分割領(lǐng)域取得了巨大突破,大量基于不同理論的優(yōu)秀的圖像分割方法爭相問世.因此,在應(yīng)用過程中,準(zhǔn)確地評估各種分割方法的準(zhǔn)確性和適用性是科研工作中的必要環(huán)節(jié),同時(shí)理解和掌握各種評估方法是改進(jìn)圖像分割方法的途徑之一.本文首先按照不同類別(基于像素的評估方法、基于類內(nèi)重合度的評估方法、基于邊界的評估方法、基于聚類的評估方法和基于實(shí)例的評估方法)詳細(xì)介紹了各評估方法的計(jì)算方式,并在材料顯微圖像分析的應(yīng)用背景下,進(jìn)行實(shí)驗(yàn)討論了不同分割方法和不同噪聲對不同評估方法的影響.最后探討了每種方法的優(yōu)勢和適用性.本文認(rèn)為在材料顯微圖像分析及定量表征應(yīng)用中,基于像素和基于類內(nèi)重合度的評估方法適用于圖像分割的目標(biāo)為統(tǒng)計(jì)物相組成比例的表征任務(wù),但不適用于需要分析單個(gè)組織特征的尺寸或形狀統(tǒng)計(jì)等的表征任務(wù);基于邊界的評估方法可適用于表面缺陷(如裂紋)檢測任務(wù);基于聚類和基于實(shí)例的評估方法更適合于材料顯微圖像分割任務(wù).并且,VI可進(jìn)一步細(xì)分為合并錯(cuò)誤和分離錯(cuò)誤,可更加全面的評估分割結(jié)果.

    同時(shí),由于材料顯微圖像分割任務(wù)的目標(biāo)是獲得微觀組織的定量表征,如面積或形狀分布等.在未來的研究中,可更進(jìn)一步從材料學(xué)目標(biāo)出發(fā),如選擇 KL 散度(Kullback–Leibler divergence),JS散度(Jensen–Shannon divergence)或 Wassertein 距離等方法評估預(yù)測結(jié)果的面積分布和真實(shí)結(jié)果的面積分布的相似性.

    致謝

    本文的計(jì)算工作得到了北京材料基因工程高精尖創(chuàng)新中心材料計(jì)算平臺的支持.

    猜你喜歡
    真值晶界晶粒
    晶界工程對316L不銹鋼晶界形貌影響的三維研究
    上海金屬(2022年4期)2022-08-03 09:52:00
    基于截?cái)嗲驙钅P偷腇e扭轉(zhuǎn)晶界的能量計(jì)算
    鐵/鎳基奧氏體多晶合金晶界彎曲研究進(jìn)展
    甘草次酸球晶粒徑與體外溶出行為的關(guān)系
    中成藥(2019年12期)2020-01-04 02:02:26
    10kV組合互感器誤差偏真值原因分析
    電子制作(2017年1期)2017-05-17 03:54:35
    超粗晶粒硬質(zhì)合金截齒性能表征參數(shù)的探討
    真值限定的語言真值直覺模糊推理
    Inconel 600 合金的晶界工程工藝及晶界處碳化物的析出形貌
    上海金屬(2015年6期)2015-11-29 01:09:02
    WC晶粒度對WC-10% Co 硬質(zhì)合金組織和性能的影響
    上海金屬(2015年1期)2015-11-28 06:01:11
    基于真值發(fā)現(xiàn)的沖突數(shù)據(jù)源質(zhì)量評價(jià)算法
