• <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 ?

    基于特征提取和半監(jiān)督學(xué)習(xí)的圖像分類算法

    2021-12-08 00:18:46吳濤
    粘接 2021年11期
    關(guān)鍵詞:特征提取準(zhǔn)確率圖像

    吳濤

    摘 要:圖像的光譜特征、高頻紋理特征和中低頻紋理特征,影響算法的特征提取結(jié)果,現(xiàn)有的圖像分類算法由于特征提取與訓(xùn)練方法工作不到位,導(dǎo)致分類準(zhǔn)確率難以達(dá)到預(yù)期目標(biāo),針對該問題研究基于特征提取和半監(jiān)督學(xué)習(xí)的圖像分類算法。算法設(shè)置過濾式、封裝式以及嵌入式特征篩選規(guī)則,預(yù)處理原始圖像特征信息;增強(qiáng)圖像敏感區(qū)域,提取圖像光譜特征,利用灰度共生矩陣和復(fù)值函數(shù)Gabor濾波,提取圖像高頻紋理和中低頻紋理特征;數(shù)據(jù)訓(xùn)練采用半監(jiān)督學(xué)習(xí)方法,通過不斷更新分類器完成對圖像的分類工作。結(jié)果表明,與5組其他分類算法相比,文中算法提取到了4處不明顯的圖像特征;在500、750和1 000次分類器更新的條件下,當(dāng)近鄰個數(shù)為7時(shí),文中分類算法的準(zhǔn)確率出現(xiàn)峰值,分別為92.51%、90.65%和90.22%,比5組算法的平均分類準(zhǔn)確率,高出了1.98%、3.08%和4.14%,新的分類算法的分類效果超過預(yù)期。

    關(guān)鍵詞:特征提取;半監(jiān)督學(xué)習(xí);圖像;分類算法;近鄰個數(shù);準(zhǔn)確率

    中圖分類號:TP391 文獻(xiàn)標(biāo)識碼:A ? ? 文章編號:1001-5922(2021)11-0092-06

    Image Classification Algorithm Based on Feature Extraction and Semi Supervised Learning

    Wu Tao

    (The First Affiliated Hospital of Chongqing Medical University, Chongqing 400016, China)

    Abstract:The spectral features, high-frequency and low-frequency texture features of the image affect the feature extraction results of the algorithm, existing image classification algorithms work do not in place due to feature extraction and training methods, leading to the classification accuracy is difficult to achieve the expected target, the image classification algorithm based on feature extraction and semi-supervised learning. The algorithm sets filtering, encapsulation, and embedded feature filtering rules to preprocess the raw image feature information, the image-sensitive regions are enhanced, image spectral features are extracted, and image high-frequency and medium-and low-frequency texture features were extracted using the complex-valued function Gabor filter, a semi-supervised learning method was used for the classification of images by constantly updating the classifier. The results show that the algorithm extracted four other image features of other classification algorithms, Under the conditions 500,750, and 1,000 classifier updates, when the number of close neighbors is 7, the accuracy of the text classification algorithm peaks, with 92.51%, 90.65%, and 90.22%, respectively, the average classification accuracy of the 5 sets of algorithms was 1.98%, 3.08% and 3.08% and 4.14%, and the new classification algorithm exceeded the expected classification effect.

    Key words:feature extraction; semi-supervised learning; image; classification algorithm; the number of close neighbors; accuracy

    0 引言

    遙感、測繪技術(shù)和地理信息系統(tǒng)在時(shí)代發(fā)展過程中的不斷更新,生成的圖像也越來越精準(zhǔn)詳細(xì),為土地類別分析、植被覆蓋程度劃分以及地質(zhì)災(zāi)害等監(jiān)測等工作,提供更加先進(jìn)的技術(shù)支持。為了得到較為精準(zhǔn)的分析結(jié)果,師蕓等(2020)研究高光譜影像分類方法[1];王斌等(2019)則提出圖像分類和檢索方法[2]。其中前者強(qiáng)調(diào)了高光譜影像的特點(diǎn)和圖像降維、特征映射等內(nèi)容,后者則結(jié)合實(shí)際物體,將計(jì)算機(jī)視覺融入到圖像分類當(dāng)中。隨著對科技手段的深入研究,楊萌林等(2020)認(rèn)為上述分類方法當(dāng)中,存在數(shù)據(jù)序列稀疏、不連續(xù)和不完整等問題[3];胡軒等(2020)則認(rèn)為圖像的目標(biāo)形狀和尺寸過于復(fù)雜,普通的分類方法無法充分獲得圖像的顯著性空間信息[4]。

    針對上述觀點(diǎn),高子翔等(2019)基于雙路卷積神經(jīng)網(wǎng)絡(luò)模型,提出圖像分類算法,通過優(yōu)化池化組合豐富特征差異,加強(qiáng)特征表達(dá)層次從而實(shí)現(xiàn)特征差異互補(bǔ),強(qiáng)化圖像分類效果[5]。張艮山等(2020)利用局部二值模式算子構(gòu)建LBP圖,通過最小二乘支持向量機(jī)構(gòu)建最優(yōu)分類模型,實(shí)現(xiàn)對圖像的分類[6]。王鑫等(2019)搭建一個具有7層卷積結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),通過訓(xùn)練得到不同的高層特征,第5層池化層輸出后進(jìn)行降維,最終以串聯(lián)的形式融合特征數(shù)據(jù)分類圖像[7]。齊永鋒等(2020)利用等距特征映射處理數(shù)據(jù)并挖掘非線性特征,以標(biāo)記像元為中心構(gòu)建softmax分類器[8]。許開煒等(2019)基于點(diǎn)特征相似性,優(yōu)化卷積神經(jīng)網(wǎng)絡(luò),根據(jù)顯示的鄰域像元對中心像元分類的影響程度,進(jìn)行圖像分類[9]。鑒于此,研究了基于特征提取和半監(jiān)督學(xué)習(xí)的圖像分類算法。

