• <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SGWT和多顯著性的紅外與可見光圖像融合

    2022-07-26 13:06:48田立凡梁佳明
    紅外技術(shù) 2022年7期
    關(guān)鍵詞:子帶小波尺度

    田立凡,楊 莘,梁佳明, 吳 謹(jǐn)

    基于SGWT和多顯著性的紅外與可見光圖像融合

    田立凡,楊 莘,梁佳明, 吳 謹(jǐn)

    (武漢科技大學(xué) 信息科學(xué)與工程學(xué)院,湖北 武漢 430081)

    由于譜圖小波變換(Spectral Graph Wavelet Transform, SGWT)可充分利用圖像在圖域中的光譜特性,本文結(jié)合其對(duì)不規(guī)則小區(qū)域表達(dá)的優(yōu)勢(shì),提出了一種基于多顯著性的紅外與可見光融合算法。首先應(yīng)用SGWT將源圖像分解成一個(gè)低頻子帶和若干個(gè)高頻子帶;對(duì)于低頻系數(shù),將多個(gè)互補(bǔ)的低層特征結(jié)合起來,提出了一種適合人眼視覺特征的多顯著性融合規(guī)則,對(duì)于高頻系數(shù),充分考慮鄰域像素的相關(guān)性,提出了一種區(qū)域絕對(duì)值取大規(guī)則;最后,應(yīng)用了一種加權(quán)最小二乘優(yōu)化(weighted least squares, WLS)方法對(duì)譜圖小波重構(gòu)的融合圖像進(jìn)行優(yōu)化,在突出顯著目標(biāo)的同時(shí)盡可能多地保留可見光的背景細(xì)節(jié)。實(shí)驗(yàn)結(jié)果表明,與DWT(Discrete Wavelet Transform)、NSCT(Non-down Sampled Contourlet Transform)等7種相關(guān)算法相比,在突出紅外目標(biāo)的同時(shí)還能保留更多的可見光背景細(xì)節(jié),具有較好的視覺效果;同時(shí)在方差、熵、abf和互信息量4個(gè)客觀評(píng)價(jià)上也均占據(jù)優(yōu)勢(shì)。

    圖像融合;譜圖小波變換;多顯著性;加權(quán)最小二乘優(yōu)化

    0 引言

    圖像融合是用特定的算法將兩個(gè)或兩個(gè)以上的傳感器在同一時(shí)間或不同時(shí)間獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或圖像序列信息加以綜合,以生成新的有關(guān)此場(chǎng)景解釋的信息處理過程[1]。紅外與可見光圖像融合是多傳感器圖像融合研究的重要組成部分,其優(yōu)勢(shì)體現(xiàn)在如下幾個(gè)方面。首先,它們的信號(hào)來自不同的模式,從不同的方面提供場(chǎng)景信息,可獲得比單一模態(tài)信號(hào)更大的信息量。第二,紅外和可見光圖像呈現(xiàn)幾乎所有物體固有的特征。第三,紅外和可見光圖像共享互補(bǔ)的屬性可以產(chǎn)生魯棒性強(qiáng)且信息熵大的融合圖像。利用圖像融合技術(shù)將紅外與可見光圖像進(jìn)行融合,可以提高圖像理解和識(shí)別效率,在軍事、視頻監(jiān)控和消防等領(lǐng)域有著重要的研究?jī)r(jià)值和應(yīng)用前景[2]。

    常用的紅外與可見光的圖像融合的方法有:基于多尺度分解的方法[3]、基于稀疏表示的方法[4]、基于顯著性檢測(cè)的方法[5]、基于子空間的方法[6]和基于神經(jīng)網(wǎng)絡(luò)的方法[7]等等。由于多尺度分解提供了一種具有靈活局部性和方向性的多分辨圖像表示方法,在圖像融合領(lǐng)域應(yīng)用較廣?;诙喑叨确纸獾募t外和可見光圖像融合通常包括3個(gè)步驟,首先,將每個(gè)源圖像分解為一系列多尺度表示,然后根據(jù)給定的融合規(guī)則對(duì)源圖像的多尺度表示進(jìn)行融合,最后進(jìn)行逆變換得到融合圖像。其中,多尺度分解方法的選擇和融合規(guī)則的選取是影響融合性能的兩個(gè)關(guān)鍵因素。

    近年來以小波為代表的傳統(tǒng)多尺度分解理論由于其具有平移不變性、各向異性等優(yōu)勢(shì),在圖像融合領(lǐng)域得到了廣泛的應(yīng)用。然而,離散小波變換(DWT)變換存在振蕩、移位方差、混疊和缺乏方向性的問題[8]。輪廓波變換(Contourlet Transform,CT)解決了小波變換的方向性問題,但由于輪廓波變換在拉普拉斯分解和方向?yàn)V波器組兩個(gè)過程中都經(jīng)過了下采樣操作,導(dǎo)致子圖像平移不變性較差,存在吉布斯現(xiàn)象。非下采樣輪廓波變換(NSCT)由非下采樣金字塔(Non-down Sampled Pyramid,NSP)和非下采樣方向?yàn)V波器組(Non-downsampled Directional Filter Bank,NSDFB)組成,具有較好的平移不變性和多方向性,但是計(jì)算效率偏低,比較耗時(shí)。除此之外,目前基于多尺度分解方法的融合規(guī)則也存在一些問題。例如,傳統(tǒng)的絕對(duì)值取大方式由于只是對(duì)單個(gè)像素進(jìn)行處理,會(huì)在圖像邊緣部分產(chǎn)生突兀;空間頻率和對(duì)比度等清晰度度量只是基于單個(gè)圖像的局部特征設(shè)計(jì)的,且只使用了一個(gè)低層特征,它們能反映出的視覺信息非常有限;基于稀疏描述的融合規(guī)則雖然很大程度上可以保留源圖像的信息,但是會(huì)在最后的融合圖像中產(chǎn)生偽影。

    鑒于以上分析,本文提出了一種基于譜圖小波分解和視覺顯著性的紅外與可見光融合方法。譜圖小波變換是一種基于圖譜理論的小波變換,與傳統(tǒng)的多尺度分解方式不同,它不在信號(hào)域中進(jìn)行,而是在傅里葉域中進(jìn)行[9]。它不僅具有尺度不變性和各向異性,并且可以表示圖像中的不規(guī)則區(qū)域,這是傳統(tǒng)的多尺度變換所不具備的優(yōu)勢(shì)。

    在融合規(guī)則方面,因?yàn)榈皖l分量代表圖像的概貌,考慮到相位一致性、拉普拉斯能量和、結(jié)構(gòu)測(cè)度和對(duì)比度測(cè)度4個(gè)低層特征既重要又互補(bǔ),提出了一種適合人眼視覺特性的多顯著性低頻融合規(guī)則。高頻分量代表圖像的紋理邊緣特征,為了保留更多邊緣,傳統(tǒng)的絕對(duì)值取大能滿足大部分的需要,但是單獨(dú)使用絕對(duì)值取大并沒有考慮到周圍像素的相關(guān)性,本文基于這一點(diǎn),提出了一種鄰域絕對(duì)值取大方法,保留邊緣的同時(shí)還能保證整體的平滑性,不產(chǎn)生偽影。

