• <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 ?

    基于密度聚類與灰度變換的NSST域聲吶圖像去噪

    2022-11-14 08:03:49劉光宇曾志勇曹禹趙恩銘邢傳璽
    關(guān)鍵詞:圖像去噪聚類算法斑點(diǎn)

    劉光宇 曾志勇 曹禹 趙恩銘 邢傳璽

    摘要:傳統(tǒng)圖像去噪方法在去除聲吶圖像斑點(diǎn)噪聲的同時(shí),難以有效保留細(xì)節(jié)特征.針對(duì)該問題,提出一種基于密度聚類與灰度變換的非下采樣剪切波域圖像去噪方法.利用非下采樣剪切波變換將含噪圖像分解為高頻系數(shù)和低頻系數(shù),根據(jù)聲吶圖像中斑點(diǎn)噪聲的分布特性,采用基于密度的噪聲應(yīng)用空間聚類(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法對(duì)高頻系數(shù)進(jìn)行處理,分離噪聲信號(hào),保留細(xì)節(jié)信息;對(duì)低頻系數(shù)進(jìn)行灰度變換,以增強(qiáng)圖像對(duì)比度.通過非下采樣剪切波逆變換對(duì)處理后的高頻系數(shù)和低頻系數(shù)進(jìn)行重構(gòu),實(shí)現(xiàn)圖像去噪.實(shí)驗(yàn)結(jié)果表明,本文方法在改善圖像均方誤差、峰值信噪比和結(jié)構(gòu)相似度等指標(biāo)上效果明顯,去噪后圖像的視覺效果和邊緣保持能力得到較大提升.隨著噪聲方差的逐漸增大,本文方法的優(yōu)越性得到進(jìn)一步體現(xiàn),適用于具有高密度噪聲的聲吶圖像去噪.

    關(guān)鍵詞:圖像去噪;斑點(diǎn);聚類算法;非下采樣剪切波變換;灰度變換

    中圖分類號(hào):TP391文獻(xiàn)標(biāo)志碼:A

    Sonar Image Denoising Based on Density Clustering and Gray Scale Transformation in NSST Domain

    LIU Guangyu1,ZENG Zhiyong1,CAO Yu1,ZHAO Enming2,XING Chuanxi3

    (1. School of Engineering,Dali University,Dali 671003,China;2. College of Physics and Optoelectronic Engineering,Harbin Engineering University,Harbin 150001,China;3. School of Electrical Information Engineering,Yunnan Nationalities University,Kunming 650031,China)

    Abstract:Traditional image denoising methods are difficult to effectively retain detailed features while filtering the speckle noise of sonar images. To overcome this problem,an image denoising method based on density clustering and grayscale transformation in a non-subsampled shearlet domain is proposed. Non-subsampled shearlet transform is used to decompose the noisy image into high-frequency coefficients and low-frequency coefficients. According to the distribution characteristics of speckle noise in the sonar image,the Density-based Spatial Clustering of Applications with Noise(DBSCAN)algorithm is used to process high-frequency coefficients to separate noise interferenceand retain detailed information. Gray-scale transformation is performed on the low-frequency coefficients to enhance image contrast. Finally,the processed high-frequency coefficients and low-frequency coefficients are reconstructed by non-subsampled shearlet inverse transformation to achieve image denoising. The experimental results show that the method is effective in improving the image s mean square error,peak signal-to-noise ratio,structural similarity,and so on. After denoising,the visual effect and edge retention ability of the image are greatly improved. With the gradual increase of the noise variance,the superiority of this method is further manifested,and it is suitable for the denoising of sonar images with high-density noise.

    Key words:image denoising;speckle;clustering algorithms;Non-subsampled Shearlet Transform(NSST);gray scale transformation

    隨著經(jīng)濟(jì)社會(huì)的發(fā)展和相關(guān)技術(shù)的成熟,人們探索海洋的欲望越來越強(qiáng)烈.聲吶探測(cè)技術(shù)作為海洋探索的基本手段,在海底地形測(cè)繪、水下目標(biāo)物體探測(cè)以及生物種群監(jiān)測(cè)方面都發(fā)揮著重要作用[1].由于受海風(fēng)、洋流、水溫、雜質(zhì)以及成像設(shè)備等影響,使用聲吶探測(cè)技術(shù)得到的圖像中通常包含各種類型的噪聲,主要表現(xiàn)為顆粒狀的斑點(diǎn),尤其在淺海區(qū)域,該現(xiàn)象更為嚴(yán)重[2]斑點(diǎn)噪聲的存在導(dǎo)致圖像質(zhì)量嚴(yán)重下降,對(duì)后續(xù)的圖像處理產(chǎn)生不利影響[3].因此,如何有效去除圖像中的噪聲成了人們研究的熱點(diǎn).與光學(xué)圖像一樣,聲吶圖像中常見的去噪方法主要包括空間域去噪法(如均值濾波、中值濾波和維納濾波等)和變換域去噪法(如小波變換、脊波變換和輪廓波變換等)[4].其中變換域去噪法因其復(fù)雜程度低,且具有良好的邊緣保持能力而更受相關(guān)研究者們的關(guān)注[5].

    近年來,剪切波作為變換域中一種新的多尺度幾何分析工具在各種圖像去噪方法中脫穎而出,以其結(jié)構(gòu)簡(jiǎn)單,對(duì)多維數(shù)據(jù)的各向異性特征近乎最優(yōu)的稀疏表示而深受人們的青睞[6].由于剪切波變換后圖像存在一定程度的偽吉布斯現(xiàn)象[7],因此,Easley等人在其基礎(chǔ)上進(jìn)行改進(jìn),提出了非下采樣剪切波變換[8].2020年,Routray等把非下采樣剪切波和雙邊濾波進(jìn)行結(jié)合,構(gòu)建了一種新的圖像去噪模型[9];同年,Morteza等提出了基于TLS(t-locations scale)和非下采樣剪切波的噪聲濾波方法[10].這些方法在保持剪切波原有優(yōu)點(diǎn)的同時(shí),提高了圖像的峰值信噪比和結(jié)構(gòu)相似度,降低了均方誤差,克服了圖像中出現(xiàn)的偽吉布斯現(xiàn)象,使圖像的質(zhì)量得到進(jìn)一步提升.

    由于聲吶圖像的噪聲特性與光學(xué)圖像、紅外圖像等存在差異,直接運(yùn)用光學(xué)圖像和紅外圖像等的去噪方法將難以使聲吶圖像達(dá)到理想的去噪效果. 斑點(diǎn)噪聲在聲吶圖像中的分布呈現(xiàn)密度不一的特點(diǎn),主要集中在混響區(qū)域和目標(biāo)區(qū)域,在陰影區(qū)域密度較小[11],與常見的噪聲類型相比,其復(fù)雜性更強(qiáng). 聚類算法在圖像處理中已有成功應(yīng)用.其中,DBSCAN(Density-based Spatial Clustering of Applications with Noise)算法可根據(jù)數(shù)據(jù)的分布特性自主計(jì)算鄰域值,利用數(shù)據(jù)內(nèi)部的聚集性和連通性可實(shí)現(xiàn)更為準(zhǔn)確和高效的數(shù)據(jù)分類[12].

