• <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
    麻豆国产av国片精品| 国产区一区二久久| 久久久久国内视频| 午夜福利一区二区在线看| 午夜福利视频在线观看免费| 中文字幕制服av| 日本黄色视频三级网站网址 | 欧美不卡视频在线免费观看 | 亚洲国产欧美一区二区综合| 在线观看一区二区三区激情| 久久国产精品影院| 热re99久久国产66热| 91老司机精品| 亚洲免费av在线视频| 两性夫妻黄色片| 久久精品亚洲av国产电影网| 亚洲七黄色美女视频| 亚洲性夜色夜夜综合| 日韩欧美三级三区| av线在线观看网站| 午夜激情av网站| 免费久久久久久久精品成人欧美视频| 在线观看免费午夜福利视频| 精品福利永久在线观看| 午夜福利免费观看在线| 天天躁狠狠躁夜夜躁狠狠躁| 国产视频一区二区在线看| 又黄又粗又硬又大视频| 少妇猛男粗大的猛烈进出视频| 老鸭窝网址在线观看| 亚洲久久久国产精品| 国产野战对白在线观看| 下体分泌物呈黄色| 国产极品粉嫩免费观看在线| 久久久久久人人人人人| 啦啦啦视频在线资源免费观看| 人人妻人人澡人人看| 免费人成视频x8x8入口观看| 好男人电影高清在线观看| av电影中文网址| 一级毛片精品| 男女高潮啪啪啪动态图| 男女免费视频国产| 高清视频免费观看一区二区| 免费看a级黄色片| av天堂在线播放| 国产精品免费视频内射| 午夜福利乱码中文字幕| 麻豆av在线久日| 成人国语在线视频| 美国免费a级毛片| 日韩制服丝袜自拍偷拍| 啦啦啦 在线观看视频| 亚洲五月天丁香| 久久精品国产99精品国产亚洲性色 | 欧美不卡视频在线免费观看 | 国产一区二区激情短视频| 欧美日韩成人在线一区二区| 50天的宝宝边吃奶边哭怎么回事| 热re99久久精品国产66热6| 在线永久观看黄色视频| 天天操日日干夜夜撸| 成人国语在线视频| 亚洲色图av天堂| 村上凉子中文字幕在线| 男女免费视频国产| 久久久久精品国产欧美久久久| 在线十欧美十亚洲十日本专区| av线在线观看网站| 日韩欧美免费精品| 欧美成人免费av一区二区三区 | 国产蜜桃级精品一区二区三区 | 久久久久久久午夜电影 | 久久中文字幕人妻熟女| 日本精品一区二区三区蜜桃| 欧美成人午夜精品| 久久人人爽av亚洲精品天堂| 在线观看午夜福利视频| www.自偷自拍.com| 中文字幕色久视频| 精品国产一区二区三区久久久樱花| 老汉色∧v一级毛片| 91老司机精品| 国产欧美日韩综合在线一区二区| 嫁个100分男人电影在线观看| 高清视频免费观看一区二区| 精品国产超薄肉色丝袜足j| 国产精品98久久久久久宅男小说| 热99国产精品久久久久久7| 香蕉久久夜色| 50天的宝宝边吃奶边哭怎么回事| 色综合欧美亚洲国产小说| 成年人黄色毛片网站| 国产精品二区激情视频| 精品人妻熟女毛片av久久网站| av视频免费观看在线观看| 亚洲国产看品久久| 国产日韩欧美亚洲二区| 好男人电影高清在线观看| 成人国产一区最新在线观看| 丰满饥渴人妻一区二区三| 妹子高潮喷水视频| 妹子高潮喷水视频| 极品少妇高潮喷水抽搐| 在线看a的网站| 中文字幕色久视频| 97人妻天天添夜夜摸| 国产在线观看jvid| 亚洲一区二区三区欧美精品| 亚洲在线自拍视频| 日韩制服丝袜自拍偷拍| 99国产精品一区二区蜜桃av | 精品人妻在线不人妻| 最近最新免费中文字幕在线| 亚洲在线自拍视频| 涩涩av久久男人的天堂| 亚洲国产精品一区二区三区在线| av一本久久久久| 国产精品98久久久久久宅男小说| 亚洲成av片中文字幕在线观看| 