    最后,提出了一種新的加權(quán)最小二乘優(yōu)化算法(Weighted Least Squares,WLS)對(duì)初始融合圖像進(jìn)行優(yōu)化,使最終融合圖像在與源圖像相似的同時(shí)盡可能多地包含可見光信息。

    1 譜圖小波變換

    傳統(tǒng)的信號(hào)處理方法大多是針對(duì)定義在正則歐氏空間上的數(shù)據(jù)而設(shè)計(jì)的,然而,許多有趣的應(yīng)用程序都涉及到在更復(fù)雜的拓?fù)溆蛏隙x的數(shù)據(jù)。例如在網(wǎng)狀結(jié)構(gòu)上定義的數(shù)據(jù)、在流形或不規(guī)則形狀域上定義的數(shù)據(jù)以及由“點(diǎn)云”組成的數(shù)據(jù),因此開發(fā)能夠適應(yīng)復(fù)雜數(shù)據(jù)域的方法是一個(gè)重要的問題。隨著圖譜理論的出現(xiàn)和發(fā)展,使得信號(hào)在圖上的有效表示成為了可能。其中最具代表性的就是譜圖小波變換(SGWT),與傳統(tǒng)的小波變換相比,它不僅具有小波變換的所有優(yōu)點(diǎn),還具有通過圖像在圖域中的光譜特性將圖像分解為不同子帶的能力[9]。權(quán)重圖的構(gòu)建和圖傅里葉變換是譜圖小波變換的理論基礎(chǔ)。

    1.1 權(quán)重圖構(gòu)建

    一個(gè)權(quán)重圖={,,}由一組頂點(diǎn)、一組邊和一個(gè)權(quán)重函數(shù)組成。是加權(quán)圖的鄰接矩陣,尺寸為×,定義如下:

    式中:權(quán)重函數(shù)()表示為:

    式中:(),()表示像素,周圍的鄰域,大小為×,dist((),())表示兩鄰域間的歐氏距離。通過改變,的值生成不同的權(quán)重圖。

    對(duì)于一個(gè)加權(quán)圖來說,每個(gè)頂點(diǎn)的度數(shù)()表示為與其相關(guān)的所有邊權(quán)重之和,記作()=Sa,n。定義矩陣的對(duì)角元素為頂點(diǎn)的度,其他地方為零。

    一幅圖像構(gòu)成的權(quán)重圖如圖1所示。

    圖1 生成權(quán)重圖

    1.2 圖傅里葉變換

    傳統(tǒng)的傅里葉變換定義如下:

    反變換為:

    而圖傅里葉變換是由圖拉普拉斯算子實(shí)現(xiàn)的,與上面公式類似,拉普拉斯矩陣由公式=-定義。由于拉普拉斯矩陣是實(shí)對(duì)稱矩陣,它有一組完整正交的特征向量。用表示其特征向量,其中=0, 1, …,-1,所有的特征向量可以表示為:

    (5)

    由于是實(shí)對(duì)稱矩陣,所以它的特征值都是非負(fù)的,對(duì)特征值排序?yàn)椋?/p>

    0=0≤1≤2≤…≤-1(6)

    由以上的先驗(yàn)條件,通過拉普拉斯算子,圖傅里葉變換可以定義如下:

    逆變換為:

    (8)

    1.3 圖小波變換

    1.3.1 小波函數(shù)

    圖傅里葉變換是在傳統(tǒng)傅里葉變換的基礎(chǔ)上,通過拉普拉斯矩陣的特征向量與定義在圖頂點(diǎn)的函數(shù)內(nèi)積實(shí)現(xiàn)的,與之類似的是,可以通過小波算子T=()調(diào)制每個(gè)傅里葉模型給定的函數(shù),得到譜圖小波變換核函數(shù)。其作用模式如下:

    其反變換可以寫成:

    最后圖小波系數(shù)在形式上是由給定函數(shù)和小波函數(shù)內(nèi)積得到的,表達(dá)如下:

    1.3.2 尺度函數(shù)

    類似于傳統(tǒng)小波,譜圖小波尺度函數(shù)可以看作是一個(gè)低通濾波器,具有和上面小波函數(shù)類似的結(jié)構(gòu)。定義尺度算子:

    與小波系數(shù)的計(jì)算方式類似,尺度系數(shù)可以由下面公式得到:

    (14)

    值得說明的是,通過這種方式定義的尺度函數(shù)僅用于平滑圖像,表示圖像的低頻內(nèi)容,而不像傳統(tǒng)的尺度函數(shù)是由二尺度差分方程得到。也就是說,譜圖小波尺度函數(shù)的選擇與小波核的選擇并無(wú)關(guān)系,我們可以根據(jù)需要合理地選擇尺度函數(shù)[9]。

    2 本文算法框架

    本文提出了一種基于譜圖小波分解的紅外與可見光融合的算法,算法框圖如圖2所示。算法主要包括4個(gè)部分:譜圖小波分解、低頻融合規(guī)則、高頻融合規(guī)則和WLS優(yōu)化。

    (四)結(jié)構(gòu)扁平,領(lǐng)導(dǎo)管理要求高。省軍區(qū)系統(tǒng)重組重塑后,體制結(jié)構(gòu)更加扁平,人員編成更加精干,對(duì)領(lǐng)導(dǎo)管理工作提出新的更高要求。由于省軍區(qū)單位點(diǎn)多線長(zhǎng)面廣,且駐地相對(duì)分散,管理對(duì)象既有軍官、士兵、文職人員和職工,還有專武干部和離退休干部,人員多樣、成分復(fù)雜,領(lǐng)導(dǎo)管理任務(wù)重、壓力大。因此,過去那種事無(wú)巨細(xì)“一竿子插到底”、大包大攬“保姆式”的領(lǐng)導(dǎo)管理方式顯然已不適用,必須打破傳統(tǒng)思維,跳出固有模式,創(chuàng)新理念方法,建立更加科學(xué)高效的領(lǐng)導(dǎo)管理和工作指導(dǎo)體系。

    2.1 譜圖小波分解

    由于譜圖小波變換具有對(duì)不規(guī)則小區(qū)域更強(qiáng)的表達(dá)能力,可以將更多源圖像的信息保留到融合圖像中,本文選擇譜圖小波變換作為多尺度分解方法。該方法將空域上的變換轉(zhuǎn)換到圖域,使空間特征在尺度上分離的同時(shí)還能夠表達(dá)出更多的小區(qū)域上的信息。假設(shè)有兩幅紅外與可見光的源圖像IR和VIS,通過譜圖小波變換分別分解為一個(gè)低頻子帶LFIR和LFVIS和個(gè)高頻子帶HFIRi和HFVISi(=1, 2, …,)。圖3給出了street圖像應(yīng)用譜圖小波變換后得到的子帶圖像。圖(a)為兩幅源圖像,圖(b)是兩幅源圖像對(duì)應(yīng)的低頻子帶,圖(c)~(f)分別對(duì)應(yīng)兩幅源圖像的一級(jí)、二級(jí)和三級(jí)高頻子帶。多次實(shí)驗(yàn)證明,采用四級(jí)分解得到的融合圖像效果最好。