    1 基于特征提取和半監(jiān)督學(xué)習(xí)的圖像分類算法

    1.1 設(shè)置多重特征篩選規(guī)則

    新的圖像分類算法將特征提取與半監(jiān)督學(xué)習(xí)相結(jié)合,設(shè)置過濾式、封裝式以及嵌入式同步處理的特征篩選規(guī)則。過濾式特征篩選規(guī)則,根據(jù)樣本數(shù)據(jù)之間的相關(guān)性,剔除存在冗余的樣本,該規(guī)則定義下的圖像數(shù)據(jù),通過下列計(jì)算公式描述:

    式(1)中,I (x,y)表示圖像 I 的橫縱坐標(biāo);g(x,y)表示聯(lián)合概率密度;g(x)、g(y)分別表示不同方向的概率密度函數(shù)。過濾式特征篩選規(guī)則以上述公式為計(jì)算依據(jù),對特征進(jìn)行第1層過濾處理[10]。封裝式特征篩選規(guī)則與第1層規(guī)則相反,通過評估前一層過濾得到的特征數(shù)據(jù)屬性,得到滿足分類要求的數(shù)據(jù)。第2層規(guī)則依靠遞歸特征消除法反復(fù)識別,通過選擇其中最好或剔除最差的數(shù)據(jù),分析每1個特征參數(shù)。該方法設(shè)置樣本為,其中,xi、yi表示第 i 個特征數(shù)據(jù)的所在橫、縱坐標(biāo);M表示總數(shù)量。將所有數(shù)據(jù)按照固定順序排列,初始化特征序列并計(jì)算權(quán)重,得到:

    式(2)中:λi、λj表示相鄰的第個、第 j 個特征數(shù)據(jù)的識別系數(shù)。根據(jù)該值的平方,計(jì)算特征序列W中數(shù)據(jù)的得分,將得分較小的數(shù)據(jù)從W中剔除,更新W和前一層特征篩選結(jié)果[11]。嵌入式特征篩選規(guī)則在第2次特征篩選的基礎(chǔ)上,根據(jù)范數(shù)正則化和最小二乘損失回歸模型,建立目標(biāo)函數(shù):

    式(3)中:Aω和B分別表示樣本和標(biāo)簽;γ表示稀疏度調(diào)節(jié)參數(shù)。第3層規(guī)則根據(jù)上述公式獲取目標(biāo),通過多條件特征篩選并存的方式,為特征提取工作進(jìn)行數(shù)據(jù)預(yù)處理,保證半監(jiān)督學(xué)習(xí)使用的數(shù)據(jù)集合種,少有甚至是沒有冗余與干擾數(shù)據(jù)。

    1.2 提取圖像特征

    利用設(shè)置的規(guī)則篩選特征數(shù)據(jù)后,提取圖像的光譜特征和紋理特征,并構(gòu)建特征集合。已知圖像原始的波段灰度可劃分為4個,分別為藍(lán)、綠、紅和近紅外,分別用L、G、R以及NIR表示。已知圖像背景影響近紅外波段,所以圖像的類別信息覆蓋程度有所差異。近紅外波段衍生歸一化指數(shù),該指數(shù)可以區(qū)分不同屬性特征,具有很強(qiáng)的響應(yīng)能力和敏感的識別能力,設(shè)置該指數(shù)為C1。當(dāng)圖像相似程度較高時(shí),需要利用修正指數(shù)確定同一類屬性特征的所在區(qū)域,所以設(shè)置該指數(shù)為C2。通過上述兩個指數(shù)增強(qiáng)圖像的敏感區(qū)域,公式為

    式(4)中:k1、k2表示不同波段對圖像的影響系數(shù);? 表示調(diào)節(jié)參數(shù)。確定敏感區(qū)域K后,根據(jù)亮度指數(shù)計(jì)算結(jié)果提取K區(qū)域的圖像光譜特征,公式為

    根據(jù)式(4)、式(5),實(shí)現(xiàn)對圖像光譜特征的提取。圖像除了具備光譜特征外還具備紋理特征,所以結(jié)合圖像的高頻紋理和中低頻紋理特征,分別利用灰度共生矩陣和復(fù)值函數(shù)Gabor濾波,完成紋理特征提取工作。灰度共生矩陣描述了圖像中灰度空間,所以算法將256灰度級線性壓縮量化成16灰度級,計(jì)算0°、45°、90°以及145°四個方向的灰度共生矩陣。設(shè)置滑動步長為1、滑動窗口為3×3,通過計(jì)算特征向量平均值,設(shè)置紋理特征向量的分量。此次設(shè)計(jì)將對比度和同質(zhì)度作為圖像的紋理特征,這兩個參數(shù)的計(jì)算公式為:

    式(6)中:E 和 Hom 分別表示對比度和同質(zhì)度;n表示對比對象數(shù)量;P (i, j ) 表示兩兩圖像之間的相似性概率[12]。面對圖像中的高頻紋理特征時(shí),算法按照上述流程提取特征,面對中低頻紋理特征時(shí),算法利用Gabor函數(shù)調(diào)制中心頻率和方向,通過模擬視覺效果得到中低頻特征,該函數(shù)的計(jì)算公式為

    式(7)中,u和v表示方向和尺度;Vu,v表示函數(shù)在圖像上的掃描頻率;au表示邊界條件;Fu,v(a,b)表示濾波特征;a和b表示像元位置;σ表示高斯因子標(biāo)準(zhǔn)差[13]。通過上述公式,提取中低頻紋理特征,結(jié)合高頻紋理特征提取結(jié)果,為半監(jiān)督學(xué)習(xí)提供訓(xùn)練數(shù)據(jù)。

