• <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 ?

    基于模糊擬合圖像驅(qū)動(dòng)的苗族服飾圖像分割算法

    2022-09-15 06:49:46黃成泉周麗華
    現(xiàn)代紡織技術(shù) 2022年5期
    關(guān)鍵詞:苗族輪廓全局

    馮 潤(rùn),黃成泉,胡 雪,周麗華,鄭 蘭

    (貴州民族大學(xué),a.數(shù)據(jù)科學(xué)與信息工程學(xué)院;b.工程技術(shù)人才實(shí)踐訓(xùn)練中心;c.民族醫(yī)藥學(xué)院,貴陽(yáng) 550025)

    圖像分割作為圖像處理與計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)重要的階段[1],主要是將圖像分成若干個(gè)不相交的區(qū)域,然后提取出感興趣特征的一項(xiàng)關(guān)鍵技術(shù)。而主動(dòng)輪廓模型作為圖像分割的重要方法之一,由于其具有靈活選擇約束力和作用域、統(tǒng)一開(kāi)放式的描述形式等優(yōu)勢(shì),在圖像分割領(lǐng)域中得到了廣泛的應(yīng)用。目前,已有的主動(dòng)輪廓模型圖像分割算法的優(yōu)化中,主要針對(duì)合成圖像和醫(yī)學(xué)圖像分割等主流應(yīng)用,針對(duì)少數(shù)民族服飾圖像分割算法與優(yōu)化的研究案例較少。其中,部分是基于C均值模糊聚類(lèi)[2]、基于塊匹配的協(xié)同優(yōu)化方法[3]與基于閾值分割法[4]的少數(shù)民族服飾研究,基于主動(dòng)輪廓模型[5]的少數(shù)民族服飾圖像分割的研究較少。

    在過(guò)去的研究中,人們提出了許多經(jīng)典的主動(dòng)輪廓模型,主要分為基于邊緣的模型和基于區(qū)域的模型。在基于區(qū)域的模型中,Chan-Vese(CV)模型[6]作為最經(jīng)典的模型之一,假設(shè)待處理圖像具有均勻的強(qiáng)度,并且可以根據(jù)強(qiáng)度特征劃分為幾個(gè)不相交的子區(qū)域,從而達(dá)到對(duì)均勻圖像進(jìn)行有效的分割。但是,該模型不能很好的處理強(qiáng)度不均勻的圖像。隨后,眾多學(xué)者提出了許多基于區(qū)域的模型,例如:基于圖像局部信息的局部二值擬合(Local binary fitting, LBF)模型[7]、基于局部圖像擬合(Local image fitting, LIF)模型[8]、基于模糊能量的主動(dòng)輪廓(Fuzzy energy-based active contour, FEAC)模型[9]以及基于混合與局部模糊區(qū)域邊緣的主動(dòng)輪廓分割(Region-edge-based active contours driven by hybrid and local fuzzy region-based energy, HLFRA)模型[10]等,這些模型都能夠很好的處理具有強(qiáng)度不均勻的自然、合成與醫(yī)學(xué)圖像。如前所述,雖然基于區(qū)域的主動(dòng)輪廓圖像分割算法在自然、醫(yī)學(xué)與合成等圖像的分割上取得了非常豐碩的研究成果,但對(duì)少數(shù)民族服飾圖像進(jìn)行分割的研究較少。如劉其思等[11]采用變分水平集算法對(duì)服飾圖案輪廓進(jìn)行邊緣檢測(cè)和分割,結(jié)果表明,基于變分水平集算法相較于傳統(tǒng)的分割方法更為準(zhǔn)確有效,但是使用變分水平集算法難以滿足復(fù)雜圖案分割的需求。侯小剛等[5]通過(guò)融合形態(tài)學(xué)連通域標(biāo)記和CV模型,提出了一種民族服飾圖案紋樣元素分割的方法。該方法與其他自動(dòng)分割算法相比更為有效,但是想要在較高邊界召回率的情況下實(shí)現(xiàn)較高的分割準(zhǔn)確率還存在一定差距。

    綜上所述,與主動(dòng)輪廓模型在處理自然、醫(yī)學(xué)與合成圖像等主流圖像相比,苗族服飾圖像作為一種特殊的圖像類(lèi)型,具有繡線紋理、種類(lèi)繁多、形狀復(fù)雜度高、色彩差異大以及服飾圖像的不善保存導(dǎo)致獲取的圖像存在破損與不清晰等問(wèn)題,采用現(xiàn)有的主動(dòng)輪廓模型圖像分割技術(shù)對(duì)苗族服飾圖像進(jìn)行分割并未取得較好的分割結(jié)果。同時(shí),由于基于全局的主動(dòng)輪廓模型不能很好的分割灰度不均勻的圖像,基于局部的主動(dòng)輪廓模型存在對(duì)初始位置敏感以及容易陷入局部極小值等問(wèn)題。因此,以主動(dòng)輪廓模型為基礎(chǔ)的苗族服飾圖像分割面臨著極大的挑戰(zhàn)。針對(duì)這些問(wèn)題,本文在HLFRA模型[10]的啟發(fā)下,提出了一種基于模糊擬合圖像驅(qū)動(dòng)的苗族服飾圖像分割算法,在一定程度上對(duì)少數(shù)民族服飾圖像分割算法的研究提供參考。

    1 相關(guān)模型

    1.1 FEAC模型

    針對(duì)基于全局的主動(dòng)輪廓模型缺乏分割亮度不均勻圖像的能力以及基于局部的主動(dòng)輪廓模型對(duì)初始輪廓的位置敏感與容易收斂到局部最小值等問(wèn)題,Lv等[12]提出了一種基于分?jǐn)?shù)階擴(kuò)散邊緣指標(biāo)和模糊局部擬合圖像的模糊主動(dòng)輪廓模型。模糊能量函數(shù)表示為:

    +vspfL(I(x))δε(u(x)-0.5)+γspfG(I(x))

    (1)

    式中:λ、μ、ν和γ為正常數(shù),div(·)為散度運(yùn)算符,u(x)為偽水平集函數(shù),e(x)表示局部模糊能量項(xiàng),spfG(I(x))和spfL(I(x))分別表示全局和局部符號(hào)壓力函數(shù),定義為:

    e(x)=(m1(x)-m2(x))

    (2)

    (3)

    spfL(I(x))=

    (4)

    式中:IFLFI(x)=u1(x)m1(x)+u2(x)m2(x)表示模糊局部擬合圖像,W(x)=1/(1+exp(-M(x)))用于縮放I和IFLFI之間的Kulback-Leibler散度,c1、c2、m1(x)和m2(x)分別表示全局和局部?jī)?nèi)外強(qiáng)度平均值。