国产av又大| 我的亚洲天堂| 老司机靠b影院| 国产免费现黄频在线看| 美女 人体艺术 gogo| 少妇猛男粗大的猛烈进出视频| 麻豆乱淫一区二区| 美女高潮到喷水免费观看| 欧美日韩福利视频一区二区| 欧美乱码精品一区二区三区| 在线视频色国产色| 亚洲七黄色美女视频| 成人三级做爰电影| 黄色 视频免费看| 欧美激情极品国产一区二区三区| 亚洲一区高清亚洲精品| 亚洲成人免费电影在线观看| 色94色欧美一区二区| 女人精品久久久久毛片| 热re99久久精品国产66热6| 日韩三级视频一区二区三区| 欧美日韩成人在线一区二区| 欧美日韩一级在线毛片| 最新在线观看一区二区三区| 日本一区二区免费在线视频| 国产成人欧美在线观看 | 女人被狂操c到高潮| 在线观看免费日韩欧美大片| 18禁黄网站禁片午夜丰满| 久久精品国产99精品国产亚洲性色 | 夜夜爽天天搞| 在线av久久热| 高清av免费在线| 中文亚洲av片在线观看爽 | 国产主播在线观看一区二区| 欧美+亚洲+日韩+国产| 少妇被粗大的猛进出69影院| 免费高清在线观看日韩| 亚洲av日韩在线播放| 69精品国产乱码久久久| 多毛熟女@视频| 夜夜躁狠狠躁天天躁| 黑人操中国人逼视频| 精品久久久精品久久久| 亚洲精品中文字幕在线视频| 国产精品久久久av美女十八| 美女高潮喷水抽搐中文字幕| 狠狠狠狠99中文字幕| 多毛熟女@视频| 亚洲精品中文字幕在线视频| 中文字幕人妻丝袜制服| 最新美女视频免费是黄的| 国产99白浆流出| 久久久水蜜桃国产精品网| 一进一出抽搐动态| 欧美人与性动交α欧美软件| 人人妻人人爽人人添夜夜欢视频| 女人精品久久久久毛片| 亚洲精品成人av观看孕妇| 捣出白浆h1v1| 91麻豆av在线| ponron亚洲| 男女之事视频高清在线观看| 中文字幕最新亚洲高清| 老熟女久久久| 欧美在线一区亚洲| 亚洲欧美一区二区三区久久| 99热只有精品国产| 久久这里只有精品19| a级毛片黄视频| 99精品欧美一区二区三区四区| x7x7x7水蜜桃| 国产在视频线精品| 变态另类成人亚洲欧美熟女 | 高潮久久久久久久久久久不卡| 在线国产一区二区在线| 91九色精品人成在线观看| 亚洲午夜理论影院| 热re99久久精品国产66热6| www.自偷自拍.com| 国产高清激情床上av| 成年人免费黄色播放视频| 久久99一区二区三区| 一级片免费观看大全| 精品福利永久在线观看| 中文字幕人妻熟女乱码| 久久国产精品人妻蜜桃| 亚洲午夜精品一区,二区,三区| 欧美精品高潮呻吟av久久| 久久人妻福利社区极品人妻图片| 欧美日韩成人在线一区二区| 一级片'在线观看视频| 国产精品98久久久久久宅男小说| 久久精品国产a三级三级三级| 天天躁狠狠躁夜夜躁狠狠躁| 日韩欧美三级三区| 黄片大片在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 欧美不卡视频在线免费观看 | 国产精品国产av在线观看| 99精品久久久久人妻精品| 国产精品乱码一区二三区的特点 | 国产不卡一卡二| 亚洲一卡2卡3卡4卡5卡精品中文| 在线观看免费视频日本深夜| 亚洲av第一区精品v没综合| 亚洲在线自拍视频| 在线永久观看黄色视频| 免费不卡黄色视频| 欧美 日韩 精品 国产| 中文字幕另类日韩欧美亚洲嫩草| 夜夜躁狠狠躁天天躁| 欧美精品高潮呻吟av久久| 波多野结衣一区麻豆| 国产aⅴ精品一区二区三区波| 国产精品亚洲一级av第二区| 大陆偷拍与自拍| 一进一出抽搐动态| 在线十欧美十亚洲十日本专区| 19禁男女啪啪无遮挡网站| av网站在线播放免费| 