• <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 ?

    超聲圖像分割的研究進(jìn)展

    2022-11-24 04:04:14陸正大李春迎焦竹青倪昕曄
    臨床超聲醫(yī)學(xué)雜志 2022年6期
    關(guān)鍵詞:輪廓灰度邊緣

    張 釩 陸正大 李春迎 焦竹青 倪昕曄

    由于人體各組織聲阻抗的差異性,不同組織反射的信息亦有不同,超聲能體現(xiàn)不同組織的聲信號(hào),并顯示不同的亮度,從而形成層次分明的切面圖像[1]。相較于X 線、CT 等,超聲無(wú)電離輻射,且成像速度快,對(duì)軟組織及血流有較好的成像效果[2]。目前,圖像分割在醫(yī)學(xué)診斷中十分重要,能用于可視化分析、圖像引導(dǎo)放療和手術(shù)等[3]。但超聲圖像存在高散斑噪聲、低信噪比和強(qiáng)度不均等問(wèn)題,簡(jiǎn)單的圖像分割方法不能獲得理想的分割結(jié)果[4]。因此,自動(dòng)準(zhǔn)確地分割超聲圖像是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。目前,超聲圖像分割主要應(yīng)用于乳腺、肝臟、前列腺、婦科、甲狀腺等疾病診斷,以及頸動(dòng)脈超聲圖像分類(lèi)等領(lǐng)域。本文就超聲圖像分割的傳統(tǒng)方法、基于形變模型的分割方法及結(jié)合深度學(xué)習(xí)方法的研究進(jìn)展進(jìn)行綜述。

    一、超聲圖像分割的傳統(tǒng)方法

    傳統(tǒng)的超聲圖像分割方法主要是人為根據(jù)臨床經(jīng)驗(yàn)手動(dòng)分割,其精度不能滿足臨床需求。根據(jù)方法不同大致可以歸類(lèi)為基于邊緣檢測(cè)的方法和基于區(qū)域生長(zhǎng)的方法,前者根據(jù)圖像中感興趣區(qū)域與其相鄰區(qū)域不連續(xù)的性質(zhì)進(jìn)行分割;后者利用局部相似實(shí)現(xiàn)圖像分割。

    (一)邊緣檢測(cè)法

    邊緣檢測(cè)法是通過(guò)檢測(cè)相鄰像素特征值的突變性,提取圖像的所有邊緣,利用此類(lèi)算法提取特定區(qū)域的邊緣以有針對(duì)性地改進(jìn)算法本身,或?qū)μ崛〉倪吘増D像進(jìn)行一定的預(yù)處理。邊緣檢測(cè)法可分為閾值分割法、聚類(lèi)法及馬爾科夫隨機(jī)場(chǎng)等方法。閾值分割法是通過(guò)設(shè)定不同的特征閾值,將圖像像素點(diǎn)進(jìn)行分類(lèi),計(jì)算簡(jiǎn)便且較為穩(wěn)定快速;聚類(lèi)法可分為k-means(k均值)聚類(lèi)法和分層聚類(lèi)法,k-means聚類(lèi)法是按照一定的方法度量樣本間的相似度,然后通過(guò)不斷的迭代來(lái)更新聚類(lèi)的中心,當(dāng)中心不再變動(dòng)時(shí),說(shuō)明圖像分割完成;分層聚類(lèi)法是將每個(gè)像素各自分為一類(lèi),通過(guò)迭代將最近的兩類(lèi)合并形成新的類(lèi)。Saranya 等[5]提出了常規(guī)k-means的3種變體,即正則化k-means、模糊k-means和正則化模糊k-means來(lái)分析和克服乳腺分割魯棒性低的問(wèn)題,準(zhǔn)確率達(dá)98%。Shao 等[6]采用基于最大類(lèi)間方差(Otsu)法和差分搜索算法的多級(jí)閾值分割法對(duì)模擬超聲圖像進(jìn)行分割,結(jié)果表明相較于傳統(tǒng)的區(qū)域增長(zhǎng)、活動(dòng)輪廓模型等方法,該算法的分割效果得到了最大的相似度和最小的面積誤差。Shao 等[7]基于隱馬爾科夫模型結(jié)合Otsu 法進(jìn)行圖像處理,采用改進(jìn)的矢量法進(jìn)行修復(fù),提高了圖像的可識(shí)別性,建立了可靠的特征提取算法,以及綜合診斷模型,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該模型具有一定的臨床價(jià)值。