    FEAC模型具有靈活的初始化方法,并且能很好的解決具有弱邊界的圖像以及容易陷入局部最小值等問(wèn)題。同時(shí),該模型在分割具有亮度不均勻的合成圖像和真實(shí)圖像方面能得到令人滿意的結(jié)果。但是,當(dāng)存在大部分目標(biāo)對(duì)象與背景區(qū)域非常相似的情況時(shí),該模型不能很好地進(jìn)行分割。

    1.2 HLFRA模型

    為了分割具有高噪聲和強(qiáng)度不均勻的圖像,F(xiàn)ang等[10]在FEAC模型[9]的基礎(chǔ)上提出了一種基于混合和局部模糊能量的區(qū)域邊緣主動(dòng)輪廓模型。該模型的能量函數(shù)由區(qū)域能量和邊緣能量?jī)刹糠纸M成,區(qū)域能量激勵(lì)初始偽水平集函數(shù)向目標(biāo)邊界移動(dòng),邊緣能量用于精確檢測(cè)目標(biāo)邊界。能量函數(shù)定義為:

    F(u)=FR(u)+FE(u)

    (5)

    其中,F(xiàn)R(u)表示區(qū)域能量,F(xiàn)E(u)表示邊緣能量,分別定義為:

    (6)

    FE(u)=β1L(u-0.5)+β2P(u-0.5)

    (7)

    通過(guò)固定fb、fs、c1和c2,公式(6)相對(duì)u(x)最小化,得到隸屬度函數(shù)為:

    u(x)=

    (8)

    然后根據(jù)區(qū)域能量ΔF的變化來(lái)更新隸屬度函數(shù)u(x)。

    在HLFRA模型中,區(qū)域能量能夠引導(dǎo)演化曲線向目標(biāo)邊界運(yùn)動(dòng),邊緣能量使演化曲線精確地停在物體邊界上,該模型還通過(guò)計(jì)算新舊能量函數(shù)的差值來(lái)更新偽水平集函數(shù)。實(shí)驗(yàn)結(jié)果表明,HLFRA模型能夠有效地從高噪聲和強(qiáng)度不均勻的合成和真實(shí)圖像中提取目標(biāo),且凸區(qū)域能量保證了分割結(jié)果與初始條件無(wú)關(guān)。

    2 本文算法

    2.1 能量函數(shù)構(gòu)造

    在上述模型的啟發(fā)下,本文提出了一種新的基于模糊擬合圖像驅(qū)動(dòng)的苗族服飾圖像分割算法。使用0.5水平集作為演化曲線[9,10,12],將圖像域Ω分成內(nèi)部Cin(u>0.5)和外部Cout(u<0.5)兩個(gè)相鄰區(qū)域。由于全局圖像信息能夠處理灰度均勻的圖像,局部圖像信息在灰度不均勻方面起著重要作用。因此,結(jié)合全局與局部圖像信息在模糊區(qū)域中擬合出模糊局部與全局圖像,并將原始圖像和擬合的模糊局部與全局圖像在Kullback-Leibler散度方面的圖像差異構(gòu)造模糊能量函數(shù)。然后通過(guò)圖像局部與全局內(nèi)外區(qū)域的像素灰度歸一化類(lèi)內(nèi)方差構(gòu)造自適應(yīng)權(quán)重系數(shù)。接下來(lái),添加了一個(gè)正則項(xiàng)與一個(gè)長(zhǎng)度項(xiàng),并在其中引入一個(gè)邊緣檢測(cè)器。最后,通過(guò)標(biāo)準(zhǔn)梯度下降法[13]最小化能量函數(shù),并給出了算法的具體步驟。所提出的能量函數(shù)定義為:

    E(u)=Ffe(u)+Fedge(u)

    (9)

    式中:Ffe(u)是模糊能量函數(shù),F(xiàn)edge(u)由正則項(xiàng)與長(zhǎng)度項(xiàng)組成。

    2.1.1 模糊能量函數(shù)

    模糊能量函數(shù)由局部與全局模糊能量項(xiàng)組成。不同于HLFRA模型中混合局部模糊能量,本文在其基礎(chǔ)上,擬合出模糊局部與全局圖像。并依據(jù)FEAC模型通過(guò)Kullback-Leibler散度來(lái)量化原始圖像與擬合圖像之間差異的方法,通過(guò)原始圖像與兩幅模糊擬合圖像在Kullback-Leibler散度方面的圖像差異構(gòu)造局部與全局模糊能量項(xiàng)。同時(shí),通過(guò)自適應(yīng)權(quán)重系數(shù)來(lái)自動(dòng)調(diào)節(jié)局部與全局模糊能量項(xiàng)之間的參數(shù)。模糊能量函數(shù)定義為:

    (10)

    式中:第一項(xiàng)是全局模糊能量項(xiàng),能對(duì)灰度均勻的圖像進(jìn)行分割。第二項(xiàng)是局部模糊能量項(xiàng),分割灰度不均勻的圖像。wg和wl為兩個(gè)權(quán)重系數(shù),滿足wg+wl=1。ILFR(x)與IGFR(x)表示模糊局部與全局?jǐn)M合圖像,分別定義為:

    IGFR=c1[u(x)]m+c2[1-u(x)]m

    (11)

    ILFR=m1[u(x)]m+m2[1-u(x)]m

    (12)

    這里IGFR與ILFR可以認(rèn)為是原始圖像I在全局與局部窗口內(nèi)的模糊逼近,c1和c2為全局強(qiáng)度平均值,m1和m2為局部強(qiáng)度平均值,u(x)表示模糊隸屬度函數(shù),分別定義為:

    (13)

    (14)

    u(x)=

    (15)

    式中:[u1(x)]m=[u(x)]m、[u2(x)]m=[1-u(x)]m,m為每個(gè)模糊隸屬度的加權(quán)指數(shù),w(x,y)為空間權(quán)重,α1、α2、β1和β2為正加權(quán)參數(shù)。

    在式(10)中,為了根據(jù)圖像的均勻程度來(lái)自動(dòng)調(diào)整全局與局部模糊能量項(xiàng)之間的參數(shù),從而構(gòu)建了一個(gè)自適應(yīng)權(quán)重系數(shù)。不同于Jiang等[14]和Han等[15]基于全局圖像輪廓曲線內(nèi)外區(qū)域的像素灰度歸一化類(lèi)內(nèi)方差來(lái)定義權(quán)重系數(shù),本文在此基礎(chǔ)上結(jié)合了局部圖像輪廓曲線內(nèi)外區(qū)域的像素灰度歸一化類(lèi)內(nèi)方差來(lái)表示:

    (16)