12—13女人毛片做爰片一| 亚洲av熟女| 亚洲中文日韩欧美视频| 99在线人妻在线中文字幕 | 在线天堂中文资源库| 老司机福利观看| 一进一出抽搐gif免费好疼 | 丰满人妻熟妇乱又伦精品不卡| 乱人伦中国视频| 丝袜人妻中文字幕| 岛国在线观看网站| 国产av精品麻豆| 久久热在线av| 欧美精品高潮呻吟av久久| 在线观看免费午夜福利视频| 国产精品国产高清国产av | 岛国在线观看网站| 日韩欧美免费精品| 99精品在免费线老司机午夜| 一本一本久久a久久精品综合妖精| 自拍欧美九色日韩亚洲蝌蚪91| 悠悠久久av| 免费人成视频x8x8入口观看| 亚洲自偷自拍图片 自拍| 日本黄色日本黄色录像| 成人18禁高潮啪啪吃奶动态图| 色在线成人网| av片东京热男人的天堂| 日韩免费av在线播放| 久久国产精品人妻蜜桃| 久久狼人影院| 国产成人欧美在线观看 | 久久久久国产一级毛片高清牌| 老司机靠b影院| 1024视频免费在线观看| a级毛片黄视频| 天天添夜夜摸| 国产男女内射视频| 少妇 在线观看| www.自偷自拍.com| 色老头精品视频在线观看| 午夜福利欧美成人| 99riav亚洲国产免费| 国产精品 欧美亚洲| 欧美不卡视频在线免费观看 | 夫妻午夜视频| 一边摸一边做爽爽视频免费| 国产av一区二区精品久久| 视频在线观看一区二区三区| 国产一区二区三区视频了| 亚洲精品在线美女| 国产成人精品在线电影| 18禁裸乳无遮挡动漫免费视频| 成年人午夜在线观看视频| 在线免费观看的www视频| aaaaa片日本免费| 欧美激情久久久久久爽电影 | 一进一出好大好爽视频| 国产精品永久免费网站| tube8黄色片| 国产欧美日韩综合在线一区二区| 一区二区三区激情视频| 1024视频免费在线观看| 又紧又爽又黄一区二区| 亚洲精品中文字幕一二三四区| 国精品久久久久久国模美| 免费在线观看完整版高清| 成熟少妇高潮喷水视频| 丁香欧美五月| 自拍欧美九色日韩亚洲蝌蚪91| 国产日韩欧美亚洲二区| 老司机午夜十八禁免费视频| 婷婷精品国产亚洲av在线 | 久久国产乱子伦精品免费另类| 人人妻人人澡人人看| 国产成人欧美| 99精品久久久久人妻精品| 激情视频va一区二区三区| 免费人成视频x8x8入口观看| 亚洲色图av天堂| 亚洲国产精品一区二区三区在线| www日本在线高清视频| 国产有黄有色有爽视频| 欧美乱色亚洲激情| 久久中文字幕一级| 国产成人免费无遮挡视频| 日韩欧美三级三区| 黄色a级毛片大全视频| 1024香蕉在线观看| 久久热在线av| www.999成人在线观看| 久久ye,这里只有精品| 日韩精品免费视频一区二区三区| 亚洲成国产人片在线观看| 婷婷精品国产亚洲av在线 | 久久精品aⅴ一区二区三区四区| 国产精品亚洲av一区麻豆| 伊人久久大香线蕉亚洲五| tocl精华| 成人av一区二区三区在线看| 制服诱惑二区| 国产精品综合久久久久久久免费 | 久久香蕉国产精品| 国产激情欧美一区二区| 欧美日韩中文字幕国产精品一区二区三区 | 精品一区二区三区视频在线观看免费 | 热99久久久久精品小说推荐| 夫妻午夜视频| 亚洲片人在线观看| 18禁裸乳无遮挡动漫免费视频| 国产日韩欧美亚洲二区| 成年女人毛片免费观看观看9 | 国产欧美日韩综合在线一区二区| 91字幕亚洲| 午夜精品久久久久久毛片777| 天堂俺去俺来也www色官网| a在线观看视频网站| 亚洲欧美日韩另类电影网站| 欧美精品人与动牲交sv欧美| 精品少妇一区二区三区视频日本电影| 亚洲人成电影观看| 丰满饥渴人妻一区二区三| 欧美日韩成人在线一区二区| 