    本文把非下采樣剪切波變換與DBSCAN密度聚類相結(jié)合,利用灰度變換對(duì)聲吶圖像進(jìn)行處理,構(gòu)建一種新的圖像去噪模型.該模型在去除斑點(diǎn)噪聲和緩解偽吉布斯現(xiàn)象的同時(shí),進(jìn)一步保持了圖像的邊緣細(xì)節(jié)特征,對(duì)提高圖像峰值信噪比、結(jié)構(gòu)相似度和降低均方誤差等擁有明顯的效果.

    1基本理論

    1.1噪聲模型

    根據(jù)噪聲與信號(hào)的關(guān)系,圖像的噪聲類型可分為加性噪聲和乘性噪聲[13].聲吶圖像中常見的噪聲類型為乘性斑點(diǎn)噪聲,其模型可描述為:

    (x,y)=n(x,y)(x,y)(1)

    式中:(x,y)為含有噪聲的圖像;n(x,y)為原始圖像;q(x,y)為噪聲信號(hào).乘性斑點(diǎn)噪聲通常服從瑞利分布,與光學(xué)圖像中常見的加性高斯噪聲相比,具有起伏劇烈、均勻度較低以及存在較大不確定性等特點(diǎn),處理起來更為困難[14].加性高斯噪聲和乘性斑點(diǎn)噪聲在圖像中的分布如圖1所示.

    1.2剪切波變換

    剪切波變換(Shearlet Transform,ST)是在合成小波變換基礎(chǔ)上發(fā)展的數(shù)學(xué)算法,可通過對(duì)基函數(shù)實(shí)行伸縮、平移和剪切等操作生成所需的剪切波函數(shù),是一種接近最優(yōu)的多維函數(shù)稀疏表示方法[15].

    當(dāng)維數(shù)n=2時(shí),剪切波的仿射系統(tǒng)為:

    則AAB(ψ)系統(tǒng)中的元素ψ就稱為合成小波,其中膨脹矩陣Aj代表尺度變換,矩陣Bl代表幾何變換.通過上述仿射變換,系統(tǒng)可以構(gòu)造各個(gè)尺度和各個(gè)方向上的緊支撐框架[16].令式(2)中的A為各向異性的膨脹矩陣,B為剪切矩陣,通常情況下:

    當(dāng)a=4,s=1時(shí),

    此時(shí)的合成小波被稱為剪切波[17].剪切波是一個(gè)帶有尺度、方向和位置的函數(shù)集合.在頻域中,不同尺度的剪切波在其頻域支撐下,表現(xiàn)為近似22j×2j大小的梯形形狀.剪切波基函數(shù)的支撐區(qū)域可以隨著尺度的長(zhǎng)寬比發(fā)生變化,能夠最優(yōu)地表示圖像的內(nèi)在幾何結(jié)構(gòu),其頻域剖分和頻域支撐示意圖如圖2所示.圖2(a)中的ξ1和ξ2為剪切波頻域剖分的尺度參數(shù).

    1.3非下采樣剪切波變換

    傳統(tǒng)剪切波變換在多尺度分解過程中存在下采樣操作,容易導(dǎo)致細(xì)節(jié)信息丟失,重構(gòu)后的圖像極易產(chǎn)生偽吉布斯現(xiàn)象.非下采樣剪切波變換(Nonsubsampled Shearlet Transform,NSST)的出現(xiàn)解決了上述問題,在保持傳統(tǒng)剪切波良好的局部性、方向敏感性、最佳稀疏性等特性的同時(shí),有效緩解了頻譜混疊現(xiàn)象[18].

    非下采樣剪切波變換的離散化過程分為多尺度分解和方向局部化兩部分[19]:

    1)多尺度分解:利用非下采樣金字塔濾波器(Non-subsampled Pyramid Filter,NSPF)將圖像分解為k+1個(gè)與原圖像大小相同的子帶圖像,其中包括1個(gè)低頻子帶圖像和k個(gè)高頻子帶圖像.

    2)方向局部化:標(biāo)準(zhǔn)的剪切波變換中使用的剪切濾波器(Shear Filter,SF)是在偽極化坐標(biāo)系中通過窗函數(shù)的平移操作實(shí)現(xiàn)的,此過程中包含下采樣操作,不具備平移不變性.而非下采樣剪切波變換將標(biāo)準(zhǔn)的剪切濾波器從偽極化網(wǎng)絡(luò)系統(tǒng)映射回到笛卡爾坐標(biāo)系統(tǒng),摒棄下采樣操作,實(shí)現(xiàn)了平移不變性.

    非下采樣剪切波的具體實(shí)現(xiàn)過程:首先,采用非下采樣金字塔濾波器將圖像分解為低頻子帶圖像和高頻子帶圖像.其次,對(duì)高頻子帶圖像構(gòu)建Meyer窗,進(jìn)行方向局部化,獲得不同的方向子帶.最后,對(duì)每一個(gè)方向子帶進(jìn)行傅立葉逆變換,以獲得非下采樣剪切波系數(shù).NSST二級(jí)分解示意圖如圖3所示.

    1.4密度聚類

    DBSCAN密度聚類作為聚類中常見的算法,因其具有識(shí)別任意形狀的簇、不需要事先設(shè)置簇的數(shù)量以及能夠識(shí)別噪聲點(diǎn)等優(yōu)點(diǎn),受到人們的青睞[20].它的基本思想是定義一個(gè)簇為所有緊密連接的數(shù)據(jù)點(diǎn)的最大集合,在以某個(gè)數(shù)據(jù)點(diǎn)為圓心,以ε為半徑的區(qū)域內(nèi),DBSCAN通過區(qū)域查詢,判斷該區(qū)域包含的數(shù)據(jù)點(diǎn)個(gè)數(shù)是否大于設(shè)定的密度閾值δ,如果大于該數(shù)值,則創(chuàng)建一個(gè)新的簇,然后把相關(guān)聯(lián)的簇進(jìn)行合并.如果某個(gè)對(duì)象不在任何簇中,則該對(duì)象被視為噪聲點(diǎn),從而達(dá)到分類的目的[21].基于參數(shù)ε和δ,給出數(shù)據(jù)集D={x1,x2,…,xm},其中xi∈D,xj∈D.DBSCAN密度聚類算法有以下基本概念[22]:

    1)核心對(duì)象:若以xj為圓心,ε為半徑的區(qū)域內(nèi)至少包含δ個(gè)樣本,則稱xj為核心對(duì)象;

    2)密度直達(dá):若xj位于以xi為圓心,ε為半徑的區(qū)域內(nèi),且xi為核心對(duì)象,則稱xj由xi密度直達(dá);

    3)密度可達(dá):若存在樣本序列K1,K2,…,Kn,其中K1=xi,Kn=xj且Ki+1由Ki密度直達(dá),則稱xj由xi密度可達(dá);

    4)密度相連:若存在xh均可使xi和xj由xh密度可達(dá),則稱xi和xj密度相連.

    當(dāng)δ=3時(shí),DBSCAN密度聚類示意圖如圖4所示.其中,虛線圈內(nèi)的區(qū)域是以ε為半徑的區(qū)域,x1為核心對(duì)象,x2由x1密度直達(dá),x3由x1密度可達(dá),x3與x4密度相連.