    1.3 基于半監(jiān)督學(xué)習(xí)更新分類器分類圖像

    分類器通過半監(jiān)督學(xué)習(xí)方式進(jìn)行訓(xùn)練,從未標(biāo)記樣本中提取有用信息。假設(shè)標(biāo)記與未標(biāo)記的特征樣本集用S1和S2表示,則存在、。設(shè)置樣本類別個數(shù)為m,半監(jiān)督學(xué)習(xí)在全部樣本集的基礎(chǔ)上構(gòu)建學(xué)習(xí)模型,預(yù)測待分類樣本時(shí),將預(yù)測值分類的錯誤率控制在最小。算法利用3個分類器進(jìn)行協(xié)同訓(xùn)練,其中前兩個分類器分類預(yù)測未標(biāo)記樣本S2,當(dāng)兩個分類器的結(jié)果一致且置信度高于預(yù)設(shè)值時(shí),將未標(biāo)記樣本和S1都添加到第3個分類器的訓(xùn)練集合當(dāng)中,根據(jù)已知參數(shù)建立分類器訓(xùn)練條件:

    式(8)中,β表示訓(xùn)練指標(biāo);μ表示最差情況下模型的分類正確率;θ表示分類誤差噪聲比例上限;N表示分類器更新次數(shù);ζ 表示置信度[14]。假設(shè)類別參數(shù),則根據(jù)式(8)得到:

    半監(jiān)督學(xué)習(xí)在每次迭代時(shí),前2個分類器標(biāo)記樣本后,將一致性的樣本添加到第3個分類器中,假設(shè)第q次和第q-1迭代訓(xùn)練時(shí),G q和G q-1表示被標(biāo)記添加到分類器中的樣本,S1∪G q則對于S1∪Gq和S2∪G q-1來說,第q次訓(xùn)練時(shí)的S1∪G q至今存在:

    式(10)中,U q表示;Us1表示分類器噪聲比例;e1q表示前2個分類器在第q次訓(xùn)練時(shí)的分類誤差比例。已知公式(9)的計(jì)算結(jié)果與μ2之間存在正比例關(guān)系,所以當(dāng)εq>εq-1時(shí),μq<μq-1,此時(shí)可以利用第3個分類器對未標(biāo)記樣本進(jìn)行學(xué)習(xí)。假設(shè)0≤e1q,eq-1<0.5,那么存在[15]。當(dāng)上述條件成立時(shí),對S1q進(jìn)行采樣,此時(shí)分類器的采樣個數(shù),通過下列公式確定:

    式(11)中,要求S1q-1的絕對值,大于e1q和的比值。使用以上半監(jiān)督學(xué)習(xí)流程更新分類器,通過分類器對圖像進(jìn)行類別劃分,實(shí)現(xiàn)圖像分類算法。

    2 應(yīng)用測試

    設(shè)計(jì)對比實(shí)驗(yàn),將文中提出的基于特征提取和半監(jiān)督學(xué)習(xí)的分類算法作為實(shí)驗(yàn)組,將基于自適應(yīng)池化的分類算法作為對照組A,將基于LBP與LSSVM的分類算法作為對照組B,將改進(jìn)的基于深度學(xué)習(xí)的分類算法作為對照組C,將基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的算法作為對照組D,將點(diǎn)特征相似與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類算法作為對照組E。為了減少實(shí)驗(yàn)次數(shù)控制測試時(shí)間,以高分遙感圖像作為此次實(shí)驗(yàn)測試對象,本文中算法的分類準(zhǔn)確率超過90%時(shí),優(yōu)于所有對比方法,滿足此次研究要求。準(zhǔn)備穩(wěn)定的測試環(huán)境,保證網(wǎng)絡(luò)通信狀態(tài)為最佳,分別將6組算法應(yīng)用到高分遙感圖像的分類工作當(dāng)中,比較算法在不同環(huán)節(jié)當(dāng)中的應(yīng)用效果。

    2.1 高分遙感圖像特征提取效果

    高分遙感圖像紋理更多更復(fù)雜,選擇高分遙感圖像作為測試對象,增加測試難度的同時(shí)能夠代表大多數(shù)圖像,增強(qiáng)實(shí)驗(yàn)結(jié)果的說服力度。圖1為算法分類測試過程中的某一分類目標(biāo)。

    圖1中的深色區(qū)域代表建筑物所在位置,淺色區(qū)域代表綠色植被覆蓋區(qū)域的所在位置。分別利用不同的算法提取圖像特征,其中基于自適應(yīng)池化的分類算法,利用構(gòu)建的雙路卷積神經(jīng)網(wǎng)絡(luò)模型,提取高分遙感圖像特征;基于LBP與LSSVM的分類算法,在基于局部二值模式算子生成的LBP圖中,提取特征數(shù)據(jù);改進(jìn)的基于深度學(xué)習(xí)的分類算法,利用七層卷積神經(jīng)網(wǎng)絡(luò)獲取圖像特征;基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的算法,依靠等距映射挖掘非線性特性數(shù)據(jù),從而實(shí)現(xiàn)對目標(biāo)數(shù)據(jù)的提取;點(diǎn)特征相似與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類算法,計(jì)算點(diǎn)特征相似性從而提取相似性數(shù)據(jù)。文中分類算法按照篩選規(guī)則預(yù)處理圖像數(shù)據(jù),然后利用式(4)~(7)的計(jì)算,提取高分遙感圖像特征。圖2為6組算法應(yīng)用下,分別按照各自的特征提取流程獲得的提取結(jié)果。