    日韩,欧美,国产一区二区三区 | 日本五十路高清| 国产在线精品亚洲第一网站| 一进一出抽搐动态| 欧美xxxx黑人xx丫x性爽| 亚洲av免费在线观看| 亚洲av.av天堂| 欧美又色又爽又黄视频| 全区人妻精品视频| 伦精品一区二区三区| 国产探花在线观看一区二区| 国产精品久久久久久久久免| 国产69精品久久久久777片| 国产单亲对白刺激| 久久精品国产亚洲网站| 亚洲aⅴ乱码一区二区在线播放| 黄片wwwwww| 欧美bdsm另类| av在线观看视频网站免费| 国产视频一区二区在线看| 欧美潮喷喷水| 日本免费a在线| 中文字幕熟女人妻在线| 国产精品,欧美在线| av免费在线看不卡| 深夜a级毛片| 日韩av不卡免费在线播放| 熟女电影av网| 国产伦一二天堂av在线观看| 看黄色毛片网站| 级片在线观看| 成熟少妇高潮喷水视频| 免费看av在线观看网站| 99久国产av精品国产电影| 国产精品美女特级片免费视频播放器| 日韩欧美精品免费久久| 男人的好看免费观看在线视频| 日本爱情动作片www.在线观看 | 国产v大片淫在线免费观看| 一进一出抽搐动态| 性色avwww在线观看| 天美传媒精品一区二区| 成年女人永久免费观看视频| 国产精品三级大全| 亚洲国产欧洲综合997久久,| 国产成年人精品一区二区| 亚洲综合色惰| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲高清免费不卡视频| 欧美在线一区亚洲| 欧美激情在线99| 免费大片18禁| 综合色丁香网| 日本a在线网址| 嫩草影院新地址| 嫩草影院精品99| 床上黄色一级片| 国产精品免费一区二区三区在线| 搡女人真爽免费视频火全软件 | 九色成人免费人妻av| 婷婷六月久久综合丁香| 神马国产精品三级电影在线观看| 国产熟女欧美一区二区| 欧美区成人在线视频| 免费观看在线日韩| 精品一区二区三区视频在线观看免费| 女同久久另类99精品国产91| av.在线天堂| 亚洲欧美精品自产自拍| 22中文网久久字幕| 22中文网久久字幕| 国产av在哪里看| 少妇被粗大猛烈的视频| www日本黄色视频网| 热99在线观看视频| avwww免费| eeuss影院久久| 黄片wwwwww| 国产精品av视频在线免费观看| 国产蜜桃级精品一区二区三区| 国产伦精品一区二区三区视频9| 日韩欧美一区二区三区在线观看| 91麻豆精品激情在线观看国产| 久久人人爽人人爽人人片va| 欧美性猛交╳xxx乱大交人| 欧美性感艳星| 六月丁香七月| 精品欧美国产一区二区三| 日韩亚洲欧美综合| 亚洲四区av| 久久国内精品自在自线图片| 性色avwww在线观看| 最近在线观看免费完整版| 禁无遮挡网站| 久久午夜亚洲精品久久| 午夜爱爱视频在线播放| 熟女人妻精品中文字幕| 日韩 亚洲 欧美在线| 日韩 亚洲 欧美在线| 亚洲精品456在线播放app| 又爽又黄a免费视频| 一本精品99久久精品77| 国产在线男女| 搞女人的毛片| 国产黄片美女视频| 高清午夜精品一区二区三区 | 亚洲最大成人中文| 亚洲av二区三区四区| 精品熟女少妇av免费看| 亚洲精品亚洲一区二区| 2021天堂中文幕一二区在线观| 不卡一级毛片| 大型黄色视频在线免费观看| 国产av在哪里看| 午夜a级毛片| 久久久久久久久中文| 国产亚洲精品av在线| 黄色一级大片看看| 亚洲欧美精品自产自拍| 亚洲精品在线观看二区| 黄片wwwwww| 国产精品国产三级国产av玫瑰| 亚洲国产欧美人成| 男女视频在线观看网站免费| 一级毛片我不卡| aaaaa片日本免费| 人妻久久中文字幕网| 精品久久久噜噜| 亚洲,欧美,日韩| 一个人看的www免费观看视频| 