    1.5灰度變換

    灰度變換是指將原圖像中的灰度值映射到另一灰度值,其中比例線性變換、分段線性變換是常見的映射函數(shù)[22].由于分段線性變換在一定的灰度值區(qū)間內(nèi)具有不同的變換函數(shù),比單一的線性變換函數(shù)更為靈活和更具針對(duì)性,可根據(jù)需求拉伸圖像每一部分的灰度值,達(dá)到增強(qiáng)圖像質(zhì)量,提高對(duì)比度的效果.分段線性變換函數(shù)示意圖如圖5所示.

    2NSST域聲吶圖像去噪

    本文結(jié)合非下采樣剪切波變換、DBSCAN密度聚類和灰度變換對(duì)聲吶圖像進(jìn)行去噪,具體去噪步驟如下:

    1)利用非下采樣金字塔濾波器對(duì)含噪圖像進(jìn)行4層分解,分解為1層低頻子帶圖像和4層高頻子帶圖像,同時(shí)通過剪切濾波器把4層高頻子帶圖像分別分為23、23、24和24個(gè)方向.含噪圖像及其高低頻子帶圖像如圖6所示.

    從圖6中可以看出,含噪圖像經(jīng)過分解后,原始信息被分解到不同層次.其中,低頻子帶圖像包含了原始信息的主要能量,高頻子帶圖像包含了大量細(xì)節(jié)信息和噪聲信號(hào).隨著分解層數(shù)的增加,細(xì)節(jié)信息和噪聲信號(hào)越來越集中.因此,將更高層次的子帶圖像分成多個(gè)方向,以精準(zhǔn)捕獲每個(gè)方向上的細(xì)節(jié)特征.

    2)根據(jù)斑點(diǎn)噪聲在聲吶圖像中的分布特性,利用DBSCAN密度聚類對(duì)每一層的高頻子帶圖像進(jìn)行聚類處理,δ的取值通常為N+1,其中N為數(shù)據(jù)的維度.通過調(diào)節(jié)ε值,將信號(hào)劃分為細(xì)節(jié)信號(hào)和噪聲信號(hào),對(duì)噪聲信號(hào)進(jìn)行零值處理,保留細(xì)節(jié)信號(hào).

    3)低頻子帶圖像中通常不包含噪聲干擾,因此,只需對(duì)其對(duì)比度進(jìn)行調(diào)整.利用灰度變換中的分段函數(shù)對(duì)低頻子帶圖像進(jìn)行灰度拉伸,進(jìn)一步提升圖像的整體視覺效果.

    4)利用非下采樣剪切波逆變換對(duì)處理后的高頻子帶圖像和低頻子帶圖像進(jìn)行重構(gòu),得到恢復(fù)后的圖像.

    整體去噪流程圖如圖7所示.

    3實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)1選取大小為256×256的沉船圖像[(圖8(a)]作為實(shí)驗(yàn)對(duì)象,對(duì)其添加方差為0.5的斑點(diǎn)噪聲,運(yùn)用本文所提方法對(duì)其進(jìn)行處理.得到重構(gòu)后的圖像與變換域中的小波變換(Wavelet Transform,WT)、脊波變換(Ridgelet Transform,RT)、輪廓波變換(Con- tourlet Transform,CT)、剪切波變換(Shearlet Transform,ST)和非下采樣剪切波變換(Non-subsampled Shearlet Transform,NSST)去噪法的去噪結(jié)果進(jìn)行對(duì)比.對(duì)比結(jié)果如圖8所示.

    從圖8(c)(d)(e)可以看出,通過小波變換、脊波變換和輪廓波變換去噪后,圖像中的斑點(diǎn)噪聲得到一定程度的去除,但同時(shí)圖像整體出現(xiàn)了模糊,細(xì)節(jié)信息丟失嚴(yán)重.在圖8(f)中,通過剪切波變換去噪后,圖像中的噪聲明顯減少,但其邊緣保持能力不足,影響了圖像的質(zhì)量.在圖8(g)中,通過非下采樣剪切波變換處理后,圖像中的偽吉布斯現(xiàn)象得到明顯改善,邊緣保持能力相比剪切波去噪法有了較大的提升.在圖8(h)中,采用DBSCAN密度聚類、灰度變換與非下采樣剪切波變換相結(jié)合的方法進(jìn)行處理后,圖像中的噪聲得到有效濾除,邊緣輪廓和細(xì)節(jié)特征得到準(zhǔn)確捕捉,失真程度明顯小于小波變換(WT)、脊波變換(RT)、輪廓波變換(CT)、剪切波變換(ST)和非下采樣剪切波變換(NSST)去噪法,從直觀視覺的角度證明了該方法的優(yōu)越性.

    為進(jìn)一步客觀具體地評(píng)估所提出的方法,對(duì)圖8(b)中的含噪圖像(Noisy Image,NI)重復(fù)實(shí)驗(yàn)20 次,計(jì)算去噪后圖像的質(zhì)量評(píng)價(jià)指標(biāo)[24],即均方誤差(Mean Squared Error,MSE)、信噪比(Signal to Noise Ratio,SNR)、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和結(jié)構(gòu)相識(shí)度(Structural Similarity,SSIM)的平均值,并通過數(shù)據(jù)對(duì)圖像質(zhì)量進(jìn)行判斷.MSE值、SNR值、PSNR值和SSIM值的計(jì)算公式分別如下:

    式中:OMSE表示MSE的值;m×n表示圖像的大小;I(i,j)為原始圖像;R(i,j)為重構(gòu)后的圖像.MSE值越小表明圖像質(zhì)量越好.

    式中:QSNR表示SNR的值.

    式中:QPSNR表示PSNR的值;Lmax表示原始圖像I(i,j)的最大灰度值.與SNR值一樣,PSNR值越大表明圖像失真程度越小,圖像質(zhì)量越好.

    式中:QSSIM表示SSIM的值;ux、uy分別為圖像x和y的均值;σx、σy分別為圖像x和y的標(biāo)準(zhǔn)差.SSIM是衡量?jī)煞鶊D像相似度的指標(biāo),其值越大表明兩幅圖像越相似.

    經(jīng)過多次實(shí)驗(yàn)后,沉船圖像的均方誤差(MSE)、信噪比(SNR)、峰值信噪比(PSNR)和結(jié)構(gòu)相識(shí)度(SSIM)的平均值如表1所示.

    從表1中的數(shù)據(jù)可以明顯看出,采用小波變換(WT)、脊波變換(RT)和輪廓波變換(CT)去噪后,圖像的SNR值和PSNR值有一定程度的提升,但SSIM值效果不理想,圖像失真較為嚴(yán)重.采用剪切波變換(ST)去噪后,SNR值、PSNR值和SSIM值分別提升了232.87%、59.85%和60.73%,MSE值下降了86.46%.采用非下采樣剪切波變換(NSST)去噪后,SNR值、PSNR值和SSIM值分別提升了253.05%、65.04%和65.39%,MSE值下降了88.40%,去噪效果好于剪切波變換.運(yùn)用密度聚類、灰度變換和非下采樣剪切波變換相結(jié)合的方法處理后,圖像的SNR值從3.702 8 dB提升至13.855 7 dB,提升了274.20%;PSNR值從14.406 8 dB 提升至24.559 7 dB,提升了70.47%;SSIM 值從0.328 2 提升至0.565 2,提升了72.21%;MSE值從0.036 2下降至0.003 5,下降了90.33%.本文方法的SNR值、PSNR值和SSIM值提升的幅度以及MSE值下降的幅度均大于小波變換(WT)、脊波變換(RT)、輪廓波變換(CT)、剪切波變換(ST)和非下采樣剪切波變換(NSST)去噪法,從客觀數(shù)據(jù)表明,本文方法在上述6種變換域去噪法中去噪效果最好,失真程度最小,邊緣保持能力最強(qiáng).