    從圖2可以看出,5個對照組算法和本算法獲得的特征提取結(jié)果,與圖1所顯示的特征區(qū)域高度近似,但由于本文算法利用過濾式、封裝式以及嵌入式篩選規(guī)則,預(yù)先處理了圖像特征信息,所以獲得了4處極不明顯的特征區(qū)域。同樣的測試條件下,5個對照組算法中,只有對照C組、D組以及對照E組中,提取到了不明顯的圖像特征,但只有對照E組的提取結(jié)果,與本文算法的提取結(jié)果類似。

    2.2 分類效果

    根據(jù)6組算法的高分遙感圖像特征提取結(jié)果,繼續(xù)完成圖像分類工作,最終得到6組圖像分類結(jié)果。實(shí)驗(yàn)通過比較預(yù)測標(biāo)簽和真實(shí)標(biāo)簽,評價(jià)算法對高分遙感圖像的實(shí)際分類效果。設(shè)置3組指標(biāo),分別為敏感性指標(biāo)(Sensitivity)、特異性指標(biāo)(Specificity)和準(zhǔn)確性指標(biāo)(Accuracy),3個指標(biāo)的計(jì)算公式為:

    式(12)中:f1、f2分別表示真建筑區(qū)域和真植被覆蓋區(qū)域;g1、g2分別表示假建筑區(qū)域和假植被覆蓋區(qū)域。此次測試以多分類為研究重點(diǎn),所以再引入識別率指標(biāo)(Recognition)和準(zhǔn)確率指標(biāo)(Overall Recognition Accuracy)進(jìn)行評價(jià),計(jì)算公式為:

    式(13)中,Mij表示第i個特征被劃分到第j類集合中的數(shù)量;T表示類別總數(shù)。6組算法在圖2顯示的結(jié)果的基礎(chǔ)上進(jìn)行圖像分類,根據(jù)式(12)和式(13),獲得當(dāng)分類器的更新次數(shù)為500時(shí),不同算法的分類評價(jià)結(jié)果,如表1所示。

    由表1可知,本算法的評價(jià)結(jié)果均高于5個對照組算法。已知影響算法分類結(jié)果的關(guān)鍵因素之一,就是特征數(shù)據(jù)的近鄰個數(shù),所以導(dǎo)出不同種算法,分類器進(jìn)行500、750和1 000次更新時(shí)的分類結(jié)果,如圖3所示。

    由圖3可知,當(dāng)近鄰個數(shù)為7時(shí),6組分類器在500、750以及1 000次更新狀態(tài)下,獲得的圖像分類準(zhǔn)確率最高;當(dāng)近鄰個數(shù)為9時(shí),6組算法的分類準(zhǔn)確率最低。根據(jù)上述測試結(jié)果可知,無論分類器的更新狀態(tài)如何,算法在滿足7個近鄰的條件下,能夠獲得更好的圖像分類結(jié)果。綜合上述測試結(jié)果,6組算法在近鄰個數(shù)為7時(shí),能夠獲得最好的圖像分類效果,此時(shí)本文算法的分類準(zhǔn)確率分別為90.51%、91.45%和92.86%,比5個對照組的平均分類準(zhǔn)確率。分別高出1.98%、3.08%和4.14%,滿足90%以上的預(yù)設(shè)目標(biāo)。

    3 結(jié)語

    本文研究以現(xiàn)有的5種常規(guī)圖像分類算法為對比,通過設(shè)置特征篩選規(guī)則,完善數(shù)據(jù)的預(yù)處理工作,采用半監(jiān)督學(xué)習(xí)方法得到滿意的測試結(jié)果,將使分類準(zhǔn)確率達(dá)到90%以上。但綜合此次研究過程來看,研究的新分類算法存在較多復(fù)雜的計(jì)算步驟,所以運(yùn)行算法時(shí)容易出現(xiàn)數(shù)據(jù)遲緩、更新延遲等問題,今后可以對該算法進(jìn)行優(yōu)化,進(jìn)一步完善機(jī)器學(xué)習(xí)的監(jiān)督工作,完善分類器的數(shù)據(jù)訓(xùn)練與映射工作,進(jìn)一步提高算法的分類效果。

    參考文獻(xiàn)

    [1]師 蕓,馬東暉,呂 杰,等. 基于流形光譜降維和深度學(xué)習(xí)的高光譜影像分類[J]. 農(nóng)業(yè)工程學(xué)報(bào),2020,36(06):151-160+323.

    [2]王 斌,黃竹芹,陳良宵. 圓周特征描述:有效的葉片圖像分類和檢索方法[J]. 軟件學(xué)報(bào),2019,30(04):1 148-1 163.

    [3]楊萌林,張文生. 分類激活圖增強(qiáng)的圖像分類算法[J]. 計(jì)算機(jī)科學(xué)與探索,2020,14(01):149-158.

    [4]胡 軒,盧其楷. 基于顯著性剖面的高光譜圖像分類算法[J]. 光學(xué)學(xué)報(bào),2020,40(16):71-79.

    [5]高子翔,張寶華,呂曉琪, 等.基于自適應(yīng)池化的雙路卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2019,40(05):1 334-1 338.

    [6]張艮山,田建恩,張 哲. 基于LBP與LSSVM的數(shù)字圖像分類算法[J]. 液晶與顯示,2020,35(05):471-476.

    [7]王 鑫,李 可,徐明君,等. 改進(jìn)的基于深度學(xué)習(xí)的遙感圖像分類算法[J]. 計(jì)算機(jī)應(yīng)用,2019,39(02):382-387.

    [8]齊永鋒,陳 靜,火元蓮,等. 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類算法[J]. 紅外技術(shù),2020,42(09):855-862.