    圖2 本文融合算法框架

    圖3 Street圖像應(yīng)用譜圖小波分解結(jié)果

    2.2 低頻融合規(guī)則

    通過譜圖小波將源圖像分解之后,需要選擇合適的融合方式對(duì)低頻和高頻子帶進(jìn)行融合。傳統(tǒng)方法一般選擇局部能量、局部空間頻率或者局部對(duì)比度測(cè)度對(duì)低頻分量進(jìn)行融合,但是這些測(cè)度僅能反映出圖像的亮度、對(duì)比度或空間頻率等某一種信息,而一幅圖像往往具有更豐富的信息。低頻子帶融合的好壞往往決定了最終融合圖像的主觀質(zhì)量,為了使低頻融合子帶更加具備人眼的主觀感受,本文將相位一致性、局部對(duì)比度、結(jié)構(gòu)顯著性和局部修正拉普拉斯能量的優(yōu)勢(shì)結(jié)合起來,提出了一種新的顯著性測(cè)度方式。

    2.2.1 相位一致性

    相位一致性(Phase consistency,PC)是指在圖像的頻域中,邊緣相似的特征在同一階段出現(xiàn)的頻率較高。相位一致性的理論依據(jù)是人眼感知圖像信息時(shí)主要是依靠圖像信號(hào)的相位而非幅度[10]。與基于灰度的邊緣特征提取方法不同,通過計(jì)算圖像的相位一致性來檢測(cè)圖像中的邊緣可以不受圖像局部光線明暗變化的影響,并能包含圖像中的角、線、紋理等信息。尤其能在圖像邊緣對(duì)比度比較低時(shí)保留邊緣信息。對(duì)于一個(gè)信號(hào)(),其傅里葉展開為:

    相位一致性的實(shí)質(zhì)是圖像上各個(gè)頻率成分的相位相似性的一種度量方式,定義如下:

    (16)

    式中:是指局部相位,后面的均值表示相位的加權(quán)平均值;A是指局部幅值,即第個(gè)余弦分量的幅度值。

    2.2.2 局部對(duì)比度

    為了彌補(bǔ)PC不包含對(duì)比度信息[11]的缺陷,引入了對(duì)比度的概念。

    式中:0代表的是在像素(,)周圍3×3的鄰域;(0,0)是指鄰域內(nèi)的像素點(diǎn)。為了表示一個(gè)區(qū)域內(nèi)的局部對(duì)比度,公式(17)顯然不能夠滿足要求。因此,本文對(duì)SCM(SalientContrast Method)求一個(gè)鄰域內(nèi)的加權(quán)和作為局部對(duì)比度(Local Salient Contrast Method,LSCM)測(cè)度:

    式中:鄰域的大小為(2+1)(2+1)。

    2.2.3 結(jié)構(gòu)顯著性

    2.2.2節(jié)提到,SGWT能夠更好地表示圖像上的小區(qū)域部分,因此,對(duì)圖像上的結(jié)構(gòu)信息具有很強(qiáng)的適應(yīng)性,為了更好地發(fā)揮它的優(yōu)勢(shì),本文將結(jié)構(gòu)顯著性[12]信息引入到低頻融合規(guī)則中。

    一個(gè)圖像(,),在窗口上的梯度協(xié)方差矩陣定義為:

    式中:I()和I()代表像素(,)在和方向的梯度,由于是實(shí)對(duì)稱矩陣,因此它可以奇異值分解為如下形式:

    由于將局部圖像結(jié)構(gòu)與該矩陣的特征值聯(lián)系起來,這種方法能夠?qū)D像結(jié)構(gòu)進(jìn)行穩(wěn)定的描述,而且也適用于所有類型的結(jié)構(gòu),包括邊緣以及角落。圖像結(jié)構(gòu)顯著性可以定義為:

    式中:是控制對(duì)角狀結(jié)構(gòu)重視程度的參數(shù),一般取>-1。

    2.2.4 局部修正拉普拉斯能量

    以上3種顯著性測(cè)度對(duì)于亮度信息的表示并不是很完善,因此引入了修正拉普拉斯能量作為亮度信息的測(cè)度。

    式中:step代表步長(zhǎng),本文中步長(zhǎng)為1。局部修正拉普拉斯能量定義如下:

    式中:窗口大小為(21+1)(21+1)。

    2.2.5 新的顯著性度量方法

    以上4種特征之間具有一定的互補(bǔ)性:相位一致性對(duì)圖像邊緣的敏感性、局部對(duì)比度彌補(bǔ)了相位一致性不包含對(duì)比度信息的缺陷、結(jié)構(gòu)顯著性發(fā)揮SGWT對(duì)不規(guī)則小區(qū)域表達(dá)的優(yōu)勢(shì),以及修正拉普拉斯能量可提取圖像的亮度信息。因此本文結(jié)合邊緣、對(duì)比度、結(jié)構(gòu)和亮度這4種顯著性特征的優(yōu)勢(shì),提出了一個(gè)新的顯著性度量參數(shù)NSM,定義如下:

    式中:,,,是權(quán)重因子,在0~20范圍內(nèi)經(jīng)過多次實(shí)驗(yàn)得出,當(dāng)=5,=5,=2,=1時(shí)可取得較好的效果。

    權(quán)重圖map定義為:

    最后得到低頻融合系數(shù)F:

    2.3 高頻融合規(guī)則

    高頻子帶體現(xiàn)圖像的邊緣和細(xì)節(jié),由于傳統(tǒng)的絕對(duì)值取大方法沒有考慮周圍像素的相關(guān)性,會(huì)導(dǎo)致圖像邊緣部分出現(xiàn)突兀,因此,本文設(shè)計(jì)了一種結(jié)合區(qū)域和絕對(duì)值取大的方法。

    初始的權(quán)重圖定義如下:

    式中:表示第幅高頻子帶圖像??紤]到周圍鄰域的相關(guān)像素,得到最后的權(quán)重圖。

    式中:sum(,)表示鄰域內(nèi)map(0,0)中大于1的個(gè)數(shù),窗口的大小為×。高頻融合子帶計(jì)算如下:

    2.4 WLS優(yōu)化

    將低頻融合子帶和高頻融合子帶通過譜圖小波反變換得到初始的融合圖像F。為了使最后得到的融合圖像更加符合人眼主觀特性并且包含更多信息,本文選擇WLS[13]對(duì)F進(jìn)行優(yōu)化,其代價(jià)函數(shù)形式如下:

    式中:為最終的融合圖像,第一項(xiàng)表示最后融合圖像盡可能地與初始融合圖像接近,第二項(xiàng)中是正則參數(shù),表示可見光的權(quán)重,定義如下:

    式中:表示一個(gè)窗口,大小通常為7×7,是一個(gè)很小的常數(shù),通常取0.0001。第二項(xiàng)中(-VIS)2是為了使最后融合圖中包含更多的可見光的信息。將公式(30)寫成矩陣形式為:

    式中:是一個(gè)包含中所有像素權(quán)重的對(duì)角矩陣。對(duì)公式(32)應(yīng)用梯度下降,可以得到:

    將上式化簡(jiǎn)為:

    式中:為單位矩陣。

    3 實(shí)驗(yàn)結(jié)果和對(duì)比

    本文的所有實(shí)驗(yàn)都基于MATLAB 2020a進(jìn)行。為了評(píng)價(jià)提出算法的性能,本文選擇了紅外與可見光融合VIFB數(shù)據(jù)集中4組圖像與傳統(tǒng)的多尺度變換DWT[14]、DTCWT、CVT[15]、GFF[16]、NSCT[17]以及NSCT_SR[18]和NSCT_PC[19]進(jìn)行比較。選用的源圖像如圖3所示。

    為了客觀地評(píng)價(jià)融合圖像的性能,本文采用方差ar、熵EN、abf、互信息量MI四項(xiàng)客觀圖像評(píng)價(jià)指標(biāo)。方差是基于統(tǒng)計(jì)特性[20]的評(píng)價(jià)指標(biāo),反映了圖像各個(gè)像元灰度相對(duì)于灰度平均值的離散情況,可以用來評(píng)價(jià)圖像本身質(zhì)量的好壞,其值越大說明圖像質(zhì)量越高;信息熵和互信息量則是基于信息量的客觀評(píng)價(jià)指標(biāo),反映了融合圖像對(duì)源圖像信息保留量,其值越大說明保留的信息量越多;abf是基于人類視覺系統(tǒng)的評(píng)價(jià)指標(biāo),它用局部度量來估計(jì)來自輸入的顯著信息在融合圖像中的表現(xiàn)程度,其值越高,表示融合圖像的質(zhì)量越好。

    圖4給出了圖3(a)flower圖像的不同融合結(jié)果,從整體融合效果來看,每個(gè)融合圖像基本都能夠提取紅外圖像中的目標(biāo)信息,但除本文的算法和NSCT_PC、NSCT_SR外,其他融合圖像中的紅外目標(biāo)亮度較低,而背景也因?yàn)楸A袅诉^多的紅外信息導(dǎo)致對(duì)比度變低。另外,從圖中可以明顯看到,NSCT_SR的融合圖像在對(duì)紅外目標(biāo)的提取中造成了黑影。通過對(duì)圖像的整體對(duì)比度和紅外信息的亮度進(jìn)行比較可以得到,本文的算法在突出紅外目標(biāo)的同時(shí),在背景方面融合了更多的可見光信息,說明本文具有較好的主觀融合效果。

    表1給出了flower圖像的客觀評(píng)價(jià)指標(biāo)??梢钥闯?,本文提出的方法優(yōu)于其他方法,幾種客觀評(píng)價(jià)指標(biāo)均優(yōu)于其他方法,具有最佳的融合效果。

    圖3 四組紅外與可見光源圖像

    圖4 flower圖像不同方法融合結(jié)果

    圖5(a)~(h)是lawn圖像的不同方法的融合結(jié)果圖,從5(a)~(c)可以看出,DWT、DTCWT、CVT的紅外顯著目標(biāo)亮度偏暗;GFF雖然突出了前面燈的紅外顯著信息,但是背景部分草的顯著信息沒有提取出來;NSCT的融合效果與前面3種多尺度分解方式相當(dāng);NSCT_PC和NSCT_SR的結(jié)果在一定程度上突出了紅外的顯著信息和可見光的細(xì)節(jié)信息,但是由于顯著性方式不理想,在天空部分產(chǎn)生了黑影;本文的算法相較于其他算法紅外顯著信息突出且細(xì)節(jié)信息明顯,具有最好的主觀效果。圖6(a)~(h)是street圖像基于不同方法的融合結(jié)果,DWT、DTCWT、CVT和NSCT的紅外目標(biāo)較為模糊;GFF雖然突出了一部分紅外目標(biāo),但圖像角落的紅外目標(biāo)的亮度不夠;NSCT_SR在一定程度上突出了紅外信息和可見光細(xì)節(jié),但在融合過程中引入了不自然的黑影;NSCT_PC和本文的算法在突出紅外目標(biāo)和保留可見光細(xì)節(jié)方面具有最好的主觀效果;圖7(a)~(h)是mountain圖像的對(duì)比融合結(jié)果,前五組圖像的紅外目標(biāo)較為模糊;NSCT_PC和NSCT_SR的結(jié)果在一定程度上突出了紅外目標(biāo)信息,但由于顯著性方式的缺陷導(dǎo)致在前面草的細(xì)節(jié)部分產(chǎn)生了不自然的黑影;相比之下,本文的結(jié)果在突出紅外目標(biāo)并提高對(duì)比度方面具有最佳的主觀效果。綜上所述,本文的融合方法具有比較好的主觀融合效果。

    表1 flower圖像客觀評(píng)價(jià)指標(biāo)

    圖5 lawn圖像不同方法融合結(jié)果

    圖6 street圖像不同方法融合結(jié)果

    圖7 mountain圖像不同方法融合結(jié)果

    表2~4列出其他3組融合圖像的客觀評(píng)價(jià)指標(biāo)對(duì)比??梢钥闯觯疚奶岢龅乃惴ㄔ赼r和EN這兩項(xiàng)指標(biāo)均優(yōu)于其他算法,說明融合圖像在對(duì)比度和信息量方面比較理想。在abf上略次于GFF,但是主觀視覺上,GFF對(duì)顯著信息提取并沒有本文算法理想,這是由于GFF的背景信息較暗的緣故,導(dǎo)致abf指標(biāo)偏高。在MI上,只有l(wèi)awn圖像的融合結(jié)果略次于NSCT_SR,在其他融合圖像上是最優(yōu)的。這是由于NSCT_SR在天空部分引入了部分黑影,其指標(biāo)提升是在一定程度上犧牲人眼主觀評(píng)價(jià)實(shí)現(xiàn)的,這顯然得不償失。所以,本文提出的算法能夠應(yīng)用到紅外與可見光的融合中。

    表2 Lawn圖像客觀評(píng)價(jià)指標(biāo)

    表3 Street圖像客觀評(píng)價(jià)指標(biāo)

    表4 Mountain圖像客觀評(píng)價(jià)指標(biāo)

    4 結(jié)論

    本文基于譜圖小波表達(dá)不規(guī)則區(qū)域的優(yōu)勢(shì),將其應(yīng)用到圖像融合中對(duì)源圖像進(jìn)行多尺度分解,并將相位一致性、結(jié)構(gòu)顯著性、對(duì)比度測(cè)度和修正拉普拉斯能量結(jié)合起來作為低頻融合規(guī)則,對(duì)傳統(tǒng)的絕對(duì)值取大方法進(jìn)行改進(jìn),考慮到周圍像素的相關(guān)性,提出了一種區(qū)域得絕對(duì)值取大規(guī)則并應(yīng)用到高頻系數(shù),最后應(yīng)用WLS將更多的可見光的背景加入到融合圖像中。針對(duì)4組不同的源圖像,與不同算法的對(duì)比實(shí)驗(yàn)結(jié)果表明,本文算法得到的融合圖像在主觀評(píng)價(jià)上突出紅外目標(biāo)和抑制紅外背景信息效果明顯,符合人眼視覺特性;與DWT、DTCWT、NSCT-SR等經(jīng)典多尺度方法相比,融合圖像的主觀視覺效果更好,客觀評(píng)價(jià)指標(biāo)在方差、熵、abf和互信息量上也均占據(jù)優(yōu)勢(shì),融合效果較為理想。

    [1] Goshtasby A, Nikolov S . Image fusion: Advances in the state of the art[J]., 2007, 8(2): 114-118.