国产精品久久久久久精品古装| 欧美成狂野欧美在线观看| 亚洲精品在线美女| 中文字幕人妻熟女乱码| av线在线观看网站| 在线av久久热| 久久狼人影院| 欧美中文综合在线视频| 精品视频人人做人人爽| 国内久久婷婷六月综合欲色啪| 80岁老熟妇乱子伦牲交| 国产日韩一区二区三区精品不卡| 人人妻人人爽人人添夜夜欢视频| 夜夜躁狠狠躁天天躁| 亚洲精品美女久久久久99蜜臀| 亚洲情色 制服丝袜| 宅男免费午夜| 亚洲 欧美一区二区三区| 一二三四社区在线视频社区8| 欧美精品av麻豆av| a级片在线免费高清观看视频| 伦理电影免费视频| 日韩欧美三级三区| 国精品久久久久久国模美| 美女高潮到喷水免费观看| 精品高清国产在线一区| 中文字幕人妻丝袜制服| 精品福利观看| 91国产中文字幕| 欧美亚洲日本最大视频资源| 日韩有码中文字幕| 乱人伦中国视频| 国产97色在线日韩免费| 巨乳人妻的诱惑在线观看| 中出人妻视频一区二区| 国产蜜桃级精品一区二区三区 | 一个人免费在线观看的高清视频| 高清欧美精品videossex| 国产伦人伦偷精品视频| 九色亚洲精品在线播放| 十八禁人妻一区二区| 中文亚洲av片在线观看爽 | 成人国产一区最新在线观看| 日本vs欧美在线观看视频| 亚洲专区中文字幕在线| 日韩一卡2卡3卡4卡2021年| 午夜免费成人在线视频| 夜夜夜夜夜久久久久| 久久久国产欧美日韩av| 法律面前人人平等表现在哪些方面| 日韩欧美一区二区三区在线观看 | 国产一区有黄有色的免费视频| 人妻久久中文字幕网| 人妻 亚洲 视频| av一本久久久久| 亚洲男人天堂网一区| 高潮久久久久久久久久久不卡| 岛国毛片在线播放| 黄片播放在线免费| 国产精品久久久人人做人人爽| 亚洲一区高清亚洲精品| 水蜜桃什么品种好| 国产精品一区二区在线观看99| av天堂久久9| 国产又色又爽无遮挡免费看| 精品无人区乱码1区二区| 悠悠久久av| 一区二区三区精品91| av福利片在线| 十八禁高潮呻吟视频| 成人国语在线视频| 国产蜜桃级精品一区二区三区 | 美女高潮到喷水免费观看| 人人妻人人澡人人看| ponron亚洲| 色婷婷av一区二区三区视频| 色在线成人网| 男女高潮啪啪啪动态图| 老汉色av国产亚洲站长工具| 一级毛片高清免费大全| 少妇裸体淫交视频免费看高清 | 999久久久精品免费观看国产| 欧美日韩一级在线毛片| 极品少妇高潮喷水抽搐| 日韩欧美在线二视频 | 欧美乱码精品一区二区三区| 久久亚洲真实| 精品一区二区三区视频在线观看免费 | 久久精品国产亚洲av香蕉五月 | 极品教师在线免费播放| 亚洲午夜精品一区,二区,三区| 亚洲人成电影观看| 国产精品综合久久久久久久免费 | 天堂中文最新版在线下载| 一边摸一边抽搐一进一出视频| 欧美亚洲 丝袜 人妻 在线| 欧美亚洲日本最大视频资源| 国产成人免费观看mmmm| 黄色女人牲交| 久久 成人 亚洲| 久久中文字幕一级| 变态另类成人亚洲欧美熟女 | 久久久久国内视频| 天天躁夜夜躁狠狠躁躁| 中文字幕色久视频| 黄片小视频在线播放| 国产精品电影一区二区三区 | 777久久人妻少妇嫩草av网站| 色精品久久人妻99蜜桃| 老司机靠b影院| 免费不卡黄色视频| 午夜福利一区二区在线看| 人人澡人人妻人| 精品久久久久久久毛片微露脸| 女性被躁到高潮视频| 欧美亚洲 丝袜 人妻 在线| 精品电影一区二区在线| 老司机福利观看| 美女高潮喷水抽搐中文字幕| 女人爽到高潮嗷嗷叫在线视频| 一级片免费观看大全| 美女视频免费永久观看网站| e午夜精品久久久久久久| 久久久精品免费免费高清| 