欧美日韩一区二区视频在线观看视频在线 | 久久久久九九精品影院| 亚洲最大成人手机在线| 最近在线观看免费完整版| 久久精品国产亚洲网站| 成熟少妇高潮喷水视频| 十八禁国产超污无遮挡网站| 国产在线精品亚洲第一网站| 成人欧美大片| 黄色一级大片看看| 国产视频一区二区在线看| 此物有八面人人有两片| 日韩中字成人| 高清日韩中文字幕在线| 国产精品三级大全| 两个人视频免费观看高清| 国产亚洲精品久久久com| 成年免费大片在线观看| 久久久久久久久久久丰满| 国产激情偷乱视频一区二区| 在线播放无遮挡| 国产精品1区2区在线观看.| 国产高清不卡午夜福利| 悠悠久久av| 国产午夜精品久久久久久一区二区三区 | 全区人妻精品视频| 国产爱豆传媒在线观看| 五月伊人婷婷丁香| 国内揄拍国产精品人妻在线| 成人国产麻豆网| 亚洲av免费在线观看| 久久综合国产亚洲精品| 好男人在线观看高清免费视频| 麻豆精品久久久久久蜜桃| 99久久成人亚洲精品观看| 97超碰精品成人国产| 日韩,欧美,国产一区二区三区 | 性色avwww在线观看| 国产日本99.免费观看| 中文在线观看免费www的网站| 国产伦一二天堂av在线观看| 女同久久另类99精品国产91| 日日啪夜夜撸| 最新中文字幕久久久久| 国产精品av视频在线免费观看| 成年女人永久免费观看视频| 亚洲av第一区精品v没综合| 日本一二三区视频观看| 国产精品美女特级片免费视频播放器| 色av中文字幕| 成人一区二区视频在线观看| 日韩精品中文字幕看吧| 亚洲一区二区三区色噜噜| 亚洲精品成人久久久久久| a级毛片免费高清观看在线播放| 日韩av在线大香蕉| 亚洲成人久久爱视频| 天堂影院成人在线观看| 麻豆一二三区av精品| 成人亚洲欧美一区二区av| 亚洲激情五月婷婷啪啪| 日本色播在线视频| 国产国拍精品亚洲av在线观看| 免费观看人在逋| 亚洲最大成人手机在线| 啦啦啦啦在线视频资源| 亚洲天堂国产精品一区在线| 天堂av国产一区二区熟女人妻| 国产精品99久久久久久久久| 欧美日韩一区二区视频在线观看视频在线 | 久久亚洲国产成人精品v| 亚洲最大成人中文| 亚洲成人久久性| 久久亚洲精品不卡| 久久精品综合一区二区三区| 69av精品久久久久久| 99热6这里只有精品| 精品一区二区三区av网在线观看| 人人妻人人看人人澡| 欧美日韩综合久久久久久| 蜜臀久久99精品久久宅男| 搡女人真爽免费视频火全软件 | 插阴视频在线观看视频| 熟女人妻精品中文字幕| 最近最新中文字幕大全电影3| 中文字幕免费在线视频6| 熟女人妻精品中文字幕| 精品午夜福利视频在线观看一区| 最近最新中文字幕大全电影3| 午夜免费男女啪啪视频观看 | 国产精品国产三级国产av玫瑰| 在线观看美女被高潮喷水网站| 国内精品宾馆在线| 特大巨黑吊av在线直播| 联通29元200g的流量卡| 国产精品国产高清国产av| 91午夜精品亚洲一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 我的女老师完整版在线观看| а√天堂www在线а√下载| 久99久视频精品免费| 男女那种视频在线观看| 国产探花极品一区二区| 欧美区成人在线视频| 最好的美女福利视频网| 99热只有精品国产| 精品免费久久久久久久清纯| 久久国内精品自在自线图片| 中文字幕免费在线视频6| 人人妻人人看人人澡| 色哟哟哟哟哟哟| av中文乱码字幕在线| АⅤ资源中文在线天堂| 日韩av在线大香蕉| 最新在线观看一区二区三区| 中文字幕久久专区| 