    [2] Toet A, Hogervorst M A, Nikolov S G, et al. Towards cognitive image fusion[J]., 2010, 11(2): 95-113.

    [3] Falk H. Prolog to a categorization of multiscale-decomposition-based image fusion schemes with a performance study for a digital camera application[J]., 1999, 87(8): 1315-1326

    [4] GAO Y, MA J, Yuille A L. Semi-supervised sparse representation based classification for face recognition with insufficient labeled samples[J]., 2017, 26(5): 2545-2560.

    [5] LIU C H, QI Y, DING W R. Infrared and visible image fusion method based on saliency detection in sparse domain[J]., 2017, 83: 94-102.

    [6] 楊風(fēng)暴, 董安冉, 張雷, 等. DWT、NSCT和改進(jìn)PCA協(xié)同組合紅外偏振圖像融合[J]. 紅外技術(shù), 2017, 39(3): 201-208.

    YANG Fengbao, DONG Anran, ZHANG Lei, et al. Infrared polarization image fusion using the synergistic combination of DWT, NSCT and improved PCA[J]., 2017, 39(3): 201-208.

    [7] 董安勇, 杜慶治, 蘇斌, 等. 基于卷積神經(jīng)網(wǎng)絡(luò)的紅外與可見光圖像融合[J]. 紅外技術(shù), 2020, 42(7): 660-669.

    DONG Anyong, DU Qingzhi, SU Bin, ZHAO Wenbo, et al. Infrared and visible image fusion based on convolutional neural network[J]., 2020, 42(7): 660-669.

    [8] MA J, MA Y, LI C. Infrared and visible image fusion methods and applications: A survey[J]., 2019, 45: 153-178.

    [9] David K Hammond, Pierre Vandergheynst, Rémi Gribonval. Wavelets on graphs via spectral graph theory[J]., 2011, 30: 129-150.

    [10] Morrone M C, Ross J, Burr D C, et al. Mach bands are phase dependent[J], 1986, 324(6094): 250-253.

    [11] ZHANG L, ZHANG L, MOU X, et al. FSIM: A feature similarity index for image quality assessment[J]., 2011, 20(8): 2378-2386.

    [12] ZHOU Z, LI S, WANG B. Multi-scale weighted gradient-based fusion for multi-focus images[J]., 2014, 20: 60-72.

    [13] MA J, ZHOU Z, WANG B, et al. Infrared and visible image fusion based on visual saliency map and weighted least square optimization[J]., 2017, 82: 8-17.

    [14] LI H, Manjunath B S, Mitra S. Multisensor image fusion using the wavelet transform[J]., 1995, 57(3): 235-245.

    [15] Nencini F, Garzelli A, Baronti S, et al. Remote sensing image fusion using the curvelet transform[J]., 2007, 8(2): 143-156.

    [16] LI S, KANG X, HU J. Image fusion with guided filtering[J]., 2013, 22(7): 2864-2875.

    [17] LI S, YANG B, HU J. Performance comparison of different multi-resolution transforms for image fusion[J]., 2011, 12(2):74-84.

    [18] YU L, LIU S, WANG Z. A general framework for image fusion based on multi-scale transform and sparse representation[J]., 2015, 24: 147-164.

    [19] ZHU Z, ZHENG M, QI G , et al. A phase congruency and local Laplacian energy based multi-modality medical image fusion method in NSCT domain[J]., 2019, 7: 20811-20824.

    [20] 張小利, 李雄飛, 李軍. 融合圖像質(zhì)量評(píng)價(jià)指標(biāo)的相關(guān)性分析及性能評(píng)估[J]. 自動(dòng)化學(xué)報(bào), 2014, 40(2): 306-315.

    ZHANG Xiao-Li, LI Xiong-Fei, LI Jun. Validation and correlation analysis of metrics for evaluating performance of image fusion[J]., 2014, 40(2): 306-315. Doi: 10.3724/SP. J.1004. 2014.00306

    Infrared and Visible Image Fusion Based on SGWT and Multi-Saliency

    TIAN Lifan,YANG Shen,LIANG Jiaming,WU Jin

    (School of Information Science and Engineering, Wuhan University of Science and Technology, Wuhan 430081, China)

    Spectral graph wavelet transform (SGWT) can fully utilize the spectral characteristics of an image in the image domain and has advantages in the expression of small irregular regions. Therefore, this paper proposes an infrared and visible fusion algorithm based on multi saliency. First, SGWT is used to decompose the source image into a low-frequency sub-band and several high-frequency sub-bands. For low-frequency coefficients, a multi saliency fusion rule suitable for human visual features is proposed by combining multiple complementary low-level features. For high-frequency coefficients, a rule for increasing the absolute value of the region is proposed by fully considering the correlation of neighborhood pixels. Finally, a weighted least squares optimization method is applied to optimize the fusion image reconstructed by spectral wavelet reconstruction, which highlights the main target and retains the background details of visible light as much as possible. The experimental results show that, compared with seven related algorithms such as DWT and NSCT, this method can highlight the infrared target and retain more visible background details, resulting in a better visual effect. Moreover, it exhibits advantages in four objective evaluations: variance, entropy,abf, and mutual information.

    image fusion, spectral graph wavelet transform, multi saliency, WLS

    TP751.1

    A

    1001-8891(2022)07-0676-10

    2021-08-01;

    2021-10-21.