    實(shí)驗(yàn)2為進(jìn)一步驗(yàn)證本文方法在不同噪聲密度條件下的客觀性和優(yōu)越性,利用公共圖像數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),并與現(xiàn)有文獻(xiàn)方法進(jìn)行對(duì)比.將圖9中的公共圖像數(shù)據(jù)集添加方差分別為0.3、0.4、0.5和0.6 的斑點(diǎn)噪聲,運(yùn)用文獻(xiàn)[25]的BM3D算法、文獻(xiàn)[26]的PGPD算法、文獻(xiàn)[27]的EPLL-GMM算法、文獻(xiàn)[28]的ACVA算法和本文所提方法進(jìn)行去噪處理,得到去噪后圖像的MSE、SNR、PSNR和SSIM的平均值如表2所示.

    從表2中的數(shù)據(jù)可知,本文所提方法在噪聲方差分別為0.3、0.4、0.5和0.6的情況下,MSE值分別下降了89.76%、91.21%、91.40%和91.64%;SNR值、PSNR值和SSIM值分別提升了164.34%、197.74%、223.60%、247.41%、86.42%、97.90%、103.25%、110.20%和293.32%、345.45%、387.73%、422.05%.各項(xiàng)指標(biāo)的變化幅度隨噪聲方差的增大而逐漸提升,并且其值均優(yōu)于文獻(xiàn)[25-28]的去噪方法,表明本文方法在去除聲吶圖像斑點(diǎn)噪聲中擁有明顯優(yōu)勢(shì).通過折線圖進(jìn)一步展示各項(xiàng)評(píng)價(jià)指標(biāo)的變化趨勢(shì),趨勢(shì)圖如圖10所示.

    圖10中,隨著噪聲方差的增大,BM3D、PGPD、EPLL-GMM、ACVA和本文所提方法的MSE值呈上升趨勢(shì),SNR值、PSNR值和SSIM值呈下降趨勢(shì).其中,BM3D的MSE值在5種去噪方法中保持最大,SNR值和PSNR值保持最小,表明其去噪效果不太理想;ACVA的SNR值、PSNR值和SSIM值均大于PGPD和EPLL-GMM算法,表明其去噪效果好于PGPD和EPLL-GMM算法;本文去噪法的各項(xiàng)指標(biāo)變化平穩(wěn),始終優(yōu)于其他4種去噪方法,并且其優(yōu)勢(shì)隨噪聲方差的增大而更加明顯,證明了本文方法更適用于具有高密度噪聲的聲吶圖像去噪.不同方法的去噪效果如圖11所示.

    在圖11中,含噪圖像分別通過BM3D、PGPD、EPLL-GMM、ACVA和本文方法進(jìn)行去噪處理后,圖像質(zhì)量得到了不同程度的提升.其中BM3D算法去除了圖像中的部分斑點(diǎn)噪聲,但效果還不夠理想;PGPD和EPLL-GMM算法噪聲去除明顯,但細(xì)節(jié)信息丟失較為嚴(yán)重,影響了圖像的質(zhì)量;ACVA算法的邊緣保持能力得到較大的提升,但與本文方法相比還存在一定差距.

    除了MSE、SNR、PSNR和SSIM等常用指標(biāo),時(shí)間復(fù)雜度也是評(píng)價(jià)圖像去噪算法的重要標(biāo)準(zhǔn).運(yùn)用搭載Intel Core i5-6200處理器和4 GB運(yùn)行內(nèi)存的計(jì)算機(jī)在MATLAB R2019b平臺(tái)上進(jìn)行多次試驗(yàn),得到不同算法的平均運(yùn)行時(shí)間如表3所示.

    由表3可知,BM3D的平均運(yùn)行時(shí)間為0.853 8 s,時(shí)間復(fù)雜度低,但卻以犧牲去噪性能為代價(jià);本文方法平均運(yùn)行時(shí)間為2.594 1 s,明顯低于PGPD、EPLL- GMM和ACVA去噪算法,驗(yàn)證了本文方法較強(qiáng)的去噪實(shí)時(shí)性.

    4結(jié)論

    本文對(duì)聲吶圖像去噪方法進(jìn)行研究,提出一種基于密度聚類與灰度變換的非下采樣剪切波域圖像去噪方法,該研究可總結(jié)為:

    1)利用非下采樣剪切波變換的局部化特性、方向敏感性、最優(yōu)稀疏表示特性和平移不變性等特點(diǎn)降低去噪后圖像的失真程度,緩解偽吉布斯現(xiàn)象,降低了時(shí)間復(fù)雜度;

    2)對(duì)聲吶圖像的噪聲特性進(jìn)行分析,選擇適合其分布的DBSCAN聚類算法,有效分離圖像中的噪聲干擾,增強(qiáng)圖像的邊緣保持能力;

    3)利用灰度變換中的分段函數(shù)增強(qiáng)圖像的對(duì)比度,提升了視覺效果;

    4)仿真試驗(yàn)表明,本文方法在均方誤差、峰值信噪比和結(jié)構(gòu)相似度等指標(biāo)上優(yōu)于傳統(tǒng)變換域和文獻(xiàn)[25-28]中的去噪方法,并且在高密度噪聲條件下其優(yōu)勢(shì)更為明顯,適用于噪聲干擾嚴(yán)重的聲吶圖像去噪.

    參考文獻(xiàn)

    [1]趙歡.多尺度多特征融合的聲吶圖像目標(biāo)檢測(cè)[D].西安:西安理工大學(xué),2019:1-2.

    ZHAO H. Sonar image target detection based on multi-scale and multi-feature fusion [D]. Xi'an:Xi'an University of Technology,2019:1-2.(In Chinese)

    [2]朱莉娟.基于聲吶圖像斑點(diǎn)噪聲的降噪算法研究[D].大連:大連海事大學(xué),2019:6-7.

    ZHU L J. Research on de-noising algorithm based on sonar image speckle noises [D]. Dalian:Dalian Maritime University,2019:67.(In Chinese)

    [3] YUAN F,XIAO F Q,ZHANG K H,et al. Noise reduction for sonar images by statistical analysis and fields of experts [J]. Journal of Visual Communication and Image Representation,2021,74:102995

    [4]荊方,劉增力.基于改進(jìn)的雙邊濾波與非下采樣剪切波變換的圖像去噪[J].通信技術(shù),2019,52(1):80-85.