    (二)區(qū)域生長(zhǎng)法

    赫新雨等[8]提出了一種基于脊柱超聲邊緣生長(zhǎng)的邊緣提取方法,直接對(duì)圖像中特定區(qū)域邊緣附近像素點(diǎn)的灰度值與灰度閾值進(jìn)行逐點(diǎn)比較,并利用邊緣點(diǎn)的特點(diǎn)(平滑性和連續(xù)性等)進(jìn)行選擇與排除,與邊緣檢測(cè)法相比能較大程度地減少斑點(diǎn)噪聲對(duì)邊緣提取的影響。倪豪等[9]結(jié)合Otsu法先對(duì)超聲圖像做預(yù)分割,以此確定絕對(duì)背景區(qū)自動(dòng)設(shè)置種子的起始點(diǎn),然后再通過(guò)區(qū)域生長(zhǎng)法將其從背景中分割,最后通過(guò)數(shù)字形態(tài)學(xué)降噪法進(jìn)一步提高缺陷的識(shí)別度,分割時(shí)間為1984 ms,在兼顧分割質(zhì)量的同時(shí)也能縮短時(shí)間。Fan等[10]結(jié)合迭代四叉樹(shù)分解(QTD)和病灶的灰度特征建立兩個(gè)約束條件來(lái)定位病灶內(nèi)的種子,再根據(jù)提取區(qū)域的最大變化率,采用漸進(jìn)均分算法對(duì)最優(yōu)閾值進(jìn)行無(wú)限逼近,對(duì)96 張病灶圖像分割的結(jié)果顯示,該方法能自動(dòng)找到病灶內(nèi)的種子,準(zhǔn)確率達(dá)92.27%,平均耗時(shí)為12.02 s。在圖像樣本較多的情況下,其分割效率高于人工分割。

    由于超聲圖像灰度不均且邊緣不一定連續(xù),存在一定的斑點(diǎn)噪聲及偽影,分割時(shí)可能會(huì)出現(xiàn)偽邊緣,無(wú)論是邊緣檢測(cè)法還是區(qū)域生長(zhǎng)法均存在分割準(zhǔn)確率不足的問(wèn)題,且區(qū)域生長(zhǎng)法的分割結(jié)果受種子點(diǎn)的影響較大。隨著各種輔助方法的結(jié)合,傳統(tǒng)分割方法大部分情況下可用于超聲診斷的參考,但因其算法本身的不足,分割時(shí)間往往較長(zhǎng),不能對(duì)實(shí)時(shí)動(dòng)態(tài)的超聲圖像進(jìn)行高效分割,具有一定局限性。