    [9]許開煒,楊學(xué)志,艾加秋,等. 點(diǎn)特征相似與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的SAR圖像分類算法研究[J]. 地理與地理信息科學(xué),2019,35(03):28-36.

    [10]何勝美,李高榮,許王莉. 基于秩能量距離的超高維特征篩選研究[J]. 統(tǒng)計(jì)研究,2020,37(08):117-128.

    [11]楊弘凡,李 航,陳凱陽,等. 亮度變化下室外場景圖像特征點(diǎn)提取方法[J]. 河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,41(01):18-23+5.

    [12]趙若晴,王慧琴,王 可,等. 基于方向梯度直方圖和灰度共生矩陣混合特征的金文圖像識別[J]. 激光與光電子學(xué)進(jìn)展,2020, 57(12):98-104.

    [13]楊恢先,付 宇,曾金芳,等. 基于正交Log-Gabor濾波二值模式的人臉識別算法[J]. 智能系統(tǒng)學(xué)報(bào),2019,14(02):330-337.

    [14]劉 坤,王 典,榮夢學(xué). 基于半監(jiān)督生成對抗網(wǎng)絡(luò)X光圖像分類算法[J]. 光學(xué)學(xué)報(bào),2019,39(08):117-125.

    [15]魏志強(qiáng),畢海霞,劉 霞. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖上半監(jiān)督極化SAR圖像分類算法[J]. 電子學(xué)報(bào),2020,48(01):66-74.