    式中:a1、a2分別表示圖像全局輪廓曲線內(nèi)外區(qū)域像素灰度的類(lèi)內(nèi)方差,b1和b2分別表示圖像局部輪廓曲線內(nèi)外區(qū)域像素灰度的類(lèi)內(nèi)方差,分別定義為:

    (18)

    式中N表示整個(gè)圖像區(qū)域的像素?cái)?shù)。

    2.1.2 正則項(xiàng)與長(zhǎng)度項(xiàng)

    在式(9)中,將邊緣檢測(cè)器g分別引入正則項(xiàng)與長(zhǎng)度項(xiàng),以此來(lái)獲得光滑的輪廓曲線,平滑圖像邊緣。分別表示為:

    Fedge(u)=μLg(u=0.5)+νPg(u=0.5)

    (19)

    這里,μ、ν為常數(shù),Lg(u=0.5)表示水平集函數(shù)的長(zhǎng)度項(xiàng),Pg(u=0.5)表示符號(hào)距離函數(shù)的正則項(xiàng),定義為:

    2.2 能量函數(shù)求解

    本文通過(guò)標(biāo)準(zhǔn)梯度下降法最小化式(9)中的能量函數(shù),對(duì)于固定的c1、c2、m1和m2,E(u)相對(duì)于u(x)最小化:

    (22)

    這里e1和e2分別為:

    (23)

    (24)

    2.3 算法步驟描述

    本文算法的具體計(jì)算步驟為:

    a)輸入指定的圖像,并輸入初始參數(shù):即迭代次數(shù)IterNum、局部窗口(2k+1)×(2k+1)的大小k、常數(shù)ε、時(shí)間步長(zhǎng)Δt、權(quán)重μ、ν、α1、α2、β1、β2和邊緣檢測(cè)器g;

    b)初始化水平集,將其設(shè)置為u0(x)>0.5與u0(x)<0.5兩個(gè)部分;

    c)使用式(15)計(jì)算u(x)的偽水平集函數(shù),并使用式(13)計(jì)算兩個(gè)全局變量平均值c1和c2以及式(14)計(jì)算兩個(gè)局部變量平均值m1和m2;

    d)通過(guò)式(11)、(12)、(23)、(24)、(10)分別計(jì)算IGFR、ILFR、e1、e2和模糊能量函數(shù)Ffe(u),并通過(guò)式(16)計(jì)算權(quán)值wg和wl;

    e)對(duì)于正則項(xiàng)Pg和長(zhǎng)度項(xiàng)Lg分別使用公式(21)、(20)進(jìn)行計(jì)算;

    f)結(jié)合式(9),更新能量函數(shù);

    g)重復(fù)步驟c)-f),直到迭代完成。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證本文算法的有效性,本節(jié)設(shè)計(jì)4組實(shí)驗(yàn)進(jìn)行分析,即自然圖像分割比較分析、苗族服飾圖像的分割、苗族服飾圖像分割比較分析、不同初始形狀與位置的苗族服飾圖像分割。依據(jù)自然圖像與苗族服飾圖像之間的圖像性質(zhì)以及圖像的獲取方式等關(guān)聯(lián),特別是具有紋理的自然圖像與苗族服飾圖像有異曲同工之處。因此,首先將本文算法在自然圖像上進(jìn)行驗(yàn)證,來(lái)體現(xiàn)所提出的算法在主動(dòng)輪廓模型圖像分割上的優(yōu)勢(shì),實(shí)驗(yàn)數(shù)據(jù)集來(lái)自Describable Textures Dataset(DTD)數(shù)據(jù)集[16]和MSRA數(shù)據(jù)集[17]。然后,進(jìn)一步將本文算法運(yùn)用于選取的苗族服飾圖像上,驗(yàn)證本文算法的分割性能以及對(duì)初始輪廓曲線的位置與形狀的穩(wěn)定性。苗族服飾圖像數(shù)據(jù)集來(lái)源于北京服裝學(xué)院民族服飾博物館(http:∥www.biftmuseum.com/),該博物館收藏有中國(guó)各民族的服裝、飾品、織物、蠟染、刺繡等一萬(wàn)余件,還收藏有近千幅20世紀(jì)20~30年代拍攝的極為珍貴的彝族、藏族、羌族的民族生活服飾的圖片。在其中選取了關(guān)于貴州省苗族服飾的局部圖像(包括苗族蠟染、刺繡、混合與簡(jiǎn)單圖像)。

    實(shí)驗(yàn)在MatlabR2016a編程環(huán)境下,以3.3 ghz的Intel(R)內(nèi)核和8 gb的計(jì)算機(jī)內(nèi)存,在PC機(jī)上運(yùn)行。實(shí)驗(yàn)中固定參數(shù):偽水平集函數(shù)u(x)在內(nèi)部和外部區(qū)域分別設(shè)置為0.7和0.3,模糊隸屬度的加權(quán)指數(shù)m=2。常規(guī)參數(shù):局部加權(quán)系數(shù)w(x,y)被(2k+1)×(2k+1)窗口截?cái)?,局部加?quán)窗口k=1,迭代次數(shù)上限為30,時(shí)間步長(zhǎng)Δt=0.02,最小正常數(shù)ε=1,長(zhǎng)度項(xiàng)與正則項(xiàng)的加權(quán)參數(shù)μ=0.1和ν=0.8,圖像全局內(nèi)外權(quán)重α1、α2與局部?jī)?nèi)外權(quán)重β1和β2需根據(jù)圖像進(jìn)行調(diào)整。其他對(duì)比模型除特殊說(shuō)明外,其余參數(shù)均參考原文設(shè)置。

    3.1 比較算法與評(píng)價(jià)指標(biāo)

    由于本文是將主動(dòng)輪廓模型探索性的運(yùn)用于苗族服飾圖像的分割,因此將本文算法與基于區(qū)域的主動(dòng)輪廓模型,如LBF模型[7]、LIF模型[8]、局部與全局?jǐn)M合圖像(Local and global fitted image, LGFI)模型[18]和HLFRA模型[10]進(jìn)行實(shí)驗(yàn)驗(yàn)證,并綜合量化評(píng)價(jià)指標(biāo)與視覺(jué)效果對(duì)算法的性能進(jìn)行對(duì)比分析和結(jié)果討論。