    田立凡(1999-),男,湖北天門人,工學(xué)碩士,圖像處理與模式識(shí)別。

    楊莘(1977-),女,湖南婁底人,工學(xué)博士,副教授,多媒體通信與信號(hào)處理。E-mail: 317987@qq.com。

    中國(guó)國(guó)家自然科學(xué)基金(61702384);武漢科技大學(xué)(2017xz008)。

    猜你喜歡
    子帶小波尺度
    一種基于奇偶判斷WPT的多音干擾抑制方法*
    構(gòu)造Daubechies小波的一些注記
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    子帶編碼在圖像壓縮編碼中的應(yīng)用
    電子制作(2019年22期)2020-01-14 03:16:24
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動(dòng)軸承故障診斷
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計(jì)
    9
    基于FPGA小波變換核的設(shè)計(jì)
    亚洲欧美日韩另类电影网站| 国产精品 国内视频| 女性生殖器流出的白浆| 精品人妻在线不人妻| 在线观看免费视频网站a站| 国产深夜福利视频在线观看| 亚洲熟女毛片儿| 午夜91福利影院| 美女福利国产在线| 成人影院久久| 91麻豆av在线| 三级毛片av免费| cao死你这个sao货| 久久精品国产亚洲av高清一级| 人人妻人人澡人人爽人人夜夜| 久久精品国产亚洲av香蕉五月 | 高清视频免费观看一区二区| 伊人久久大香线蕉亚洲五| 国产成人免费无遮挡视频| 人妻久久中文字幕网| 两性夫妻黄色片| 国产精品自产拍在线观看55亚洲 | 国产精品成人在线| 国产精品.久久久| 国产淫语在线视频| 老汉色∧v一级毛片| 欧美乱色亚洲激情| 久久影院123| 国产国语露脸激情在线看| 满18在线观看网站| 亚洲色图综合在线观看| 欧美色视频一区免费| 免费观看人在逋| 十八禁网站免费在线| 在线观看一区二区三区激情| 久久久精品区二区三区| 成人永久免费在线观看视频| 欧美日韩亚洲国产一区二区在线观看 | 美女福利国产在线| 色尼玛亚洲综合影院| 天堂√8在线中文| 美女视频免费永久观看网站| 午夜免费鲁丝| 久久久久视频综合| 一区二区三区精品91| 成在线人永久免费视频| 日韩 欧美 亚洲 中文字幕| 不卡一级毛片| 欧美精品啪啪一区二区三区| 国产99久久九九免费精品| 亚洲精品乱久久久久久| 久久久久久亚洲精品国产蜜桃av| 亚洲五月天丁香| 一二三四社区在线视频社区8| 午夜福利视频在线观看免费| 久久久久久免费高清国产稀缺| 好看av亚洲va欧美ⅴa在| 精品一区二区三区av网在线观看| 99久久精品国产亚洲精品| 中亚洲国语对白在线视频| 亚洲人成77777在线视频| 1024香蕉在线观看| 色在线成人网| 丝袜在线中文字幕| 美女国产高潮福利片在线看| 欧美成人午夜精品| 麻豆成人av在线观看| 欧美人与性动交α欧美软件| 亚洲一区高清亚洲精品| 嫁个100分男人电影在线观看| 国内毛片毛片毛片毛片毛片| 人妻一区二区av| 无遮挡黄片免费观看| 999精品在线视频| 欧美国产精品va在线观看不卡| 黄色毛片三级朝国网站| 国产精品免费大片| 99久久精品国产亚洲精品| 男人操女人黄网站| 夜夜爽天天搞| 国产一区二区三区在线臀色熟女 | 婷婷成人精品国产| 9热在线视频观看99| 王馨瑶露胸无遮挡在线观看| 日日夜夜操网爽| 亚洲在线自拍视频| 高清在线国产一区| 午夜久久久在线观看| 夜夜夜夜夜久久久久| 亚洲五月婷婷丁香| 欧美日韩乱码在线| 国产免费现黄频在线看| 亚洲成av片中文字幕在线观看| 国产91精品成人一区二区三区| 天天影视国产精品| 99久久人妻综合| 国产成人欧美| 黑人巨大精品欧美一区二区mp4| 亚洲午夜精品一区,二区,三区| 一区二区三区国产精品乱码| 黄色丝袜av网址大全| 美女扒开内裤让男人捅视频| 亚洲免费av在线视频| 久久久久国内视频| 性色av乱码一区二区三区2| 国产免费现黄频在线看| 亚洲熟妇熟女久久| 免费在线观看完整版高清| 久久久精品免费免费高清| 国产成人系列免费观看| 日本五十路高清| 中文字幕制服av| 天堂俺去俺来也www色官网| 99国产精品一区二区三区| 亚洲一区二区三区不卡视频| 日日摸夜夜添夜夜添小说| 国内久久婷婷六月综合欲色啪| 亚洲avbb在线观看| 女人被狂操c到高潮| 99久久综合精品五月天人人| 麻豆国产av国片精品| 午夜福利在线观看吧| 亚洲黑人精品在线| 中亚洲国语对白在线视频| 欧美在线一区亚洲| 亚洲av第一区精品v没综合| 日韩欧美免费精品| 90打野战视频偷拍视频| 亚洲久久久国产精品| 亚洲成人国产一区在线观看| 日韩精品免费视频一区二区三区| 亚洲专区国产一区二区| 激情在线观看视频在线高清 | 午夜福利乱码中文字幕| av在线播放免费不卡| 久久国产精品男人的天堂亚洲| videos熟女内射| 天天躁狠狠躁夜夜躁狠狠躁| 午夜两性在线视频| 亚洲一区二区三区不卡视频| 国产成人av激情在线播放| 国产成人啪精品午夜网站| 91老司机精品| 性少妇av在线| tocl精华| 一级片免费观看大全| 大陆偷拍与自拍| 中文字幕人妻丝袜一区二区| 在线观看一区二区三区激情| 999久久久精品免费观看国产| 97人妻天天添夜夜摸| 搡老熟女国产l中国老女人| 91老司机精品| 多毛熟女@视频| 国产成人免费观看mmmm| 99香蕉大伊视频| 色精品久久人妻99蜜桃| 国内毛片毛片毛片毛片毛片| 高清视频免费观看一区二区| 精品视频人人做人人爽| 人人妻,人人澡人人爽秒播| 美女视频免费永久观看网站| 黄色成人免费大全| 亚洲自偷自拍图片 自拍| 成人精品一区二区免费| 久久午夜综合久久蜜桃| 久久久久国产一级毛片高清牌| 人人妻人人澡人人看| 欧美成狂野欧美在线观看| 18在线观看网站| 色精品久久人妻99蜜桃| 日本a在线网址| 日韩欧美免费精品| 亚洲av电影在线进入| 国产欧美日韩精品亚洲av| 欧美激情 高清一区二区三区| 国产xxxxx性猛交| 国产欧美日韩一区二区三区在线| 在线观看www视频免费| 国产高清视频在线播放一区| 