    猜你喜歡
    特征提取準(zhǔn)確率圖像
    改進(jìn)的LapSRN遙感圖像超分辨重建
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    有趣的圖像詩
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    遙感圖像幾何糾正中GCP選取
    成年版毛片免费区| a级毛片免费高清观看在线播放| 亚洲午夜理论影院| 日日摸夜夜添夜夜添av毛片 | 欧美另类亚洲清纯唯美| 国产综合懂色| 国产 一区 欧美 日韩| 日韩大尺度精品在线看网址| 免费av观看视频| 免费av观看视频| 美女被艹到高潮喷水动态| 丰满人妻熟妇乱又伦精品不卡| 国产精品一区二区免费欧美| 怎么达到女性高潮| 国产精品99久久久久久久久| 中文字幕av在线有码专区| 又爽又黄无遮挡网站| 久久精品国产清高在天天线| 久久精品91蜜桃| 无人区码免费观看不卡| 国产av在哪里看| 高潮久久久久久久久久久不卡| 日日摸夜夜添夜夜添小说| 两性午夜刺激爽爽歪歪视频在线观看| 又黄又爽又免费观看的视频| 亚洲国产高清在线一区二区三| 成人毛片a级毛片在线播放| av天堂在线播放| 日韩欧美一区二区三区在线观看| 变态另类丝袜制服| 一个人免费在线观看电影| 日本a在线网址| 国产精品精品国产色婷婷| 亚洲精品粉嫩美女一区| 麻豆国产97在线/欧美| 国产成人福利小说| 久久久久久久久大av| 久久精品国产自在天天线| 九色成人免费人妻av| 最后的刺客免费高清国语| 亚洲欧美精品综合久久99| 国产伦在线观看视频一区| 精品人妻1区二区| or卡值多少钱| 最新在线观看一区二区三区| 成人国产综合亚洲| 少妇被粗大猛烈的视频| 观看美女的网站| 少妇人妻精品综合一区二区 | 一级a爱片免费观看的视频| 国产精品女同一区二区软件 | 搡老熟女国产l中国老女人| 日韩欧美国产一区二区入口| 精品免费久久久久久久清纯| 亚洲国产精品久久男人天堂| 国产极品精品免费视频能看的| 欧美bdsm另类| 男女视频在线观看网站免费| 国产精品永久免费网站| 在线天堂最新版资源| 精品国产三级普通话版| 老鸭窝网址在线观看| 免费黄网站久久成人精品 | 午夜精品在线福利| 啦啦啦观看免费观看视频高清| 国内精品美女久久久久久| 精华霜和精华液先用哪个| 少妇裸体淫交视频免费看高清| 别揉我奶头~嗯~啊~动态视频| 精品久久久久久久久久免费视频| 两个人的视频大全免费| 久久精品影院6| 毛片女人毛片| 淫妇啪啪啪对白视频| 亚洲经典国产精华液单 | 亚洲五月天丁香| 久久午夜亚洲精品久久| 97超视频在线观看视频| 亚洲一区二区三区不卡视频| 中文字幕精品亚洲无线码一区| 日日干狠狠操夜夜爽| 国产高清有码在线观看视频| 成人av一区二区三区在线看| 欧美高清性xxxxhd video| 日韩欧美精品免费久久 | 蜜桃亚洲精品一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 亚洲成人精品中文字幕电影| 免费av不卡在线播放| 国产高清三级在线| 欧美性猛交黑人性爽| 久久午夜福利片| 夜夜夜夜夜久久久久| 国产成人啪精品午夜网站| 九色国产91popny在线| 成人一区二区视频在线观看| 色尼玛亚洲综合影院| 精品无人区乱码1区二区| bbb黄色大片| 亚洲精品影视一区二区三区av| 两个人的视频大全免费| 在线播放国产精品三级| 精品欧美国产一区二区三| a级毛片免费高清观看在线播放| 三级国产精品欧美在线观看| 无人区码免费观看不卡| 舔av片在线| 99国产综合亚洲精品| 欧美色视频一区免费| 欧洲精品卡2卡3卡4卡5卡区| 久久久久免费精品人妻一区二区| 欧美三级亚洲精品| 久久精品久久久久久噜噜老黄 | 欧美xxxx性猛交bbbb| 欧美bdsm另类| 18+在线观看网站| 最后的刺客免费高清国语| 99国产极品粉嫩在线观看| 中文字幕高清在线视频| 首页视频小说图片口味搜索| 亚洲人成电影免费在线| 十八禁人妻一区二区| 日本免费a在线| 亚洲无线在线观看| 天堂√8在线中文| 色噜噜av男人的天堂激情| 亚洲,欧美,日韩| 亚洲精品在线美女| 欧美午夜高清在线| 免费观看人在逋| 女人十人毛片免费观看3o分钟| 国产精品爽爽va在线观看网站| 琪琪午夜伦伦电影理论片6080| 精品久久久久久久末码| 亚洲性夜色夜夜综合| 日韩免费av在线播放| 国产精品98久久久久久宅男小说| 可以在线观看毛片的网站| 亚洲精品456在线播放app | www.色视频.com| av福利片在线观看| 成人一区二区视频在线观看| 老司机午夜福利在线观看视频| 欧美成人a在线观看| 国内揄拍国产精品人妻在线| 亚洲午夜理论影院| 亚洲成人久久爱视频| 99国产精品一区二区蜜桃av| 亚洲内射少妇av| 日韩免费av在线播放| 欧美日本视频| 成人亚洲精品av一区二区| 久久午夜亚洲精品久久| 免费看美女性在线毛片视频| 久久久久久久久久黄片| www.999成人在线观看| 男人舔奶头视频| 国产精品免费一区二区三区在线| 亚洲欧美日韩卡通动漫| 男人和女人高潮做爰伦理| 99热这里只有是精品在线观看 | 国内揄拍国产精品人妻在线| 国产高清激情床上av| 黄色女人牲交| 色哟哟·www| 亚洲精品一区av在线观看| 国产视频一区二区在线看| 亚洲无线观看免费| 色哟哟·www| 身体一侧抽搐| 91狼人影院| 乱码一卡2卡4卡精品| 国产精品久久久久久人妻精品电影| 欧美性感艳星| 他把我摸到了高潮在线观看| av中文乱码字幕在线| 亚洲人成网站在线播放欧美日韩| 午夜日韩欧美国产| 国产aⅴ精品一区二区三区波| 日本黄色片子视频| 免费看美女性在线毛片视频| 99久久精品热视频| 一区二区三区激情视频| 久久久久国产精品人妻aⅴ院| 久久久久久久亚洲中文字幕 | 全区人妻精品视频| 国产激情偷乱视频一区二区| 国产成人啪精品午夜网站| 一级黄片播放器| bbb黄色大片| 日本撒尿小便嘘嘘汇集6| 亚洲三级黄色毛片| 国产精品一区二区三区四区免费观看 | 久久久久国产精品人妻aⅴ院| h日本视频在线播放| 亚洲 欧美 日韩 在线 免费| 精品国产三级普通话版| 亚洲中文字幕一区二区三区有码在线看| 亚洲三级黄色毛片| 老熟妇乱子伦视频在线观看| 亚洲自拍偷在线| 我要看日韩黄色一级片| 性色avwww在线观看| 国产视频内射| 亚洲成av人片在线播放无| 99视频精品全部免费 在线| 午夜福利18| 久久久久久大精品| 欧美xxxx性猛交bbbb| 一卡2卡三卡四卡精品乱码亚洲| 中文字幕高清在线视频| 在线观看免费视频日本深夜| 精品久久国产蜜桃| 欧美中文日本在线观看视频| .