    JING F,LIU Z L. Image denoising based on improved bilateral filtering and non-subsampled shearlet transform [J]. Communications Technology,2019,52(1):80-85.(In Chinese)

    [5] GOYAL B,DOGRA A,AGRAWAL S,et al. Two-dimensional gray scale image denoising via morphological operations in NSST domain &bitonic filtering [J]. Future Generation Computer Systems,2018,82:158-175

    [6]劉興斌.基于非下采樣剪切波變換的醫(yī)學(xué)圖像融合算法研究[D].北京:北京理工大學(xué),2017:15-17.

    LIU X B. Research on medical image fusion algorithms based on non-subsampled shearlet transform [D]. Beijing:Beijing Institute of Technology,2017:15-17 (In Chinese)

    [7] EL-HOSENY H M,EL-RAHMAN W A,EL-SHAFAI W,et al Efficient multi-scale non-sub-sampled shearlet fusion system based on modified central force optimization and contrast enhancement[J]. Infrared Physics & Technology,2019,102:102975

    [8] EASLEY G,LABATE D,LIM W Q. Sparse directional image representations using the discrete shearlet transform[J]. Applied and Computational Harmonic Analysis,2008,25(1):25-46

    [9] ROUTRAY S,MALLA P P,SHARMA S K,et al. A new image denoising framework using bilateral filtering based non-subsampled shearlet transform[J]. Optik,2020,216:164903

    [10] MORTEZA A,AMIRMAZLAGHANI M. A novel statistical approach for multiplicative speckle removal using t-locations scale and non-sub sampled shearlet transform[J]. Digital Signal Processing,2020,107:102857

    [11]張家發(fā).噪聲估計(jì)算法在側(cè)掃聲吶圖像去噪中的應(yīng)用研究[D].青島:國(guó)家海洋局第一海洋研究所,2018:11-13.

    ZHANG J F. Application of noise estimation algorithm in side scan sonar image denoising[D]. Qingdao:First Institute of Oceanography,State Oceanic Administration,2018:11-13. (In Chinese)

    [12] MOLAE F. Provide a web recommender system to improve searchquality using dbscan clustering algorithms and svm machine tracking method [J]. Journal of Information Technology &Software Engineering,2021,11(3):1-7.

    [13]王加忠,潘振寬,魏偉波,等.彩色圖像乘性噪聲去除的高階變分模型[J].計(jì)算機(jī)仿真,2020,37(2):443-448.

    WANG J Z,PAN Z K,WEI W B,et al. High-order variational model for color image multiplicative noise removal[J]. Computer Simulation,2020,37(2):443-448. (In Chinese)

    [14] MEHTA N,PRASAD S. Speckle noise reduction and entropy minimization approach for medical images [J]. International Journal of Information Technology,2021,13(4):1457-1462.

    [15]劉巧紅,林敏,李廣超.非下采樣Shearlet域多變量模型的圖像去噪[J].西華大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,37(6):26-31.

    LIU Q H,LIN M,LI G C. Image denoising using multivariate model based on non-subsampled shearlettransfrom [J]. Journal of Xihua University (Natural Science Edition),2018,37(6):2631.(In Chinese)

    [16]胡躍輝,姚子賢,方勇,等.基于離散剪切波變換的傅里葉疊層成像算法研究[J].電子技術(shù)與軟件工程,2021(5):130-133.

    HU YH,YAO Z X,F(xiàn)ANG Y,et al. Research on fourier stack imaging algorithm based on discrete shearlet transform[J]. Electronic Technology & Software Engineering,2021(5):130-133. (In Chinese)

    [17]劉明君,董增壽,張鳳珍.基于改進(jìn)的非下采樣剪切波變換多聚焦圖像融合技術(shù)的研究[J].儀表技術(shù)與傳感器,2017(9):114-117.

    LIU M J,DONG Z S,ZHANG F Z. Research of multi-focus image fusion technology based on improved non-subsampled shear- let transform[J]. Instrument Technique and Sensor,2017(9):114-117.(In Chinese)

    [18] DIWAKAR M,SINGH P. CT image denoising using multivariate model and its method noise thresholding in non-subsampled shear- let domain[J]. Biomedical Signal Processing and Control,2020,57:101754.

    [19]李亮亮.基于非下采樣剪切波變換的圖像增強(qiáng)算法研究[D].長(zhǎng)春:吉林大學(xué),2019:21-28.

    LI L L. The research of image enhancement algorithm based on non-subsampled shearlet transform[D]. Changchun:Jilin University,2019:21-28. (In Chinese)

    [20] ZHU Q D,TANG X M,ELAHI A. Application of the novel harmony search optimization algorithm for DBSCAN clustering[J]. Expert Systems With Applications,2021,178:115054.

    [21]汪鵬,劉澤玲,王利琴,等.基于PB-DBSCAN的GPS數(shù)據(jù)去噪[J].計(jì)算機(jī)工程與設(shè)計(jì),2021,42(3):678-683.

    WANG P,LIU Z L,WANG L Q,et al. GPS data denoising based on PB-DBSCAN[J]. Computer Engineering and Design,2021,42(3):678-683.(In Chinese)

    [22]唐菓,鄧興升,王清陽.基于密度聚類的點(diǎn)云濾波算法研究[J].激光與光電子學(xué)進(jìn)展.2022,59(16):162803.

    TANG G,DENG X S,WANG Q Y. Research on point cloud filtering algorithm based on density clustering[J]. Laser and Optoelectronics Progress. 2022,59(16):162803.(In Chinese)

    [23]周飛.基于NSCT和剪切波變換的圖像增強(qiáng)算法的研究[D].烏魯木齊:新疆大學(xué),2017:7-9.

    ZHOU F. The research on image enhancement algorithm based on NSCT and shearlet transform [D]. Urumqi:Xinjiang University,2017:7-9. (In Chinese)

    [24]侯春萍,李浩,岳廣輝.局部和全局特征融合的色調(diào)映射圖像質(zhì)量評(píng)價(jià)[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,46(8):132-140.

    HOU C P,LI H,YUE G H. Quality assessment of tone-mapped images using local and global features[J]. Journal of Hunan University(Natural Sciences),2019,46(8):132-140.(In Chinese)[25] DABOV K,F(xiàn)OI A,KATKOVNIK V,et al. Image denoising by sparse 3-D transform-domain collaborative filtering[J]. IEEE Transactions on Image Processing,2007,16(8):2080-2095.

    [26] ZORAN D,WEISS Y. From learning models of natural image patches to whole image restoration [C]//2011 International Conference on Computer Vision. Barcelona,Spain:IEEE,2011:479-486.

    [27] XU J,ZHANG L,ZUO W M,et al. Patch group based nonlocal self-similarity prior learning for image denoising[C]//2015 IEEE International Conference on Computer Vision. Santiago,Chile:IEEE,2015:244-252.

    [28] ZHAO W Z,LIU Q G,LV Y S,et al. Texture variation adaptive image denoising with nonlocal PCA[J]. IEEE Transactions on Image Processing,2019,28(11):5537-5551.