精品国内亚洲2022精品成人 | 久久国产亚洲av麻豆专区| 一夜夜www| 亚洲成人免费电影在线观看| bbb黄色大片| 国产在线观看jvid| 久久久久久久久免费视频了| 国产有黄有色有爽视频| 午夜两性在线视频| 日本撒尿小便嘘嘘汇集6| 亚洲国产看品久久| 久久影院123| 国产一区二区三区在线臀色熟女 | 一区福利在线观看| 50天的宝宝边吃奶边哭怎么回事| 少妇裸体淫交视频免费看高清 | av天堂在线播放| 国产精品欧美亚洲77777| 19禁男女啪啪无遮挡网站| 久久精品亚洲精品国产色婷小说| 桃红色精品国产亚洲av| 日韩欧美国产一区二区入口| 免费av中文字幕在线| 美女高潮到喷水免费观看| 真人做人爱边吃奶动态| 日韩三级视频一区二区三区| aaaaa片日本免费| 一级片'在线观看视频| 亚洲美女黄片视频| 成人国语在线视频| 国产野战对白在线观看| 中文字幕色久视频| 日本欧美视频一区| 久久草成人影院| av在线播放免费不卡| 人妻久久中文字幕网| 久久亚洲精品不卡| 国产男女内射视频| av在线播放免费不卡| 亚洲一区高清亚洲精品| 涩涩av久久男人的天堂| 成人国语在线视频| 啦啦啦免费观看视频1| 欧美一级毛片孕妇| 韩国精品一区二区三区| 日本vs欧美在线观看视频| 欧美亚洲日本最大视频资源| 久久久国产成人免费| 亚洲专区中文字幕在线| 很黄的视频免费| 丝瓜视频免费看黄片| 三级毛片av免费| 国产亚洲精品第一综合不卡| 国产区一区二久久| 亚洲欧美色中文字幕在线| 亚洲avbb在线观看| 久热这里只有精品99| 欧洲精品卡2卡3卡4卡5卡区| 天堂俺去俺来也www色官网| 国产成人免费观看mmmm| 亚洲专区国产一区二区| 丁香欧美五月| av网站在线播放免费| 亚洲性夜色夜夜综合| 黑人操中国人逼视频| 久久国产精品大桥未久av| 国产成+人综合+亚洲专区| 久久99一区二区三区| 欧美日韩精品网址| 国产黄色免费在线视频| 精品电影一区二区在线| 午夜老司机福利片| 免费少妇av软件| √禁漫天堂资源中文www| 国产精品影院久久| 91麻豆av在线| 人人妻人人爽人人添夜夜欢视频| 欧美久久黑人一区二区| 亚洲av日韩精品久久久久久密| 免费在线观看视频国产中文字幕亚洲| 一夜夜www| 亚洲精品一卡2卡三卡4卡5卡| 大香蕉久久成人网| 女人被躁到高潮嗷嗷叫费观| 少妇的丰满在线观看| 国产不卡av网站在线观看| 91大片在线观看| 91精品三级在线观看| 色播在线永久视频| 亚洲欧美一区二区三区黑人| 麻豆成人av在线观看| 免费观看a级毛片全部| 久久精品国产a三级三级三级| 婷婷丁香在线五月| 日韩欧美一区二区三区在线观看 | 人妻丰满熟妇av一区二区三区 | 国产精品免费大片| 欧美老熟妇乱子伦牲交| 成人影院久久| 国产精品一区二区在线观看99| 欧美人与性动交α欧美软件| 一级片免费观看大全| 999久久久精品免费观看国产| 精品久久久久久电影网| av在线播放免费不卡| 成熟少妇高潮喷水视频| 精品一品国产午夜福利视频| 最近最新中文字幕大全电影3 | 19禁男女啪啪无遮挡网站| 欧美日韩国产mv在线观看视频| 最近最新中文字幕大全免费视频| 亚洲欧美日韩另类电影网站| 免费观看a级毛片全部| 十八禁高潮呻吟视频| 亚洲avbb在线观看| 国产不卡av网站在线观看| xxx96com| 久久久久久久午夜电影 | 欧美乱色亚洲激情| 久久亚洲真实| 久久久久久久国产电影| 极品人妻少妇av视频| 女人高潮潮喷娇喘18禁视频| 免费不卡黄色视频| av在线播放免费不卡| 久久国产精品人妻蜜桃| 午夜福利免费观看在线|