国产精品久久| 亚洲人成网站在线播放欧美日韩| 亚洲国产色片| 久久久久国内视频| 久久99热6这里只有精品| 老女人水多毛片| 亚洲av五月六月丁香网| 亚洲自偷自拍三级| 亚洲一区高清亚洲精品| 欧美日韩黄片免| 欧美性感艳星| 亚洲第一电影网av| 国产三级中文精品| 日日干狠狠操夜夜爽| 国产高清三级在线| 18禁黄网站禁片免费观看直播| 国模一区二区三区四区视频| 免费人成在线观看视频色| av天堂在线播放| 久久天躁狠狠躁夜夜2o2o| 99久久精品一区二区三区| 国产野战对白在线观看| 亚洲成av人片免费观看| 日韩国内少妇激情av| 国产91精品成人一区二区三区| 99热6这里只有精品| 黄色一级大片看看| av国产免费在线观看| 老鸭窝网址在线观看| 窝窝影院91人妻| 中文字幕人成人乱码亚洲影| 国产精品美女特级片免费视频播放器| 在线观看舔阴道视频| 他把我摸到了高潮在线观看| 亚洲成a人片在线一区二区| 欧美区成人在线视频| 长腿黑丝高跟| 亚洲美女搞黄在线观看 | 怎么达到女性高潮| 中文字幕av在线有码专区| 久久99热6这里只有精品| 99久久精品国产亚洲精品| 免费黄网站久久成人精品 | 日本黄大片高清| 日韩国内少妇激情av| 国产伦一二天堂av在线观看| 日日摸夜夜添夜夜添av毛片 | 中文在线观看免费www的网站| 99久久99久久久精品蜜桃| av在线观看视频网站免费| a级毛片免费高清观看在线播放| 国产亚洲精品久久久com| 蜜桃久久精品国产亚洲av| 久久久久久久久久成人| 国产精品久久久久久亚洲av鲁大| 天美传媒精品一区二区| 国产中年淑女户外野战色| 天堂网av新在线| 不卡一级毛片| 欧美精品国产亚洲| 毛片一级片免费看久久久久 | 色哟哟哟哟哟哟| 亚洲熟妇熟女久久| 亚洲人与动物交配视频| 看黄色毛片网站| 亚洲av成人不卡在线观看播放网| 最近视频中文字幕2019在线8| 色视频www国产| 变态另类成人亚洲欧美熟女| 天美传媒精品一区二区| 国产精品野战在线观看| 欧美黄色片欧美黄色片| 国产aⅴ精品一区二区三区波| 少妇人妻一区二区三区视频| 午夜精品久久久久久毛片777| 国产精品1区2区在线观看.| 国产精品自产拍在线观看55亚洲| 天堂av国产一区二区熟女人妻| 色噜噜av男人的天堂激情| 亚洲人成电影免费在线| 日本黄大片高清| 欧美日韩乱码在线| 欧美激情国产日韩精品一区| 哪里可以看免费的av片| 淫妇啪啪啪对白视频| www.色视频.com| 午夜激情欧美在线| 夜夜看夜夜爽夜夜摸| 亚洲无线在线观看| 亚洲avbb在线观看| 国产白丝娇喘喷水9色精品| 午夜福利高清视频| 男女下面进入的视频免费午夜| 日韩欧美精品v在线| 九九热线精品视视频播放| 毛片一级片免费看久久久久 | 97人妻精品一区二区三区麻豆| 97人妻精品一区二区三区麻豆| 草草在线视频免费看| 成年女人永久免费观看视频| 午夜老司机福利剧场| 久久久精品大字幕| 91字幕亚洲| 国产高清有码在线观看视频| 99热只有精品国产| 日韩有码中文字幕| 老熟妇乱子伦视频在线观看| 欧美精品国产亚洲| bbb黄色大片| 老司机深夜福利视频在线观看| 久久久久久久久大av| 亚洲成av人片免费观看| 中文字幕av在线有码专区| 久久久久亚洲av毛片大全| 18禁在线播放成人免费| 美女高潮的动态| 搡老熟女国产l中国老女人| 日韩中字成人| 欧美在线一区亚洲| 国产v大片淫在线免费观看| 黄色日韩在线| 国产一区二区在线观看日韩| 日本免费a在线| 十八禁国产超污无遮挡网站| 亚洲人成网站在线播放欧美日韩| 国产精品爽爽va在线观看网站| 日本撒尿小便嘘嘘汇集6| 99久久九九国产精品国产免费| 日韩欧美 国产精品| 九九热线精品视视频播放| а√天堂www在线а√下载| 久久亚洲精品不卡| 俄罗斯特黄特色一大片| 99久久精品国产亚洲精品| 人妻制服诱惑在线中文字幕| 久久久久亚洲av毛片大全| av视频在线观看入口| 九色国产91popny在线| 亚洲精品亚洲一区二区| 听说在线观看完整版免费高清| 亚洲人成网站在线播| 变态另类成人亚洲欧美熟女| 色精品久久人妻99蜜桃| h日本视频在线播放| 国产一区二区三区在线臀色熟女| 免费一级毛片在线播放高清视频| 国产亚洲欧美在线一区二区| 亚洲av中文字字幕乱码综合| avwww免费| 99热这里只有精品一区| 国产高潮美女av| 最后的刺客免费高清国语| 窝窝影院91人妻| 亚洲av免费在线观看| 久久精品国产99精品国产亚洲性色| 亚洲真实伦在线观看| 国产美女午夜福利| 一个人看的www免费观看视频| 少妇裸体淫交视频免费看高清| 99热精品在线国产| 精品久久久久久久久亚洲 | 成人亚洲精品av一区二区| 亚洲精品日韩av片在线观看| 非洲黑人性xxxx精品又粗又长| 中文字幕av成人在线电影| 久久久久九九精品影院| 亚洲国产高清在线一区二区三| 欧美日韩乱码在线| 黄色配什么色好看| 观看美女的网站| 免费av观看视频| 麻豆国产97在线/欧美| 亚洲第一电影网av| 亚洲,欧美精品.