亚洲经典国产精华液单| 午夜福利18| 日韩人妻高清精品专区| 色哟哟·www| 乱人视频在线观看| 天堂动漫精品| 国产真实乱freesex| 亚洲精品国产av成人精品 | 夜夜看夜夜爽夜夜摸| 3wmmmm亚洲av在线观看| 亚洲精品国产成人久久av| 在现免费观看毛片| 淫妇啪啪啪对白视频| 精品不卡国产一区二区三区| 99久久精品热视频| 亚洲五月天丁香| 中文字幕免费在线视频6| 天天一区二区日本电影三级| 久久人人精品亚洲av| 久久综合国产亚洲精品| 最近2019中文字幕mv第一页| 亚洲在线自拍视频| 网址你懂的国产日韩在线| 色噜噜av男人的天堂激情| 国产精品女同一区二区软件| 久久久国产成人精品二区| av在线亚洲专区| 日产精品乱码卡一卡2卡三| 久久婷婷人人爽人人干人人爱| a级毛片a级免费在线| 国产精品嫩草影院av在线观看| 久久久久久久久久久丰满| 亚洲成人av在线免费| 一进一出好大好爽视频| 一个人观看的视频www高清免费观看| 少妇人妻精品综合一区二区 | 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| 国产伦一二天堂av在线观看| av在线观看视频网站免费| 亚洲性夜色夜夜综合| 亚洲成a人片在线一区二区| 亚洲人成网站在线观看播放| 寂寞人妻少妇视频99o| 久久久久久伊人网av| 亚洲欧美清纯卡通| 精品久久久久久成人av| 午夜视频国产福利| 97碰自拍视频| 噜噜噜噜噜久久久久久91| 久久精品国产亚洲网站| 97超碰精品成人国产| 少妇被粗大猛烈的视频| av视频在线观看入口| 免费看日本二区| 内射极品少妇av片p| 久久久久久九九精品二区国产| 国产男人的电影天堂91| 久久国内精品自在自线图片| 十八禁国产超污无遮挡网站| 精品不卡国产一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 国产中年淑女户外野战色| 国内精品久久久久精免费| 国内精品美女久久久久久| 亚洲精品成人久久久久久| 国产一区二区三区在线臀色熟女| 亚洲欧美清纯卡通| 国产综合懂色| 国产精品亚洲一级av第二区| 99久久精品热视频| 欧美xxxx黑人xx丫x性爽| 国产 一区 欧美 日韩| 91狼人影院| 一级a爱片免费观看的视频| 免费观看人在逋| 亚洲国产精品久久男人天堂| 国产亚洲精品综合一区在线观看| 大型黄色视频在线免费观看| 日韩三级伦理在线观看| 亚洲欧美日韩高清专用| 少妇裸体淫交视频免费看高清| 69人妻影院| 少妇熟女欧美另类| 中国美白少妇内射xxxbb| 亚洲欧美日韩无卡精品| 免费观看人在逋| 久久99热6这里只有精品| 特级一级黄色大片| 亚洲自拍偷在线| 少妇裸体淫交视频免费看高清| 亚洲精品456在线播放app| 成人高潮视频无遮挡免费网站| 国产真实伦视频高清在线观看| 露出奶头的视频| 三级毛片av免费| 国产在线男女| 99国产极品粉嫩在线观看| 亚洲无线在线观看| 午夜激情福利司机影院| 亚洲成av人片在线播放无| 成人三级黄色视频| 女人十人毛片免费观看3o分钟| 精品日产1卡2卡| 国产白丝娇喘喷水9色精品| 18禁黄网站禁片免费观看直播| 中国美女看黄片| 亚洲人成网站高清观看| av在线蜜桃| 中国国产av一级| 成人二区视频| 人妻制服诱惑在线中文字幕| 美女免费视频网站| 我要搜黄色片| 欧美成人精品欧美一级黄| 变态另类成人亚洲欧美熟女| 久久婷婷人人爽人人干人人爱| 在线免费十八禁| 天堂网av新在线| 