    為了定量評(píng)價(jià)上述模型的分割效率和準(zhǔn)確性,使用迭代過(guò)程中所需的分割時(shí)間、迭代次數(shù)、Dice相似性系數(shù)[19](Dice similarity coefficient, DSC)和敏感性系數(shù)(Sensitivity, SN)對(duì)分割結(jié)果進(jìn)行定量評(píng)價(jià)[20]。其中迭代次數(shù)與分割時(shí)間的多少主要體現(xiàn)了算法的收斂程度,算法的收斂速度快,則相應(yīng)的迭代次數(shù)與分割時(shí)間會(huì)得到很大程度的降低。相反,如果算法的收斂速度慢,則迭代次數(shù)與分割時(shí)間也會(huì)增加。DSC反映的是算法的分割結(jié)果與真值結(jié)果之間的相似度,SN反映的是正確檢測(cè)超聲區(qū)域像素點(diǎn)和標(biāo)準(zhǔn)區(qū)域像素點(diǎn)總和的比值。DSC與SN兩個(gè)評(píng)價(jià)指標(biāo)的值都在0到1之間,值越大,表明檢測(cè)結(jié)果精度越高。分別定義為:

    (25)

    (26)

    式中:∩是交集運(yùn)算符,N(·)是封閉集的像素?cái)?shù),A是給定算法的分割結(jié)果,B為真值分割結(jié)果,TP和FN分別表示真陽(yáng)性和假陰性。

    3.2 自然圖像分割比較分析

    為了體現(xiàn)本文算法的性能,將本文算法與基于區(qū)域的主動(dòng)輪廓模型,即LBF模型、LIF模型、LGFI模型和HLFRA模型在自然圖像上進(jìn)行對(duì)比實(shí)驗(yàn)。圖1中圖像1至圖像6的實(shí)驗(yàn)參數(shù)α1、α2、β1和β2分別設(shè)置如下:(1.0, 0.5, 1.0, 0.5)、(0.01, 0.01, 1.0, 1.0)、(1.0, 0.5, 1.0, 0.5)、(1.5, 2.5, 1.0, 2.5)、(1.5, 2.5, 1.5, 2.0)、(0.5, 3.0, 1.0, 3.0)。分割結(jié)果如圖1和表1所示,圖1中顯示了不同模型與本文算法對(duì)自然圖像的分割結(jié)果,第1列是具有初始輪廓曲線的原始圖像,第2列到第6列分別顯示的是LBF、LIF、LGFI、HLFRA模型與本文算法的最終演化結(jié)果。表1顯示的是不同模型在圖1中6幅圖像的迭代次數(shù)與分割時(shí)間。

    圖1 不同模型對(duì)自然圖像的分割結(jié)果

    由圖1與表1的分割結(jié)果可以看出,LBF模型相較于LIF模型來(lái)說(shuō)分割結(jié)果相對(duì)較好,但是LBF模型所需的分割時(shí)間卻比LIF模型要高。LIF模型由于只運(yùn)用了圖像的局部信息,在分割多目標(biāo)圖像時(shí)容易導(dǎo)致邊界泄露,從而導(dǎo)致分割效果不佳,但是所需的分割時(shí)間較為可觀。LGFI模型的分割結(jié)果較差,由于LGFI模型運(yùn)用了局部與全局圖像信息,所以其分割所需的時(shí)間最多。HLFRA模型能有效的對(duì)圖像進(jìn)行分割,但是也存在一些不理想的地方被分割出來(lái)的情況。由于HLFRA模型是通過(guò)計(jì)算新舊能量函數(shù)的差值來(lái)更新偽水平集函數(shù),所以只需要較少的迭代次數(shù)與分割時(shí)間。在本文算法中,結(jié)合了局部與全局模糊擬合圖像在Kullback-Leibler散度方面的圖像差異構(gòu)造了模糊能量函數(shù),同時(shí)在模糊局部與全局項(xiàng)之間考慮自適應(yīng)權(quán)重。從而提高了本文算法對(duì)灰度均勻與不均勻圖像的分割精度與效率。此外,還在能量函數(shù)中添加了一項(xiàng)正則項(xiàng)與長(zhǎng)度項(xiàng)來(lái)獲得光滑的輪廓曲線,平滑圖像邊緣。因此,本文算法相較于其他的模型來(lái)說(shuō),能夠很好的對(duì)圖像進(jìn)行分割。并且只運(yùn)用常用的標(biāo)準(zhǔn)梯度下降法最小化能量函數(shù),就能獲得較少的分割時(shí)間與迭代次數(shù)。

    表1 不同模型在圖1中6幅圖像的分割時(shí)間與迭代次數(shù)

    分割精度的DSC與SN系數(shù)如表2所示。從 表2 可以看出,本文算法相較于其他模型來(lái)說(shuō),具有較好的分割效果。對(duì)應(yīng)圖像分割結(jié)果的相似性系數(shù)與敏感性系數(shù)分別能達(dá)到0.978與0.981以上,分割結(jié)果的平均值與LBF、LIF、LGFI和HLFRA模型相比分別提高了39.8%、67.2%、44.6%與5.8%。

    表2 不同模型在圖1中圖像4到圖像6的DSC與SN系數(shù)

    3.3 苗族服飾圖像的分割

    不同類(lèi)型的苗族服飾圖像對(duì)分割結(jié)果也有一定的影響,如蠟染圖像中具有圖像破損、圖像不清晰、圖像形狀復(fù)雜等問(wèn)題,刺繡圖像具有繡線紋理影響、圖像色彩差異較大等問(wèn)題,以及混合與簡(jiǎn)單圖像中不同類(lèi)型圖像之間、圖案具有污點(diǎn)等問(wèn)題的影響,這些問(wèn)題都有可能導(dǎo)致得到的分割結(jié)果不理想。為了驗(yàn)證本文算法對(duì)不同類(lèi)型苗族服飾圖像的分割性能,將本文算法運(yùn)用在不同類(lèi)型的苗族服飾圖像上進(jìn)行分割。如圖2所示,其中實(shí)驗(yàn)參數(shù)α1、α2、β1和β2設(shè)置如下:除刺繡圖像中第一幅圖像與第二幅圖像以及混合與簡(jiǎn)單圖像中第三幅圖像分別設(shè)置為(0.5, 2.5, 2.5, 2.5)、(1.5, 0.5, 1.5, 0.5)、(2.2, 2.0, 0.8, 0.7),其他圖像的參數(shù)均設(shè)置為(0.01, 0.01, 1.0, 1.0)。

    在圖2中,第1行、第3行與第5行分別顯示的是具有初始輪廓曲線的原始蠟染圖像、原始刺繡圖像與原始混合及簡(jiǎn)單圖像,第2行、第4行與第6行分別顯示的是本文算法的分割結(jié)果。從分割結(jié)果看出,由于圖像不清晰、圖像破損、繡線紋理以及圖像色彩差異較大等問(wèn)題的影響,導(dǎo)致部分分割結(jié)果不太理想,如蠟染圖像中第二幅圖像由于圖像的破損,導(dǎo)致一些不理想的區(qū)域被分割出來(lái);刺繡圖像中第三幅圖像由于圖像的色彩差異較大,部分區(qū)域未能被提取出來(lái)等。但是,基于總體的分割結(jié)果而言,提出的算法在不同類(lèi)型的苗族服飾圖像上具有較好的分割結(jié)果。