| 亚洲在线观看片| 国产私拍福利视频在线观看| 亚洲在线自拍视频| 国产一区二区在线av高清观看| 啦啦啦韩国在线观看视频| 深夜精品福利| 成人欧美大片| 色综合站精品国产| 久久久久免费精品人妻一区二区| 国产精品日韩av在线免费观看| 国产色婷婷99| 99热只有精品国产| 天堂网av新在线| 国产精品久久久久久精品电影| 亚洲欧美精品综合久久99| 日本与韩国留学比较| av女优亚洲男人天堂| 欧美日韩综合久久久久久 | a在线观看视频网站| 午夜两性在线视频| 久9热在线精品视频| 亚洲电影在线观看av| 桃红色精品国产亚洲av| 久久香蕉精品热| 一夜夜www| 国产熟女xx| 一级毛片久久久久久久久女| 亚洲午夜理论影院| 日本a在线网址| 伦理电影大哥的女人| 听说在线观看完整版免费高清| 在线国产一区二区在线| or卡值多少钱| 国产精品亚洲美女久久久| 国内毛片毛片毛片毛片毛片| 国产免费男女视频| 欧美在线一区亚洲| 中文亚洲av片在线观看爽| 日本精品一区二区三区蜜桃| 桃色一区二区三区在线观看| av福利片在线观看| 女同久久另类99精品国产91| 国产一区二区亚洲精品在线观看| 成年女人毛片免费观看观看9| 在线观看av片永久免费下载| 丝袜美腿在线中文| 久久久国产成人精品二区| 久久久久久九九精品二区国产| 69av精品久久久久久| 丁香六月欧美| 国产伦精品一区二区三区视频9| a在线观看视频网站| 搞女人的毛片| 欧美黑人欧美精品刺激| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久久久中文| 变态另类丝袜制服| 国产欧美日韩精品一区二区| 国产一区二区激情短视频| 小蜜桃在线观看免费完整版高清| 长腿黑丝高跟| 亚洲国产日韩欧美精品在线观看| 精品免费久久久久久久清纯| 在线a可以看的网站| 中国美女看黄片| 熟女电影av网| 日韩 亚洲 欧美在线| 欧美+亚洲+日韩+国产| 亚洲精品456在线播放app | 久久精品夜夜夜夜夜久久蜜豆| 久久久色成人| 精品福利观看| 琪琪午夜伦伦电影理论片6080| 91在线精品国自产拍蜜月| 成人亚洲精品av一区二区| 日本免费一区二区三区高清不卡| 国产欧美日韩一区二区精品| 亚洲成人久久性| 久久久久国内视频| 网址你懂的国产日韩在线| 九九热线精品视视频播放| 亚洲国产精品久久男人天堂| 最好的美女福利视频网| 1024手机看黄色片| 九九在线视频观看精品| 超碰av人人做人人爽久久| 丁香六月欧美| 日本精品一区二区三区蜜桃| 色尼玛亚洲综合影院| 国内揄拍国产精品人妻在线| 久久久国产成人免费| 在线观看av片永久免费下载| 国产美女午夜福利| 成人三级黄色视频| 亚洲美女搞黄在线观看 | 亚洲精品在线美女| x7x7x7水蜜桃| 久久精品国产自在天天线| 久久草成人影院| 久久亚洲精品不卡| 国产精品野战在线观看| 日韩欧美免费精品| 757午夜福利合集在线观看| 亚洲狠狠婷婷综合久久图片| 精品久久久久久久久久免费视频| 天堂av国产一区二区熟女人妻| 一区二区三区激情视频| 听说在线观看完整版免费高清| 老女人水多毛片| 国产三级在线视频| 国产麻豆成人av免费视频| 亚洲第一区二区三区不卡| 成人特级av手机在线观看| 国产精品永久免费网站| 亚洲成人精品中文字幕电影| 美女 人体艺术 gogo| av在线蜜桃| 精品免费久久久久久久清纯| 特级一级黄色大片| 亚州av有码| 免费黄网站久久成人精品 | а√天堂www在线а√下载| 国产精品人妻久久久久久| 久久亚洲精品不卡| 特大巨黑吊av在线直播| 国产精品综合久久久久久久免费| a在线观看视频网站| 亚洲人成网站在线播放欧美日韩| 久久午夜福利片| 特级一级黄色大片| 欧美激情在线99| netflix在线观看网站| 免费看美女性在线毛片视频| .国产精品久久| 舔av片在线| 啦啦啦观看免费观看视频高清| 窝窝影院91人妻| 欧美日本亚洲视频在线播放| 深爱激情五月婷婷| 国产成人影院久久av| 久久久久免费精品人妻一区二区| 色噜噜av男人的天堂激情| 最近中文字幕高清免费大全6 | 宅男免费午夜| 成熟少妇高潮喷水视频| 97碰自拍视频| 成年人黄色毛片网站| 亚洲专区国产一区二区| 日本 欧美在线| 在线十欧美十亚洲十日本专区| 亚洲av电影在线进入| 亚洲欧美精品综合久久99| 搡老岳熟女国产| 91在线精品国自产拍蜜月| 少妇的逼好多水| 成人三级黄色视频| 亚洲综合色惰| 好男人在线观看高清免费视频| 最近在线观看免费完整版| 亚洲成av人片在线播放无| 日韩中字成人| 男人和女人高潮做爰伦理| 国产探花极品一区二区| 国产免费av片在线观看野外av| 在线观看午夜福利视频| 日日摸夜夜添夜夜添av毛片 | 国产乱人伦免费视频| 国产黄a三级三级三级人| 欧美黄色淫秽网站| 夜夜看夜夜爽夜夜摸| 最近视频中文字幕2019在线8| 精品日产1卡2卡| 免费看a级黄色片| 美女cb高潮喷水在线观看| 中文字幕av在线有码专区| av欧美777| 亚洲一区高清亚洲精品| 久久热精品热| 欧美黑人巨大hd| 欧美+日韩+精品| 黄片小视频在线播放| 国产成人啪精品午夜网站| 国内揄拍国产精品人妻在线| 亚洲最大成人手机在线| 少妇高潮的动态图| 亚洲av免费在线观看| a在线观看视频网站| 亚洲经典国产精华液单 | 如何舔出高潮| 一区二区三区高清视频在线| 日韩高清综合在线| 国产伦在线观看视频一区| 精品久久国产蜜桃| 直男gayav资源| 老熟妇仑乱视频hdxx| 性色avwww在线观看| 国产探花极品一区二区| 五月玫瑰六月丁香| 免费在线观看亚洲国产| 男人舔奶头视频| 国产精品嫩草影院av在线观看 | 麻豆av噜噜一区二区三区| 身体一侧抽搐| 1024手机看黄色片| 亚洲国产高清在线一区二区三| 两个人视频免费观看高清| 欧美潮喷喷水| 中文字幕人成人乱码亚洲影| 亚洲成a人片在线一区二区| 久久欧美精品欧美久久欧美| 国产真实乱freesex| 永久网站在线| a在线观看视频网站| 变态另类成人亚洲欧美熟女| 亚洲国产精品成人综合色| 搞女人的毛片| a级毛片a级免费在线| 最近最新中文字幕大全电影3| 国产极品精品免费视频能看的| 俄罗斯特黄特色一大片| 丁香六月欧美| 深夜精品福利| 久久人妻av系列| 久久精品国产自在天天线| 男人和女人高潮做爰伦理| 国产探花极品一区二区| 国产三级黄色录像|