    猜你喜歡
    圖像去噪聚類算法斑點(diǎn)
    可可愛愛斑點(diǎn)湖
    大自然探索(2024年1期)2024-02-29 09:10:30
    可愛的小斑點(diǎn)
    斑點(diǎn)豹
    豬身上起紅斑點(diǎn)怎么辦?
    K—Means聚類算法在MapReduce框架下的實(shí)現(xiàn)
    基于K?均值與AGNES聚類算法的校園網(wǎng)行為分析系統(tǒng)研究
    基于稀疏表示的圖像去噪和超分辨率重建
    基于字典學(xué)習(xí)和結(jié)構(gòu)聚類的圖像去噪算法研究
    基于NSCT改進(jìn)核函數(shù)的非局部均值圖像去噪
    基于改進(jìn)的K_means算法在圖像分割中的應(yīng)用
    亚洲欧美激情综合另类| 精品熟女少妇八av免费久了| 国产成人av激情在线播放| 亚洲专区国产一区二区| 1024香蕉在线观看| 亚洲成av人片免费观看| 亚洲欧洲精品一区二区精品久久久| 久久久久国产精品人妻aⅴ院| 女人高潮潮喷娇喘18禁视频| 久久中文字幕人妻熟女| 狂野欧美激情性xxxx| 中文资源天堂在线| 国产精品久久久av美女十八| 日韩av在线大香蕉| 欧美国产日韩亚洲一区| 久久精品91蜜桃| 香蕉av资源在线| a级毛片在线看网站| 欧美极品一区二区三区四区| 黄色成人免费大全| 在线免费观看的www视频| 日本 欧美在线| 欧美极品一区二区三区四区| 在线a可以看的网站| 午夜福利欧美成人| 国模一区二区三区四区视频 | 波多野结衣巨乳人妻| 麻豆久久精品国产亚洲av| 免费在线观看完整版高清| www.www免费av| www.熟女人妻精品国产| 亚洲一区二区三区色噜噜| 午夜免费观看网址| 午夜免费激情av| 亚洲天堂国产精品一区在线| 亚洲精品中文字幕在线视频| 国产一区二区激情短视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产亚洲精品综合一区在线观看 | 成人三级做爰电影| 少妇熟女aⅴ在线视频| 国产成人系列免费观看| 男女视频在线观看网站免费 | 免费高清视频大片| 免费在线观看亚洲国产| 亚洲国产精品合色在线| 午夜免费观看网址| 一级作爱视频免费观看| 免费一级毛片在线播放高清视频| 国产精品久久久久久亚洲av鲁大| 久久精品国产亚洲av高清一级| 国产精品亚洲av一区麻豆| 久久精品亚洲精品国产色婷小说| 亚洲精品久久成人aⅴ小说| 99久久无色码亚洲精品果冻| 男女那种视频在线观看| 欧美+亚洲+日韩+国产| 久久久久久国产a免费观看| 真人一进一出gif抽搐免费| 久久人妻av系列| 一区二区三区激情视频| 日韩三级视频一区二区三区| 免费在线观看黄色视频的| 免费在线观看日本一区| 国产三级在线视频| 搡老妇女老女人老熟妇| 久久久久精品国产欧美久久久| 黑人巨大精品欧美一区二区mp4| 亚洲激情在线av| 一本久久中文字幕| 午夜精品一区二区三区免费看| 身体一侧抽搐| 国产精品日韩av在线免费观看| 国产成人一区二区三区免费视频网站| 欧美高清成人免费视频www| av天堂在线播放| 久久中文字幕人妻熟女| 色尼玛亚洲综合影院| 精品少妇一区二区三区视频日本电影| 亚洲精品粉嫩美女一区| 久久精品国产99精品国产亚洲性色| 老司机深夜福利视频在线观看| 亚洲成人精品中文字幕电影| 免费看十八禁软件| 日日爽夜夜爽网站| 亚洲成人中文字幕在线播放| 亚洲av熟女| 国产久久久一区二区三区| 又紧又爽又黄一区二区| 国产亚洲欧美在线一区二区| 久久这里只有精品19| 91九色精品人成在线观看| 日韩欧美精品v在线| 两个人视频免费观看高清| 蜜桃久久精品国产亚洲av| 三级男女做爰猛烈吃奶摸视频| 久久中文看片网| 国产亚洲av嫩草精品影院| 中文字幕久久专区| 亚洲欧美日韩无卡精品| 嫁个100分男人电影在线观看| 国产成人av激情在线播放| 国产高清视频在线播放一区| 国产黄色小视频在线观看| 色综合欧美亚洲国产小说| 婷婷精品国产亚洲av| 日韩欧美三级三区| xxxwww97欧美| 国产视频一区二区在线看| www.999成人在线观看| 欧美日韩福利视频一区二区| 亚洲国产精品合色在线| 香蕉av资源在线| 后天国语完整版免费观看| 亚洲av中文字字幕乱码综合| av欧美777| 这个男人来自地球电影免费观看| 中文字幕高清在线视频| 久久亚洲精品不卡| 国产欧美日韩一区二区精品| 国产精品乱码一区二三区的特点| 国产精品一区二区三区四区久久| 女人被狂操c到高潮| 欧美不卡视频在线免费观看 | 波多野结衣巨乳人妻| 国产野战对白在线观看| 又大又爽又粗| 可以在线观看毛片的网站| 亚洲精品一区av在线观看| 亚洲av第一区精品v没综合| www.精华液| 黑人巨大精品欧美一区二区mp4| 亚洲熟妇中文字幕五十中出| 国产单亲对白刺激| 亚洲欧美精品综合一区二区三区| 19禁男女啪啪无遮挡网站| 日本一区二区免费在线视频| 老司机深夜福利视频在线观看| 久久这里只有精品中国| 日韩有码中文字幕| 国内精品一区二区在线观看| www.999成人在线观看| 三级毛片av免费| 亚洲成av人片在线播放无| 日韩 欧美 亚洲 中文字幕| 18禁裸乳无遮挡免费网站照片| 国产精品电影一区二区三区| 亚洲精品久久成人aⅴ小说| 久久性视频一级片| 超碰成人久久| 亚洲av成人av| 一卡2卡三卡四卡精品乱码亚洲| 亚洲成人免费电影在线观看| 我要搜黄色片| 黑人欧美特级aaaaaa片| 少妇人妻一区二区三区视频| 两性夫妻黄色片| 亚洲成av人片在线播放无| 国产精品香港三级国产av潘金莲| 久久九九热精品免费| 亚洲国产欧美网| avwww免费| 后天国语完整版免费观看| 欧美日本视频| 午夜免费观看网址| 国产精品亚洲av一区麻豆| 久久国产精品影院| 90打野战视频偷拍视频| 一本精品99久久精品77| 村上凉子中文字幕在线| 久久久国产成人免费| 欧美绝顶高潮抽搐喷水| 日本精品一区二区三区蜜桃| 欧美极品一区二区三区四区| 欧美+亚洲+日韩+国产| 免费人成视频x8x8入口观看| 9191精品国产免费久久| 国产精品,欧美在线| 中文字幕精品亚洲无线码一区| 婷婷亚洲欧美| 亚洲av电影在线进入| 