    圖2 不同苗族服飾圖像的分割

    3.4 苗族服飾圖像分割比較分析

    為了驗(yàn)證本文算法對(duì)不同類(lèi)型苗族服飾圖像分割性能的差異性,將本文算法與基于區(qū)域的主動(dòng)輪廓模型進(jìn)行比較。圖3中圖像1到圖像9的實(shí)驗(yàn)參數(shù)α1、α2、β1和β2設(shè)置如下:圖像1為(2.0, 2.2, 0.8, 0.7)、圖像2至圖像9設(shè)置為(0.01, 0.01, 1.0, 1.0)。圖3顯示的是不同模型在苗族服飾圖像上的分割結(jié)果。其中,圖像1到圖像3為蠟染圖像,圖像4到圖像7為刺繡圖像,圖像8到圖像9為簡(jiǎn)單與混合圖像。第1列顯示的是具有初始輪廓曲線的原始圖像,第2列到第6列分別顯示的是LBF、LIF、LGFI、HLFRA模型與本文算法的最終演化結(jié)果。從分割的結(jié)果看出,提出的算法都能對(duì)這九幅圖像進(jìn)行有效的分割。雖然一些特別細(xì)微地方的分割結(jié)果不是特別理想,但是相較于其他模型而言具有較好的分割效果。

    進(jìn)一步使用分割所需的時(shí)間與迭代次數(shù)定量評(píng)估了LBF、LIF、LGFI、HLFRA模型與本文算法對(duì)圖3中9幅圖像的分割性能。如表3所示,本文的方法對(duì)所測(cè)試圖像的分割時(shí)間都優(yōu)于其他模型,只需要較少的迭代次數(shù)與分割時(shí)間就能對(duì)圖像進(jìn)行分割。這是由于本文算法采用模糊局部與全局?jǐn)M合圖像同原始圖像的差異構(gòu)造了一個(gè)模糊能量函數(shù),因此極大的降低了分割所需的時(shí)間。HLFRA模型從分割時(shí)間與迭代次數(shù)來(lái)看,具有較好的性能。LGFI模型相較于LBF模型與LIF模型來(lái)說(shuō)迭代次數(shù)最少,但分割時(shí)間卻最多,因此LGFI模型在分割時(shí)間上不占優(yōu)勢(shì)。LIF模型的迭代次數(shù)比LBF模型與LGFI模型多,但是所需的分割時(shí)間卻最少,所以LIF模型在分割時(shí)間上比LBF模型與LGFI模型好。

    表3 不同模型在圖3中9幅圖像的迭代次數(shù)與分割時(shí)間

    圖3 不同模型在苗族服飾圖像上的分割結(jié)果

    3.5 初始化的魯棒性

    初始曲線的形狀和位置對(duì)分割結(jié)果也有一定的影響。因此,在具有不同初始形狀和位置的苗族服飾圖像上,對(duì)初始曲線的形狀與位置的敏感性進(jìn)行評(píng)估。實(shí)驗(yàn)參數(shù)α1、α2、β1和β2設(shè)置為:(1.5, 0.1, 1.5, 0.5)。通過(guò)保持所有參數(shù)不變,對(duì)圖4中顯示的具有不同初始形狀和位置的服飾圖像進(jìn)行測(cè)試。其中,第1行與第3行是具有不同初始形狀和位置的原始圖像,第2行和第4行是最終分割結(jié)果。結(jié)果顯示,對(duì)于不同初始形狀和位置的最終輪廓具有幾乎相同的分割結(jié)果,表明本文算法對(duì)初始輪廓的放置與形狀具有魯棒性。

    圖4 不同初始形狀與位置的苗族服飾圖像

    4 結(jié) 論

    本文針對(duì)苗族服飾圖像的分割,提出了一種基于模糊擬合圖像驅(qū)動(dòng)的苗族服飾圖像分割算法。在一定情況下起到發(fā)展苗族服飾的作用,這對(duì)苗族服飾圖案的保護(hù)、傳承和發(fā)展有重要的理論和實(shí)際意義。為了體現(xiàn)本文算法的有效性,首先,在自然圖像上與其他基于區(qū)域的主動(dòng)輪廓模型進(jìn)行實(shí)驗(yàn)評(píng)估。結(jié)果表明,本文算法具有較好的分割性能。然后,將本文算法應(yīng)用于苗族服飾圖像的分割。實(shí)驗(yàn)結(jié)果表明,本文算法在苗族服飾圖像的分割中具有較好的分割結(jié)果,并且對(duì)水平集函數(shù)的初始化具有魯棒性。但是,本文提出的算法在分割苗族服飾圖像時(shí)同樣存在一些問(wèn)題。作為探索性的研究,本文在以苗族服飾圖像為對(duì)象進(jìn)行分割算法的研究時(shí),僅僅考慮了簡(jiǎn)單的苗族服飾圖像的形狀、紋理與色彩等圖像信息。對(duì)于圖案具有復(fù)雜度特別高、紋理非常突出、存在較嚴(yán)重的破損與色彩差異特別大等問(wèn)題的苗族服飾圖像的分割結(jié)果中,存在少量漏分割與過(guò)分割的現(xiàn)象。這也將是今后的重點(diǎn)研究方向。