亚洲成人免费电影在线观看| 男人舔女人的私密视频| 久久狼人影院| 亚洲久久久国产精品| 国产精品av久久久久免费| 母亲3免费完整高清在线观看| 久久午夜亚洲精品久久| 久久久精品国产亚洲av高清涩受| 成熟少妇高潮喷水视频| 亚洲情色 制服丝袜| 欧美日韩国产mv在线观看视频| 色婷婷久久久亚洲欧美| 久久香蕉精品热| 亚洲av成人不卡在线观看播放网| 亚洲人成电影观看| 最新的欧美精品一区二区| 在线观看日韩欧美| 美女 人体艺术 gogo| 国产精品欧美亚洲77777| 啦啦啦视频在线资源免费观看| 一本综合久久免费| 岛国在线观看网站| 黑人巨大精品欧美一区二区mp4| 纯流量卡能插随身wifi吗| 精品亚洲成a人片在线观看| 久久亚洲精品不卡| 国产午夜精品久久久久久| 久久久久久久午夜电影 | 老司机靠b影院| 久久久久久免费高清国产稀缺| 啦啦啦免费观看视频1| 久久久久久久午夜电影 | 日韩大码丰满熟妇| 欧美日韩瑟瑟在线播放| 伊人久久大香线蕉亚洲五| 国产亚洲精品第一综合不卡| 亚洲精品久久成人aⅴ小说| 人人妻人人爽人人添夜夜欢视频| 日韩熟女老妇一区二区性免费视频| 人人妻人人澡人人爽人人夜夜| 一夜夜www| 1024视频免费在线观看| 嫁个100分男人电影在线观看| 欧美色视频一区免费| 老司机午夜十八禁免费视频| 夜夜爽天天搞| 丝袜人妻中文字幕| 日本黄色日本黄色录像| 国产精品二区激情视频| 国内毛片毛片毛片毛片毛片| 亚洲精品自拍成人| 欧美日韩福利视频一区二区| 老司机午夜福利在线观看视频| 最近最新中文字幕大全电影3 | 色精品久久人妻99蜜桃| 国产精品美女特级片免费视频播放器 | 黑人巨大精品欧美一区二区蜜桃| 99久久人妻综合| 巨乳人妻的诱惑在线观看| 精品久久蜜臀av无| 免费av中文字幕在线| 看片在线看免费视频| 757午夜福利合集在线观看| 久久久久久免费高清国产稀缺| 男女午夜视频在线观看| 国产一卡二卡三卡精品| 国产一区二区激情短视频| 高清黄色对白视频在线免费看| 成人手机av| 亚洲成国产人片在线观看| 黄片播放在线免费| 美国免费a级毛片| 女同久久另类99精品国产91| 男人舔女人的私密视频| 一区二区日韩欧美中文字幕| 捣出白浆h1v1| 国产成人精品无人区| 别揉我奶头~嗯~啊~动态视频| 欧美成人免费av一区二区三区 | 手机成人av网站| 91字幕亚洲| 国产精品国产av在线观看| 国产男女超爽视频在线观看| 最新的欧美精品一区二区| 亚洲欧美激情综合另类| 最近最新中文字幕大全电影3 | 精品一区二区三区四区五区乱码| 大片电影免费在线观看免费| 国产1区2区3区精品| 老司机在亚洲福利影院| 丝袜在线中文字幕| 婷婷精品国产亚洲av在线 | 后天国语完整版免费观看| 精品熟女少妇八av免费久了| 久久久久久亚洲精品国产蜜桃av| 法律面前人人平等表现在哪些方面| 最近最新中文字幕大全电影3 | 免费人成视频x8x8入口观看| 一区二区三区精品91| 久久久国产成人免费| 性少妇av在线| 在线播放国产精品三级| 久久 成人 亚洲| 欧美日韩瑟瑟在线播放| 亚洲精品在线美女| www.自偷自拍.com| 亚洲片人在线观看| 成年人免费黄色播放视频| 国产精品一区二区在线观看99| 最近最新免费中文字幕在线| 18禁裸乳无遮挡动漫免费视频| 亚洲精品av麻豆狂野| 999久久久精品免费观看国产| 久久久精品免费免费高清| 天堂中文最新版在线下载| 国产成人一区二区三区免费视频网站| 91老司机精品| 国产精品99久久99久久久不卡| 国产一区有黄有色的免费视频| 久久久国产精品麻豆| 国产欧美日韩一区二区精品| 91大片在线观看| 国产精品一区二区精品视频观看| 波多野结衣av一区二区av| 成人亚洲精品一区在线观看| 欧美精品一区二区免费开放| av一本久久久久| 久久精品亚洲熟妇少妇任你| 人人妻,人人澡人人爽秒播| 国产精品九九99| 国产精品成人在线| av天堂久久9| 黄色成人免费大全| 成人精品一区二区免费| 妹子高潮喷水视频| 在线永久观看黄色视频| 精品福利永久在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 国产成+人综合+亚洲专区| 亚洲伊人色综图| 91成年电影在线观看| 一进一出抽搐动态| 高潮久久久久久久久久久不卡| 亚洲成人免费电影在线观看| 黄色女人牲交| 叶爱在线成人免费视频播放| a级毛片在线看网站| 久久久久视频综合| 精品一区二区三区av网在线观看| 国产精品久久久久久精品古装| 久久久久精品人妻al黑| 国产麻豆69| 欧美国产精品va在线观看不卡| 日韩欧美一区二区三区在线观看 | 亚洲欧美激情综合另类| 美国免费a级毛片| 日本五十路高清| 亚洲九九香蕉| 最新在线观看一区二区三区| 亚洲欧美一区二区三区久久| 身体一侧抽搐| 99在线人妻在线中文字幕 | 欧美乱色亚洲激情| 他把我摸到了高潮在线观看| 亚洲人成电影免费在线| 脱女人内裤的视频| 一区二区三区激情视频| 18禁国产床啪视频网站| 国产精品久久久久久人妻精品电影| 十分钟在线观看高清视频www| 亚洲欧美一区二区三区久久| 婷婷精品国产亚洲av在线 | 精品一区二区三区av网在线观看| 国产视频一区二区在线看| av视频免费观看在线观看| 亚洲黑人精品在线| 欧美成人免费av一区二区三区 | 国产男靠女视频免费网站| 国产成人精品在线电影| 日韩有码中文字幕| 91精品国产国语对白视频| 久久久久久人人人人人| 国产三级黄色录像| 国产精品美女特级片免费视频播放器 | 黄片大片在线免费观看| 制服人妻中文乱码| 日韩中文字幕欧美一区二区| 亚洲成人国产一区在线观看| 大香蕉久久成人网| 亚洲在线自拍视频| 美女视频免费永久观看网站| 亚洲熟妇熟女久久| 免费在线观看黄色视频的| 看片在线看免费视频| 国产深夜福利视频在线观看| 一个人免费在线观看的高清视频| 精品久久久久久电影网| 好看av亚洲va欧美ⅴa在| 精品久久久久久,| 免费观看人在逋| 婷婷丁香在线五月| 老司机在亚洲福利影院| 另类亚洲欧美激情| 桃红色精品国产亚洲av| 精品久久久久久久久久免费视频 | 最新美女视频免费是黄的| 激情视频va一区二区三区| 精品乱码久久久久久99久播| 制服诱惑二区| 窝窝影院91人妻| 亚洲伊人色综图| 欧美激情高清一区二区三区| 人妻久久中文字幕网| 一二三四在线观看免费中文在| 