亚洲国产中文字幕在线视频| 好男人电影高清在线观看| 两个人视频免费观看高清| 国产在线精品亚洲第一网站| 在线观看一区二区三区| 非洲黑人性xxxx精品又粗又长| 白带黄色成豆腐渣| a级毛片a级免费在线| 日韩欧美在线二视频| 国产爱豆传媒在线观看 | 欧美三级亚洲精品| 免费观看人在逋| 久久人妻av系列| 日本五十路高清| 中亚洲国语对白在线视频| 国产1区2区3区精品| 亚洲成人精品中文字幕电影| 一级作爱视频免费观看| 黄色成人免费大全| 午夜亚洲福利在线播放| 国产1区2区3区精品| av欧美777| 精品熟女少妇八av免费久了| 在线观看免费视频日本深夜| 久久精品国产亚洲av高清一级| 50天的宝宝边吃奶边哭怎么回事| av在线播放免费不卡| 亚洲国产精品成人综合色| 啦啦啦观看免费观看视频高清| 国产在线观看jvid| 亚洲人与动物交配视频| 国产午夜福利久久久久久| 国产精品av久久久久免费| 亚洲天堂国产精品一区在线| 日韩 欧美 亚洲 中文字幕| 别揉我奶头~嗯~啊~动态视频| 少妇熟女aⅴ在线视频| 亚洲精品美女久久av网站| 又爽又黄无遮挡网站| 亚洲中文字幕一区二区三区有码在线看 | 日韩 欧美 亚洲 中文字幕| 一本一本综合久久| 又紧又爽又黄一区二区| 国产91精品成人一区二区三区| 青草久久国产| 欧美中文综合在线视频| 久久久水蜜桃国产精品网| 18禁裸乳无遮挡免费网站照片| 制服人妻中文乱码| 999精品在线视频| 亚洲国产欧美人成| 非洲黑人性xxxx精品又粗又长| 91在线观看av| 亚洲自拍偷在线| 国产黄色小视频在线观看| 精品午夜福利视频在线观看一区| 亚洲色图av天堂| 岛国视频午夜一区免费看| 1024视频免费在线观看| 国产精品 欧美亚洲| 一级黄色大片毛片| 久久婷婷人人爽人人干人人爱| 中亚洲国语对白在线视频| 国产精品永久免费网站| 一区二区三区激情视频| 久久中文看片网| 制服诱惑二区| 国产av麻豆久久久久久久| 久久精品人妻少妇| av有码第一页| 国产麻豆成人av免费视频| 91在线观看av| 婷婷精品国产亚洲av在线| 欧美日韩亚洲综合一区二区三区_| 亚洲一区高清亚洲精品| 久久精品91蜜桃| 亚洲欧美一区二区三区黑人| 国产亚洲精品一区二区www| 久久中文看片网| 精品欧美一区二区三区在线| 午夜影院日韩av| 好男人在线观看高清免费视频| 在线十欧美十亚洲十日本专区| 日本精品一区二区三区蜜桃| 最近最新中文字幕大全电影3| 巨乳人妻的诱惑在线观看| 国产精品美女特级片免费视频播放器 | 啦啦啦观看免费观看视频高清| 国产主播在线观看一区二区| 人妻久久中文字幕网| 欧美又色又爽又黄视频| 香蕉国产在线看| 国产精品一区二区精品视频观看| 大型av网站在线播放| 9191精品国产免费久久| 久久久久久久午夜电影| 可以在线观看毛片的网站| 亚洲激情在线av| 亚洲欧美精品综合久久99| 欧美又色又爽又黄视频| 在线观看免费午夜福利视频| 我的老师免费观看完整版| 18美女黄网站色大片免费观看| 不卡av一区二区三区| 91成年电影在线观看| 久久久久久久久免费视频了| 亚洲激情在线av| 成人亚洲精品av一区二区| 最好的美女福利视频网| 99久久精品国产亚洲精品| 99久久久亚洲精品蜜臀av| 日韩大码丰满熟妇| 小说图片视频综合网站| 麻豆av在线久日| 757午夜福利合集在线观看| 嫩草影院精品99| 免费在线观看日本一区| 亚洲熟妇中文字幕五十中出| 91老司机精品| 免费av毛片视频| 亚洲avbb在线观看| 国产精品香港三级国产av潘金莲| 成熟少妇高潮喷水视频| 日韩 欧美 亚洲 中文字幕| 成年免费大片在线观看| 人人妻,人人澡人人爽秒播| 一级作爱视频免费观看| 每晚都被弄得嗷嗷叫到高潮| 麻豆成人午夜福利视频| 成人av一区二区三区在线看| 99精品久久久久人妻精品| 夜夜看夜夜爽夜夜摸| 一级片免费观看大全| 日韩国内少妇激情av| 俄罗斯特黄特色一大片| 好看av亚洲va欧美ⅴa在| 视频区欧美日本亚洲| 精品国内亚洲2022精品成人| 亚洲精品美女久久av网站| xxx96com| 99精品欧美一区二区三区四区| 级片在线观看| 18禁国产床啪视频网站| 亚洲天堂国产精品一区在线| 美女黄网站色视频| 黑人欧美特级aaaaaa片| 日本精品一区二区三区蜜桃| 啦啦啦观看免费观看视频高清| 美女黄网站色视频| 国产精品一区二区免费欧美| 国产精品一区二区三区四区久久| 国内精品久久久久精免费| 在线免费观看的www视频| 高清在线国产一区| 国产私拍福利视频在线观看| 观看免费一级毛片| 男女床上黄色一级片免费看| 日韩大尺度精品在线看网址| 欧美黄色片欧美黄色片| 高潮久久久久久久久久久不卡| 99热只有精品国产| 国产aⅴ精品一区二区三区波| 国产蜜桃级精品一区二区三区| 99热这里只有精品一区 | 亚洲av成人av| 国产成人精品一,二区 | 搞女人的毛片| av在线播放精品| 内射极品少妇av片p| 国产精品女同一区二区软件| 国产免费男女视频| av视频在线观看入口| 亚洲最大成人中文| 免费搜索国产男女视频| 在线观看66精品国产| 亚洲高清免费不卡视频| 亚洲人成网站在线播放欧美日韩| 99久国产av精品国产电影| 亚洲第一区二区三区不卡| 国产精华一区二区三区| 亚洲成人久久性| 国产精品嫩草影院av在线观看| 久久精品91蜜桃| 午夜福利视频1000在线观看| 我的老师免费观看完整版| 久久久久网色| 久久精品人妻少妇| 亚洲成a人片在线一区二区| 免费看a级黄色片| 久久99热6这里只有精品| 免费看a级黄色片| 桃色一区二区三区在线观看| 只有这里有精品99| 国产精品久久久久久久久免| 最新中文字幕久久久久| av黄色大香蕉| 亚洲国产欧洲综合997久久,| 成人午夜精彩视频在线观看| 99热网站在线观看| 观看免费一级毛片| 变态另类丝袜制服| 日韩在线高清观看一区二区三区| 免费观看人在逋| 精品少妇黑人巨大在线播放 | 特大巨黑吊av在线直播| eeuss影院久久| 一卡2卡三卡四卡精品乱码亚洲| 26uuu在线亚洲综合色| 精品久久久久久成人av| 美女国产视频在线观看| 欧美一级a爱片免费观看看| 久久精品影院6| 可以在线观看毛片的网站| 久久久久久国产a免费观看| 亚洲人成网站在线观看播放| 