    猜你喜歡
    苗族輪廓全局
    苗族蠟染
    輪廓錯(cuò)覺(jué)
    Cahn-Hilliard-Brinkman系統(tǒng)的全局吸引子
    量子Navier-Stokes方程弱解的全局存在性
    基于實(shí)時(shí)輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
    落子山東,意在全局
    金橋(2018年4期)2018-09-26 02:24:54
    盛大節(jié)慶——苗族牯藏節(jié)
    苗族民歌
    苗族老照片
    焦點(diǎn)(2015年12期)2016-01-26 08:22:45
    在線學(xué)習(xí)機(jī)制下的Snake輪廓跟蹤
    国产黄色免费在线视频| 国产精品久久久久久久电影| 亚洲欧美精品专区久久| 亚洲一级一片aⅴ在线观看| 啦啦啦视频在线资源免费观看| 水蜜桃什么品种好| 亚洲精品456在线播放app| 亚洲美女搞黄在线观看| 久久人人爽人人片av| 麻豆成人午夜福利视频| 国产成人a∨麻豆精品| 黄色视频在线播放观看不卡| 人妻系列 视频| 亚洲av成人精品一区久久| 久久国产精品大桥未久av | av国产久精品久网站免费入址| 久久97久久精品| 亚洲自偷自拍三级| 日本vs欧美在线观看视频 | 久久鲁丝午夜福利片| 国产精品福利在线免费观看| 丰满迷人的少妇在线观看| 亚洲国产色片| 亚洲av不卡在线观看| 99久久人妻综合| 亚洲美女搞黄在线观看| 又黄又爽又刺激的免费视频.| 国产日韩欧美在线精品| 黑丝袜美女国产一区| 欧美日韩精品成人综合77777| 我要看日韩黄色一级片| 亚洲欧美一区二区三区国产| 国产午夜精品一二区理论片| 欧美精品一区二区免费开放| av在线播放精品| 午夜激情福利司机影院| 人人妻人人看人人澡| 天天躁夜夜躁狠狠久久av| 九色成人免费人妻av| 亚洲婷婷狠狠爱综合网| 日韩欧美精品免费久久| 国产综合精华液| 成人漫画全彩无遮挡| 嫩草影院入口| 久久久久久久亚洲中文字幕| 精品人妻偷拍中文字幕| 免费av中文字幕在线| 简卡轻食公司| 水蜜桃什么品种好| 秋霞伦理黄片| 边亲边吃奶的免费视频| 午夜激情久久久久久久| 国产老妇伦熟女老妇高清| 久久国产精品男人的天堂亚洲 | 精品人妻熟女毛片av久久网站| 国产黄色免费在线视频| 色哟哟·www| 99九九在线精品视频 | 欧美人与善性xxx| 99国产精品免费福利视频| 免费av不卡在线播放| 亚洲av成人精品一二三区| 国产成人a∨麻豆精品| 亚洲精品乱码久久久v下载方式| 亚洲中文av在线| 免费播放大片免费观看视频在线观看| 日韩免费高清中文字幕av| 久久久国产欧美日韩av| 日本免费在线观看一区| 日韩中文字幕视频在线看片| 欧美精品亚洲一区二区| 国产欧美日韩精品一区二区| h日本视频在线播放| 国产免费福利视频在线观看| 寂寞人妻少妇视频99o| 深夜a级毛片| 日韩精品有码人妻一区| 久久99精品国语久久久| 成人午夜精彩视频在线观看| 岛国毛片在线播放| 国内少妇人妻偷人精品xxx网站| 成人黄色视频免费在线看| 久久人人爽人人爽人人片va| 亚洲成人手机| 国产视频内射| 精品视频人人做人人爽| 蜜桃在线观看..| 女人久久www免费人成看片| 在线观看av片永久免费下载| 国产精品无大码| 欧美精品国产亚洲| 日日摸夜夜添夜夜爱| 五月天丁香电影| 久久久久久久久久久丰满| kizo精华| .国产精品久久| 欧美亚洲 丝袜 人妻 在线| 大码成人一级视频| 日本爱情动作片www.在线观看| 99久久精品国产国产毛片| 亚洲精品中文字幕在线视频 | 乱人伦中国视频| 午夜福利,免费看| 天堂中文最新版在线下载| 2022亚洲国产成人精品| 最黄视频免费看| 亚洲国产欧美在线一区| 久久 成人 亚洲| 在线免费观看不下载黄p国产| 自线自在国产av| 久久婷婷青草| 欧美日本中文国产一区发布| 国产探花极品一区二区| 女性生殖器流出的白浆| 国产欧美亚洲国产| 国产精品一区二区性色av| 97在线视频观看| 韩国高清视频一区二区三区| 国产有黄有色有爽视频| 一边亲一边摸免费视频| 国产日韩欧美视频二区| 国产一区二区三区综合在线观看 | av网站免费在线观看视频| 有码 亚洲区| 少妇 在线观看| 一个人看视频在线观看www免费| 日韩不卡一区二区三区视频在线| 曰老女人黄片| 久久精品国产亚洲av涩爱| 日本与韩国留学比较| 中文字幕av电影在线播放| 精品亚洲成a人片在线观看| 亚洲av日韩在线播放| 亚洲欧洲精品一区二区精品久久久 | 搡老乐熟女国产| 免费看日本二区| 看十八女毛片水多多多| 亚州av有码| 熟女人妻精品中文字幕| 在线精品无人区一区二区三| 国产精品人妻久久久影院| 简卡轻食公司| 人妻制服诱惑在线中文字幕| 九色成人免费人妻av| 日本黄色片子视频| 欧美最新免费一区二区三区| 伦理电影免费视频| 久久久久久久大尺度免费视频| 久久女婷五月综合色啪小说| 国产视频首页在线观看| 亚洲人成网站在线播| 肉色欧美久久久久久久蜜桃| 日本av手机在线免费观看| 乱人伦中国视频| 91久久精品电影网| 国产精品女同一区二区软件| 一个人免费看片子| 男女边摸边吃奶| 久久6这里有精品| 在线观看人妻少妇| 一级,二级,三级黄色视频| 欧美日韩视频高清一区二区三区二| 久久精品国产亚洲av天美| 亚洲av日韩在线播放| 亚洲av电影在线观看一区二区三区| 如何舔出高潮| 天天躁夜夜躁狠狠久久av| 精品少妇久久久久久888优播| 精品亚洲成a人片在线观看| 在线观看av片永久免费下载| 国产成人免费无遮挡视频| 在线观看人妻少妇| 亚洲真实伦在线观看| 大片免费播放器 马上看| 少妇精品久久久久久久| 免费高清在线观看视频在线观看| 少妇猛男粗大的猛烈进出视频| 国产色爽女视频免费观看| 久久免费观看电影| 成人影院久久| 人妻系列 视频| 精品酒店卫生间| av免费观看日本| 