99国产极品粉嫩在线观看| 两个人视频免费观看高清| 中文在线观看免费www的网站| 国产爱豆传媒在线观看| 男女边吃奶边做爰视频| 51国产日韩欧美| 日韩在线高清观看一区二区三区| 国产午夜精品久久久久久一区二区三区 | 看非洲黑人一级黄片| 美女内射精品一级片tv| 亚洲不卡免费看| 夜夜看夜夜爽夜夜摸| 日韩三级伦理在线观看| 亚洲精品国产av成人精品 | 国产精品福利在线免费观看| 一夜夜www| 又爽又黄a免费视频| 国内少妇人妻偷人精品xxx网站| 欧美日韩乱码在线| 高清毛片免费看| 成人亚洲欧美一区二区av| 五月玫瑰六月丁香| a级毛色黄片| 欧美不卡视频在线免费观看| 男女下面进入的视频免费午夜| 美女cb高潮喷水在线观看| 午夜免费男女啪啪视频观看 | 成人av在线播放网站| 尾随美女入室| 草草在线视频免费看| 毛片女人毛片| 国产精品野战在线观看| 久久国产乱子免费精品| 日本欧美国产在线视频| 在线播放无遮挡| 男女做爰动态图高潮gif福利片| 美女cb高潮喷水在线观看| 又黄又爽又刺激的免费视频.| 我的老师免费观看完整版| 嫩草影院精品99| 色尼玛亚洲综合影院| ponron亚洲| 91在线精品国自产拍蜜月| 天堂影院成人在线观看| 老熟妇仑乱视频hdxx| 超碰av人人做人人爽久久| 亚洲精品乱码久久久v下载方式| 寂寞人妻少妇视频99o| 综合色av麻豆| 欧美成人精品欧美一级黄| 高清午夜精品一区二区三区 | 五月玫瑰六月丁香| 成年免费大片在线观看| 免费无遮挡裸体视频| 色哟哟·www| 久久草成人影院| 国产免费一级a男人的天堂| 少妇裸体淫交视频免费看高清| 国产综合懂色| 日本五十路高清| 在线观看午夜福利视频| 亚洲成av人片在线播放无| 亚洲一级一片aⅴ在线观看| 啦啦啦啦在线视频资源| 亚洲av二区三区四区| 久久久久久大精品| 国产乱人偷精品视频| 男女啪啪激烈高潮av片| 69人妻影院| 丝袜喷水一区| 日韩欧美精品v在线| 久久九九热精品免费| 国产色婷婷99| 国产三级在线视频| 日本一二三区视频观看| 国产精品99久久久久久久久| 国产成年人精品一区二区| 国产v大片淫在线免费观看| 91久久精品电影网| 91久久精品国产一区二区成人| 国产av麻豆久久久久久久| 搡女人真爽免费视频火全软件 | 国产成人a区在线观看| 亚洲国产精品sss在线观看| 免费搜索国产男女视频| 可以在线观看毛片的网站| 在线观看一区二区三区| 麻豆国产av国片精品| 黄色配什么色好看| 成年女人永久免费观看视频| 国产精品久久电影中文字幕| 身体一侧抽搐| 性插视频无遮挡在线免费观看| av专区在线播放| 国产精品免费一区二区三区在线| 干丝袜人妻中文字幕| 色哟哟哟哟哟哟| 免费观看人在逋| 亚洲在线观看片| eeuss影院久久| 亚洲成人久久爱视频| 亚洲成人av在线免费| 最近中文字幕高清免费大全6| 人妻丰满熟妇av一区二区三区| 亚洲美女视频黄频| 激情 狠狠 欧美| 精品一区二区三区av网在线观看| 日韩中字成人| 欧美色欧美亚洲另类二区| 国内精品美女久久久久久| 免费人成视频x8x8入口观看| 国产亚洲精品av在线| 国产av不卡久久| 亚洲图色成人| 欧美日韩精品成人综合77777| 午夜激情欧美在线| 日本-黄色视频高清免费观看| 久久午夜福利片| 一个人看视频在线观看www免费| 欧美精品国产亚洲| 精品久久久久久成人av| 国产av在哪里看| 国产欧美日韩一区二区精品| 成年版毛片免费区| 俄罗斯特黄特色一大片| 精品国内亚洲2022精品成人| 