在线观看美女被高潮喷水网站| 亚洲在久久综合| av在线播放精品| 欧美人与善性xxx| 国产黄片视频在线免费观看| 国产精品一区二区在线观看99 | avwww免费| 久久精品国产亚洲av天美| 最新中文字幕久久久久| 欧美高清性xxxxhd video| 看非洲黑人一级黄片| 欧美高清性xxxxhd video| 亚洲美女视频黄频| 丝袜喷水一区| 国产精品日韩av在线免费观看| 免费av观看视频| 亚洲av一区综合| 黄色配什么色好看| 一本久久精品| 久久久久久九九精品二区国产| 中文字幕精品亚洲无线码一区| 久久99精品国语久久久| 校园春色视频在线观看| 在线免费观看的www视频| 国产探花在线观看一区二区| 中文字幕熟女人妻在线| 看免费成人av毛片| 亚洲精品久久国产高清桃花| 国产高潮美女av| 韩国av在线不卡| 美女大奶头视频| 蜜桃久久精品国产亚洲av| 高清日韩中文字幕在线| 青春草视频在线免费观看| 亚洲无线在线观看| 欧美激情国产日韩精品一区| 国产精品久久久久久av不卡| 寂寞人妻少妇视频99o| 成人av在线播放网站| 91久久精品电影网| 啦啦啦啦在线视频资源| 日韩制服骚丝袜av| 国产精品电影一区二区三区| 欧美性感艳星| 国产精品一区二区在线观看99 | 午夜福利成人在线免费观看| 91午夜精品亚洲一区二区三区| 国产精品一二三区在线看| 五月伊人婷婷丁香| 午夜久久久久精精品| 天堂√8在线中文| 国产精品人妻久久久久久| 校园人妻丝袜中文字幕| 精品不卡国产一区二区三区| 国产人妻一区二区三区在| 人人妻人人澡欧美一区二区| 亚洲久久久久久中文字幕| 丰满的人妻完整版| 美女被艹到高潮喷水动态| 黄色视频,在线免费观看| 国产精品国产高清国产av| 中国美女看黄片| 两个人的视频大全免费| 干丝袜人妻中文字幕| 少妇丰满av| 十八禁国产超污无遮挡网站| or卡值多少钱| 成年版毛片免费区| 1024手机看黄色片| 国产精品无大码| 99久久人妻综合| 国产国拍精品亚洲av在线观看| 中文资源天堂在线| 国产精品久久视频播放| 日本免费一区二区三区高清不卡| 蜜桃亚洲精品一区二区三区| 日韩欧美三级三区| 欧美日本视频| 中国美女看黄片| 久久久久久九九精品二区国产| 干丝袜人妻中文字幕| 久久久成人免费电影| 欧美最黄视频在线播放免费| 少妇裸体淫交视频免费看高清| 变态另类成人亚洲欧美熟女| 亚洲成人久久爱视频| 97人妻精品一区二区三区麻豆| 日韩欧美国产在线观看| 久久久久久大精品| 亚洲色图av天堂| 国产精品嫩草影院av在线观看| 日本五十路高清| 亚洲不卡免费看| 长腿黑丝高跟| 天天一区二区日本电影三级| 日本欧美国产在线视频| 国产精品无大码| 尤物成人国产欧美一区二区三区| 久久久精品94久久精品| 看十八女毛片水多多多| 国产精品久久久久久精品电影小说 | 97人妻精品一区二区三区麻豆| 国产av一区在线观看免费| 亚洲国产欧美人成| 色综合色国产| 人妻少妇偷人精品九色| 国产不卡一卡二| 成人综合一区亚洲| 日本爱情动作片www.在线观看| 欧美日韩一区二区视频在线观看视频在线 | av专区在线播放| 亚洲七黄色美女视频| av.在线天堂| 久久99热6这里只有精品| 免费av毛片视频| 麻豆一二三区av精品| 亚洲aⅴ乱码一区二区在线播放| 精品一区二区三区人妻视频| 嘟嘟电影网在线观看| 爱豆传媒免费全集在线观看| 成人永久免费在线观看视频| 美女cb高潮喷水在线观看| 只有这里有精品99| 国产大屁股一区二区在线视频| 亚洲最大成人av| 在线观看66精品国产| 午夜激情欧美在线| 日韩制服骚丝袜av| 免费av观看视频| 一区二区三区免费毛片| av天堂在线播放| 日韩欧美国产在线观看| 99九九线精品视频在线观看视频| 人体艺术视频欧美日本| 国产亚洲欧美98| 美女黄网站色视频| 麻豆成人av视频| 免费观看的影片在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲天堂国产精品一区在线| 偷拍熟女少妇极品色| 日本黄色视频三级网站网址| 桃色一区二区三区在线观看| 久久久久久久久久黄片| 伊人久久精品亚洲午夜| av女优亚洲男人天堂| 午夜a级毛片| 99久久精品一区二区三区| 男女视频在线观看网站免费| 日韩精品青青久久久久久| 久久精品国产鲁丝片午夜精品| 综合色av麻豆| 99视频精品全部免费 在线| 国产视频内射| 亚洲精品色激情综合| 特级一级黄色大片| 久久久久网色| 日韩精品有码人妻一区| 中文字幕av在线有码专区| 在线观看午夜福利视频| 日本五十路高清| 日本一本二区三区精品| 国产高清有码在线观看视频| 日本免费一区二区三区高清不卡| 久久久久久久久久久丰满| 嫩草影院精品99| 夜夜看夜夜爽夜夜摸| 嘟嘟电影网在线观看| 九色成人免费人妻av| 亚洲经典国产精华液单| 中文字幕精品亚洲无线码一区| 亚洲av男天堂| 搞女人的毛片| 亚洲欧美中文字幕日韩二区| 九九久久精品国产亚洲av麻豆| 国产亚洲精品av在线| 亚洲欧美清纯卡通| av国产免费在线观看| a级一级毛片免费在线观看| 成人无遮挡网站| 亚洲成人精品中文字幕电影| 联通29元200g的流量卡| 六月丁香七月| 最好的美女福利视频网| 国产色婷婷99| 性插视频无遮挡在线免费观看| av天堂在线播放| 精品久久久久久久久久免费视频| 一区二区三区四区激情视频 | 国产精品久久电影中文字幕| 亚洲最大成人av| 国产午夜福利久久久久久| 欧美极品一区二区三区四区| 国产一区二区激情短视频| 国产老妇女一区| 一级av片app| 国产亚洲91精品色在线| av在线亚洲专区| 亚洲五月天丁香| 日韩av不卡免费在线播放| 欧美成人精品欧美一级黄| 国产一区二区亚洲精品在线观看| 人体艺术视频欧美日本| 99久国产av精品| 亚洲精品国产成人久久av| 日本黄色视频三级网站网址| 成人亚洲精品av一区二区| or卡值多少钱| 精品一区二区三区人妻视频| 国产久久久一区二区三区| 超碰av人人做人人爽久久| 12—13女人毛片做爰片一| 尤物成人国产欧美一区二区三区| 国产黄色小视频在线观看| 大型黄色视频在线免费观看| av在线老鸭窝| 少妇猛男粗大的猛烈进出视频 | 精品人妻一区二区三区麻豆| 嫩草影院新地址|