久久影院123| 久久久久久人妻| 欧美三级亚洲精品| 欧美性感艳星| 亚洲精品一区蜜桃| 日韩一本色道免费dvd| 久久97久久精品| 欧美97在线视频| 交换朋友夫妻互换小说| 亚洲精品久久午夜乱码| 国产免费又黄又爽又色| 婷婷色综合大香蕉| 亚洲国产精品成人久久小说| 国产白丝娇喘喷水9色精品| 大片电影免费在线观看免费| 久久99热6这里只有精品| 久久久久久久久久久免费av| 精品午夜福利在线看| 99热全是精品| 色94色欧美一区二区| 午夜激情久久久久久久| 极品教师在线视频| 亚洲欧美一区二区三区黑人 | 99视频精品全部免费 在线| 国产亚洲最大av| 高清毛片免费看| 日韩人妻高清精品专区| 美女福利国产在线| 国产日韩欧美在线精品| 美女主播在线视频| 简卡轻食公司| 中文字幕人妻丝袜制服| 国产精品女同一区二区软件| 秋霞伦理黄片| 亚洲美女视频黄频| 免费在线观看成人毛片| 欧美日韩一区二区视频在线观看视频在线| 免费观看性生交大片5| 中文字幕久久专区| 自拍偷自拍亚洲精品老妇| 午夜老司机福利剧场| 日韩精品免费视频一区二区三区 | 国产在线视频一区二区| 有码 亚洲区| 极品教师在线视频| 最近中文字幕2019免费版| 免费av中文字幕在线| 欧美成人午夜免费资源| 婷婷色麻豆天堂久久| 午夜老司机福利剧场| 人人妻人人看人人澡| 桃花免费在线播放| 另类精品久久| av网站免费在线观看视频| 精品少妇内射三级| 在线播放无遮挡| 国产精品人妻久久久影院| 如何舔出高潮| 国产午夜精品久久久久久一区二区三区| 午夜福利影视在线免费观看| 日韩熟女老妇一区二区性免费视频| 激情五月婷婷亚洲| 久久久a久久爽久久v久久| 少妇人妻一区二区三区视频| 国产日韩欧美视频二区| 大话2 男鬼变身卡| 国产成人a∨麻豆精品| 在线播放无遮挡| 日本av免费视频播放| 国内精品宾馆在线| 国产又色又爽无遮挡免| 亚州av有码| 三上悠亚av全集在线观看 | 亚洲美女搞黄在线观看| 中文欧美无线码| 老司机亚洲免费影院| av有码第一页| 91在线精品国自产拍蜜月| 日韩一区二区视频免费看| 亚洲国产精品专区欧美| 欧美 日韩 精品 国产| 天天躁夜夜躁狠狠久久av| 国语对白做爰xxxⅹ性视频网站| 国产探花极品一区二区| 欧美另类一区| 少妇精品久久久久久久| 搡女人真爽免费视频火全软件| 国产精品国产三级国产专区5o| 99精国产麻豆久久婷婷| 嫩草影院新地址| 80岁老熟妇乱子伦牲交| 色吧在线观看| 又爽又黄a免费视频| 日本色播在线视频| 麻豆乱淫一区二区| 天天操日日干夜夜撸| 精品少妇内射三级| 日本黄色日本黄色录像| 欧美另类一区| 两个人免费观看高清视频 | a级一级毛片免费在线观看| 日本vs欧美在线观看视频 | 777米奇影视久久| 国产在线一区二区三区精| 国产精品无大码| 最近的中文字幕免费完整| 日本免费在线观看一区| 久久午夜福利片| 亚洲国产日韩一区二区| 国产精品女同一区二区软件| 熟女av电影| 免费久久久久久久精品成人欧美视频 | 99久久中文字幕三级久久日本| 91精品国产九色| 欧美亚洲 丝袜 人妻 在线| 日本欧美国产在线视频| 老司机影院毛片| 色视频在线一区二区三区| 国产免费又黄又爽又色| 我的女老师完整版在线观看| 国产亚洲av片在线观看秒播厂| 欧美日韩精品成人综合77777| 老司机影院成人| 国产男女超爽视频在线观看| 精品少妇内射三级| 精品酒店卫生间| 午夜免费鲁丝| 十八禁网站网址无遮挡 | 岛国毛片在线播放| 日韩成人av中文字幕在线观看| 国产成人午夜福利电影在线观看| 成人特级av手机在线观看| 观看免费一级毛片| 一区二区av电影网| 晚上一个人看的免费电影| 国产极品天堂在线| 精品一区二区三区视频在线| 国产熟女欧美一区二区| 国产免费一区二区三区四区乱码| 亚洲国产日韩一区二区| 精品少妇久久久久久888优播| 日韩在线高清观看一区二区三区| a级毛片免费高清观看在线播放| 日韩电影二区| 久久人人爽人人爽人人片va| 只有这里有精品99| 亚洲欧美中文字幕日韩二区| av.在线天堂| 王馨瑶露胸无遮挡在线观看| 黑丝袜美女国产一区| 午夜福利视频精品| 久久久久国产网址| 免费观看性生交大片5| 亚洲,欧美,日韩| 国产日韩一区二区三区精品不卡 | 亚洲中文av在线| 色视频在线一区二区三区| 又爽又黄a免费视频| 最新的欧美精品一区二区| 欧美xxxx性猛交bbbb| 亚洲中文av在线| 欧美精品国产亚洲| 亚洲三级黄色毛片| 亚洲一级一片aⅴ在线观看| 伊人久久国产一区二区| 亚洲怡红院男人天堂| 纯流量卡能插随身wifi吗| 国产 一区精品| 国产69精品久久久久777片| 国产精品国产三级专区第一集| 水蜜桃什么品种好| 亚洲精品视频女| 最近的中文字幕免费完整| 男的添女的下面高潮视频| 夜夜骑夜夜射夜夜干| 熟女电影av网| 女性被躁到高潮视频| 国产精品一区二区性色av| 日韩亚洲欧美综合| 成人毛片a级毛片在线播放| av女优亚洲男人天堂| 人妻夜夜爽99麻豆av| 一本一本综合久久| 永久免费av网站大全| 亚洲欧美中文字幕日韩二区| 亚洲精品自拍成人| 国产乱来视频区| av在线观看视频网站免费| 免费在线观看成人毛片| 欧美精品一区二区免费开放| 久久久久久久大尺度免费视频| 美女主播在线视频| 黑人巨大精品欧美一区二区蜜桃 | 亚洲天堂av无毛| 极品教师在线视频| 免费播放大片免费观看视频在线观看| 国产乱人偷精品视频| 99久久精品热视频| av在线app专区| 久久久久久久久大av| 新久久久久国产一级毛片| 桃花免费在线播放| 黄色欧美视频在线观看| 国国产精品蜜臀av免费| 亚洲欧美成人精品一区二区| 久久久久久久精品精品| 少妇高潮的动态图| 99九九在线精品视频 | 麻豆乱淫一区二区| 午夜av观看不卡| 国产精品蜜桃在线观看| 国产极品粉嫩免费观看在线 | 日韩精品免费视频一区二区三区 | 免费人妻精品一区二区三区视频| 一级av片app| 久久精品国产自在天天线| 