国产精品国产av在线观看| 久久性视频一级片| 丁香六月欧美| 老熟女久久久| 91av网站免费观看| 免费久久久久久久精品成人欧美视频| 黄色成人免费大全| 美女高潮喷水抽搐中文字幕| 久久精品亚洲av国产电影网| 亚洲 欧美一区二区三区| 国产深夜福利视频在线观看| 精品国产乱码久久久久久男人| 成人三级做爰电影| 麻豆成人av在线观看| 十八禁网站免费在线| 无人区码免费观看不卡| 在线观看舔阴道视频| 欧美在线黄色| 丝袜人妻中文字幕| 日韩大码丰满熟妇| 久久草成人影院| 国产精品免费视频内射| 男女床上黄色一级片免费看| 一进一出抽搐动态| 日韩免费高清中文字幕av| 美女午夜性视频免费| 又大又爽又粗| 脱女人内裤的视频| 男女午夜视频在线观看| 国产成人精品久久二区二区91| av一本久久久久| 亚洲国产欧美日韩在线播放| 91成年电影在线观看| 国产单亲对白刺激| 在线观看免费视频日本深夜| 日韩三级视频一区二区三区| 欧美丝袜亚洲另类 | 狠狠狠狠99中文字幕| 欧美成人免费av一区二区三区 | 欧美精品高潮呻吟av久久| 亚洲国产欧美一区二区综合| 国产日韩一区二区三区精品不卡| 大型黄色视频在线免费观看| 久久人妻熟女aⅴ| 久久ye,这里只有精品| 天天躁夜夜躁狠狠躁躁| а√天堂www在线а√下载 | 精品亚洲成国产av| 国产成人精品久久二区二区91| xxx96com| 成人av一区二区三区在线看| 国产蜜桃级精品一区二区三区 | 日韩免费高清中文字幕av| 欧洲精品卡2卡3卡4卡5卡区| 国产亚洲av高清不卡| 人人妻人人澡人人爽人人夜夜| 国产成人欧美在线观看 | 在线看a的网站| 淫妇啪啪啪对白视频| 天天躁狠狠躁夜夜躁狠狠躁| a在线观看视频网站| 亚洲av片天天在线观看| 日韩精品免费视频一区二区三区| 制服诱惑二区| 99国产精品一区二区三区| 亚洲视频免费观看视频| 无人区码免费观看不卡| 国产乱人伦免费视频| 亚洲精品粉嫩美女一区| 成人三级做爰电影| 999精品在线视频| 免费女性裸体啪啪无遮挡网站| 最近最新中文字幕大全电影3 | 欧美日韩国产mv在线观看视频| 久久精品国产亚洲av香蕉五月 | 亚洲中文字幕日韩| 国产精品自产拍在线观看55亚洲 | 在线观看一区二区三区激情| 久久精品亚洲av国产电影网| av电影中文网址| 欧美黄色片欧美黄色片| 18禁裸乳无遮挡动漫免费视频| 久久久久久免费高清国产稀缺| 欧美日韩乱码在线| 黄色a级毛片大全视频| 国产精品久久久av美女十八| 午夜精品在线福利| 国产精品久久久久成人av| 天堂√8在线中文| 亚洲精品国产一区二区精华液| 每晚都被弄得嗷嗷叫到高潮| 51午夜福利影视在线观看| 黄片播放在线免费| 搡老岳熟女国产| 中文字幕人妻熟女乱码| 午夜激情av网站| 久久人妻熟女aⅴ| xxxhd国产人妻xxx| 国产野战对白在线观看| 视频在线观看一区二区三区| 真人做人爱边吃奶动态| 午夜福利欧美成人| 波多野结衣一区麻豆| 又黄又粗又硬又大视频| 亚洲,欧美精品.| 两人在一起打扑克的视频| 在线观看66精品国产| 久久久国产精品麻豆| 国产激情久久老熟女| 老熟妇仑乱视频hdxx| 欧美在线一区亚洲| 啦啦啦在线免费观看视频4| 日韩 欧美 亚洲 中文字幕| 久久久国产成人免费| 色老头精品视频在线观看| 人妻一区二区av| 狂野欧美激情性xxxx| 欧美亚洲日本最大视频资源| 性色av乱码一区二区三区2| 国产精品一区二区在线不卡| 精品人妻1区二区| 男人的好看免费观看在线视频 | 80岁老熟妇乱子伦牲交| 国产成人av教育| 国产乱人伦免费视频| 久久精品人人爽人人爽视色| 多毛熟女@视频| 亚洲精品在线观看二区| 国产成人影院久久av| 91九色精品人成在线观看| 亚洲精品一二三| 女人被狂操c到高潮| 精品一区二区三区视频在线观看免费 | 精品午夜福利视频在线观看一区| 黄色 视频免费看| 夜夜爽天天搞| 亚洲午夜理论影院| 亚洲av美国av| 欧美日韩亚洲国产一区二区在线观看 | 咕卡用的链子| 美女高潮喷水抽搐中文字幕| 国产单亲对白刺激| 欧美 日韩 精品 国产| 日韩人妻精品一区2区三区| 精品国产国语对白av| 国产精品二区激情视频| 国产男女内射视频| 婷婷精品国产亚洲av在线 | 欧美精品啪啪一区二区三区| 国产一区二区三区综合在线观看| 校园春色视频在线观看| 99国产极品粉嫩在线观看| 国产精华一区二区三区| 一边摸一边抽搐一进一出视频| 国产精品一区二区在线观看99| 欧美久久黑人一区二区| 99热只有精品国产| 国产人伦9x9x在线观看| 亚洲精品一二三| xxx96com| 国产91精品成人一区二区三区| 成人18禁在线播放| 亚洲精品久久成人aⅴ小说| 色综合欧美亚洲国产小说| 新久久久久国产一级毛片| 三级毛片av免费| ponron亚洲| 午夜精品久久久久久毛片777| 亚洲成人免费电影在线观看| 日韩人妻精品一区2区三区| 女性被躁到高潮视频| 性色av乱码一区二区三区2| 欧美乱码精品一区二区三区| 成人亚洲精品一区在线观看| 日日爽夜夜爽网站| 天堂√8在线中文| 精品久久久久久久久久免费视频 | 美国免费a级毛片| 国产精品自产拍在线观看55亚洲 | 99re6热这里在线精品视频| 久久人妻av系列| 1024香蕉在线观看| 国产精品永久免费网站| 国产高清激情床上av| 亚洲avbb在线观看| 精品一区二区三卡| 久久久国产成人精品二区 | 国产高清视频在线播放一区| 欧美日韩视频精品一区| 精品国产超薄肉色丝袜足j| 18禁裸乳无遮挡免费网站照片 | 久久久国产一区二区| 巨乳人妻的诱惑在线观看| 中文字幕色久视频| 天天躁狠狠躁夜夜躁狠狠躁| 两人在一起打扑克的视频| 日本五十路高清| 很黄的视频免费| 亚洲国产精品sss在线观看 | 久久久水蜜桃国产精品网| 亚洲情色 制服丝袜| 欧美黑人欧美精品刺激| 欧美久久黑人一区二区| 日韩欧美一区二区三区在线观看 | 亚洲欧美一区二区三区久久| 天天添夜夜摸| 天天躁日日躁夜夜躁夜夜| 日韩欧美免费精品| 老熟妇乱子伦视频在线观看| 欧美亚洲 丝袜 人妻 在线| 国产成人欧美| 国产精品美女特级片免费视频播放器 | 免费在线观看视频国产中文字幕亚洲| 国产三级黄色录像| 亚洲中文日韩欧美视频| 99国产综合亚洲精品| 美国免费a级毛片| 黄频高清免费视频| a级毛片黄视频| 中亚洲国语对白在线视频| 一边摸一边做爽爽视频免费|