婷婷六月久久综合丁香| 麻豆乱淫一区二区| 国产女主播在线喷水免费视频网站 | 看非洲黑人一级黄片| 免费在线观看成人毛片| 两个人的视频大全免费| 插阴视频在线观看视频| 免费无遮挡裸体视频| 少妇裸体淫交视频免费看高清| 中文字幕av在线有码专区| 日韩欧美三级三区| 尤物成人国产欧美一区二区三区| 18禁黄网站禁片免费观看直播| 精品无人区乱码1区二区| 国产精品一区二区性色av| 午夜福利视频1000在线观看| h日本视频在线播放| 男女之事视频高清在线观看| 欧美日本视频| 天堂动漫精品| 国产 一区 欧美 日韩| 草草在线视频免费看| 色av中文字幕| 深夜a级毛片| 成人鲁丝片一二三区免费| 午夜影院日韩av| 韩国av在线不卡| 在线观看av片永久免费下载| 精品一区二区三区视频在线| 国产精品久久久久久久电影| 插阴视频在线观看视频| 在线观看66精品国产| 国产精品久久久久久av不卡| 又黄又爽又免费观看的视频| 搡老妇女老女人老熟妇| 国产亚洲精品av在线| 国产精品爽爽va在线观看网站| 亚洲在线自拍视频| 国产精品一及| 亚洲第一电影网av| 99久久精品热视频| 精品99又大又爽又粗少妇毛片| av国产免费在线观看| 欧美成人免费av一区二区三区| 成人国产麻豆网| 欧美成人免费av一区二区三区| 日本色播在线视频| 少妇熟女欧美另类| 日日啪夜夜撸| 日韩 亚洲 欧美在线| 在线观看av片永久免费下载| 精品一区二区三区视频在线| 色哟哟哟哟哟哟| 99在线视频只有这里精品首页| 身体一侧抽搐| 久久久国产成人免费| 一区二区三区高清视频在线| 午夜福利视频1000在线观看| 高清午夜精品一区二区三区 | 久久6这里有精品| 黄色一级大片看看| 一区二区三区四区激情视频 | 人人妻人人看人人澡| 国产一区二区激情短视频| 联通29元200g的流量卡| 亚洲av成人av| 日韩大尺度精品在线看网址| 亚洲国产欧洲综合997久久,| 最近最新中文字幕大全电影3| 日日撸夜夜添| 国产综合懂色| 97超视频在线观看视频| 亚洲人成网站高清观看| 日韩欧美三级三区| 国产在线精品亚洲第一网站| 在线免费观看的www视频| 日韩欧美国产在线观看| 99热网站在线观看| 国产色爽女视频免费观看| 婷婷六月久久综合丁香| 久久草成人影院| 欧美bdsm另类| 国产乱人偷精品视频| 一区福利在线观看| 欧美另类亚洲清纯唯美| 日本与韩国留学比较| 欧美3d第一页| 国产精品福利在线免费观看| 成人二区视频| 五月伊人婷婷丁香| 直男gayav资源| 日韩制服骚丝袜av| 久久久a久久爽久久v久久| 国产高清视频在线观看网站| 免费人成在线观看视频色| a级毛片免费高清观看在线播放| 啦啦啦韩国在线观看视频| 国产一区二区在线av高清观看| 赤兔流量卡办理| 亚洲性夜色夜夜综合| 国产伦在线观看视频一区| 亚洲七黄色美女视频| 亚洲色图av天堂| 国模一区二区三区四区视频| 久久精品91蜜桃| av女优亚洲男人天堂| 又粗又爽又猛毛片免费看| 欧美xxxx性猛交bbbb| 此物有八面人人有两片| 干丝袜人妻中文字幕| 精品人妻视频免费看| 国产91av在线免费观看| 男女做爰动态图高潮gif福利片| 国产久久久一区二区三区| 九九久久精品国产亚洲av麻豆| 国产又黄又爽又无遮挡在线| 国产欧美日韩精品亚洲av| 99久久精品一区二区三区| a级毛片a级免费在线| 国产精品乱码一区二三区的特点| 国产精品久久久久久av不卡| 夜夜看夜夜爽夜夜摸| 熟女人妻精品中文字幕| 2021天堂中文幕一二区在线观|