熟妇人妻不卡中文字幕| av播播在线观看一区| 免费观看的影片在线观看| 欧美xxxx性猛交bbbb| 秋霞在线观看毛片| 大陆偷拍与自拍| 夫妻午夜视频| 少妇精品久久久久久久| 26uuu在线亚洲综合色| 国产黄色视频一区二区在线观看| 大香蕉久久网| 亚洲欧洲精品一区二区精品久久久 | 亚洲av二区三区四区| 六月丁香七月| 三级国产精品欧美在线观看| 亚洲欧美一区二区三区国产| 如日韩欧美国产精品一区二区三区 | 久久6这里有精品| 亚洲丝袜综合中文字幕| 亚洲美女黄色视频免费看| av国产久精品久网站免费入址| 一个人看视频在线观看www免费| 一级毛片久久久久久久久女| 国产爽快片一区二区三区| 一级,二级,三级黄色视频| 免费观看无遮挡的男女| 欧美97在线视频| 欧美日韩精品成人综合77777| 老司机亚洲免费影院| 亚洲av欧美aⅴ国产| 欧美精品亚洲一区二区| 亚洲精品久久久久久婷婷小说| 亚洲av综合色区一区| 国内揄拍国产精品人妻在线| tube8黄色片| 国产精品三级大全| 亚洲久久久国产精品| 91精品伊人久久大香线蕉| 大陆偷拍与自拍| 老司机影院成人| 亚洲精品乱码久久久久久按摩| 国产精品国产三级国产专区5o| 日本午夜av视频| av黄色大香蕉| 国国产精品蜜臀av免费| 免费看光身美女| 一区二区三区免费毛片| 亚洲av欧美aⅴ国产| 丰满饥渴人妻一区二区三| 五月伊人婷婷丁香| av在线老鸭窝| 噜噜噜噜噜久久久久久91| 精品少妇黑人巨大在线播放| 亚洲高清免费不卡视频| 永久免费av网站大全| 青春草国产在线视频| 国产一区二区在线观看日韩| 免费黄频网站在线观看国产| 亚洲精品国产色婷婷电影| 国产精品99久久久久久久久| 国模一区二区三区四区视频| av网站免费在线观看视频| 色视频www国产| 人人妻人人澡人人看| 亚洲av成人精品一区久久| av一本久久久久| 亚洲国产日韩一区二区| 日韩免费高清中文字幕av| 国产永久视频网站| 如何舔出高潮| 亚洲精品色激情综合| 18+在线观看网站| 久久 成人 亚洲| 一区二区三区乱码不卡18| av福利片在线观看| 国产精品99久久99久久久不卡 | 人人澡人人妻人| 成人亚洲精品一区在线观看| 男人爽女人下面视频在线观看| av在线观看视频网站免费| 自线自在国产av| 又粗又硬又长又爽又黄的视频| 久久久欧美国产精品| 嫩草影院新地址| 国产熟女欧美一区二区| 久久精品国产亚洲网站| 精品国产一区二区久久| 男人添女人高潮全过程视频| 少妇裸体淫交视频免费看高清| www.av在线官网国产| 国产在视频线精品| 蜜臀久久99精品久久宅男| 自线自在国产av| 少妇的逼好多水| 精品人妻熟女毛片av久久网站| 插阴视频在线观看视频| 日产精品乱码卡一卡2卡三| 亚洲美女搞黄在线观看| 国产精品三级大全| 欧美激情极品国产一区二区三区 | 久久久国产精品麻豆| 国产精品久久久久成人av| 亚洲av日韩在线播放| 另类精品久久| 亚州av有码| 一级爰片在线观看| 久久精品国产自在天天线| 日韩三级伦理在线观看| 亚洲人成网站在线播| 亚洲熟女精品中文字幕| 人妻系列 视频| 亚洲一区二区三区欧美精品| 麻豆成人午夜福利视频| 亚洲欧美一区二区三区黑人 | 美女脱内裤让男人舔精品视频| 狂野欧美激情性bbbbbb| 精品国产一区二区久久| 国产在线男女| 美女福利国产在线| 男女边摸边吃奶| 欧美成人午夜免费资源| 黑人猛操日本美女一级片| 女性生殖器流出的白浆| 亚洲人与动物交配视频| 亚洲怡红院男人天堂| 国产在线男女| videossex国产| 亚洲精品自拍成人| 日日啪夜夜爽| 伦理电影免费视频| 99精国产麻豆久久婷婷| 国产精品一二三区在线看| 七月丁香在线播放| 人妻一区二区av| 我要看黄色一级片免费的| 亚洲精品,欧美精品| 新久久久久国产一级毛片| av天堂久久9| 美女脱内裤让男人舔精品视频| 国产精品国产三级国产专区5o| 久久久久精品久久久久真实原创| 狠狠精品人妻久久久久久综合| 最新中文字幕久久久久| 亚洲图色成人| 亚洲国产av新网站| 高清在线视频一区二区三区| 日韩大片免费观看网站| 少妇精品久久久久久久| 少妇的逼好多水| 午夜视频国产福利| 国国产精品蜜臀av免费| 欧美97在线视频| 丰满乱子伦码专区| 亚洲国产精品999| 亚洲情色 制服丝袜| 久久久久久久久久成人| 国产av国产精品国产| av福利片在线观看| 我要看黄色一级片免费的| 亚洲av欧美aⅴ国产| 国产精品一二三区在线看| 69精品国产乱码久久久| 亚洲不卡免费看| 各种免费的搞黄视频| 中文字幕久久专区| 亚洲精品国产色婷婷电影| 久久精品国产亚洲av涩爱| 国产成人a∨麻豆精品| 一级毛片黄色毛片免费观看视频| 麻豆成人午夜福利视频| 欧美亚洲 丝袜 人妻 在线| 极品教师在线视频| 国产成人91sexporn| 精品一区二区三卡| 国产高清国产精品国产三级| 在线精品无人区一区二区三| 亚洲成人手机| 高清黄色对白视频在线免费看 | 一区二区三区精品91| 国产精品麻豆人妻色哟哟久久| 亚洲精品久久午夜乱码| 天天躁夜夜躁狠狠久久av| 精品人妻一区二区三区麻豆| 人人澡人人妻人| 日韩欧美 国产精品| 久久久久久人妻| 中国国产av一级| 寂寞人妻少妇视频99o| 99热这里只有精品一区| 久久影院123| 亚洲av日韩在线播放| 亚洲不卡免费看| 9色porny在线观看| 边亲边吃奶的免费视频| 十八禁高潮呻吟视频 | 一级毛片黄色毛片免费观看视频| 91精品国产九色| 丰满乱子伦码专区| 久久人妻熟女aⅴ| 午夜精品国产一区二区电影| 成人影院久久| 男女免费视频国产| 成年av动漫网址| 成人18禁高潮啪啪吃奶动态图 | 日本午夜av视频| 国产精品国产av在线观看| 久久国内精品自在自线图片| 久久久久精品久久久久真实原创| 欧美老熟妇乱子伦牲交| 老司机影院成人| www.色视频.com| 日本黄色日本黄色录像| 少妇 在线观看| 五月玫瑰六月丁香| 波野结衣二区三区在线| 超碰97精品在线观看|