    二、基于形變模型的超聲圖像分割

    為解決傳統(tǒng)分割方法算法的缺陷,將形變模型用于超聲圖像分割的方法已廣泛應(yīng)用。其中水平集模型是一種利用整幅圖像信息而非梯度信息來(lái)引導(dǎo)曲線進(jìn)行邊緣分割的方法,對(duì)邊緣信息較弱的圖像具有很好的分割效果。Chan 和Vese[11]提出的CV 模型是一種經(jīng)典的水平集模型,其是基于MumfordShah(MS)模型,通過(guò)假設(shè)區(qū)域內(nèi)圖像灰度均勻提出的一種基于全局信息的無(wú)邊緣主動(dòng)輪廓分割模型,該方法對(duì)灰度均勻圖像的分割效果較好。Li 等[12]提出了局部區(qū)域可控的擬合(RSF)模型,能實(shí)現(xiàn)對(duì)灰度不均勻圖像的分割。RSF 模型以局部信息為依據(jù),因此初始輪廓對(duì)分割結(jié)果影響較大。為解決初始輪廓精度不高對(duì)灰度不均超聲圖像分割的問(wèn)題,邵蒙恩等[13]提出了一種結(jié)合全局信息和局部信息的CV-RSF 模型對(duì)甲狀腺結(jié)節(jié)進(jìn)行分割,可降低RSF 模型的敏感性,實(shí)現(xiàn)準(zhǔn)確分割。不同組圖像的分割結(jié)果與醫(yī)師手動(dòng)分割的重疊率分別為99.17%、99.58%、99.83%,均優(yōu)于RSF 模型的97.83%、99.23%、97.98%。但該分割方法對(duì)初始輪廓仍有一定依賴,為此,邵蒙恩等[14]在CV 模型中引入一個(gè)基于梯度的邊緣引導(dǎo)函數(shù),根據(jù)面積變化自動(dòng)勾畫(huà)甲狀腺結(jié)節(jié)的粗分割輪廓,并解決手動(dòng)設(shè)置迭代次數(shù)的問(wèn)題,從而實(shí)現(xiàn)甲狀腺結(jié)節(jié)圖像有效、準(zhǔn)確、自動(dòng)分割,平均重疊率為0.9064±0.0355,且在迭代次數(shù)上也小于CV 模型和RSF模型。但該研究樣本量?jī)H30例,后續(xù)還需更多的數(shù)據(jù)驗(yàn)證其普遍性和準(zhǔn)確性。Bi 等[15]基于水平集模型引入局部瑞利分布擬合能量來(lái)處理超聲圖像的不均勻性,以實(shí)現(xiàn)對(duì)子宮圖像的分割,無(wú)論對(duì)模擬或真實(shí)圖像均有很好的分割精度,平均骰子相似系數(shù)(DSC)可達(dá)0.95±0.02。

    此外,Kass等[16]提出的snake模型也是一種活動(dòng)輪廓模型,分割結(jié)果對(duì)初始輪廓較敏感,但對(duì)復(fù)雜多變的邊緣提取效果較差。因此,Ma 等[17]提出了基于局部相位改進(jìn)的snake 模型,在snake 框架中使用強(qiáng)度不變的局部相位特征來(lái)生成圖像能量,能對(duì)血管超聲圖像進(jìn)行分割,DSC 為0.933±0.013。與傳統(tǒng)的基于梯度的圖像能量不同,基于局部相位的圖像能量在所有邊緣上均相同,從而能實(shí)現(xiàn)準(zhǔn)確分割,但對(duì)一些邊緣泄露部位仍然無(wú)法處理。Mcinerney 和Terzopoulos[18]提出一種自適應(yīng)拓?fù)渲鲃?dòng)輪廓模型(T-snake),其能夠根據(jù)輪廓變化自適應(yīng)地改變拓?fù)浣Y(jié)構(gòu),對(duì)初始輪廓的要求較低,對(duì)CT 和MRI 圖像分割效果較好,但對(duì)有斑點(diǎn)噪聲、邊界連續(xù)性差、灰度不均勻的超聲圖像分割結(jié)果還需進(jìn)一步驗(yàn)證。周春瑜和程顯毅[19]將自適應(yīng)濾波與改進(jìn)的T-snake模型相結(jié)合,能有效抑制斑點(diǎn)噪聲,有助于解決甲狀腺超聲圖像邊緣特征不明顯、灰度不均的問(wèn)題。

    目前,基于形變模型分割方法的研究已取得一定進(jìn)展,分割質(zhì)量較佳,且分割時(shí)間較傳統(tǒng)方法有一定縮短,在超聲圖像分割中應(yīng)用比較多。但上述方法結(jié)合了先驗(yàn)形狀信息來(lái)針對(duì)圖像噪聲和偽影的魯棒分割,由于不同器官或組織的特異性,上述方法在某些情況下不能準(zhǔn)確描繪邊界,存在邊界模糊或缺失等問(wèn)題,今后應(yīng)針對(duì)如何實(shí)現(xiàn)高質(zhì)量、高效率的分割進(jìn)一步研究。

    三、結(jié)合深度學(xué)習(xí)的超聲圖像分割

    深度學(xué)習(xí)是在超聲圖像分割中非常實(shí)用的方法,與傳統(tǒng)的具有手工特征的機(jī)器學(xué)習(xí)方法相比,深層神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點(diǎn)是能夠生成由豐富語(yǔ)義和細(xì)微信息組成的多層次特征。近年來(lái),卷積神經(jīng)網(wǎng)絡(luò)(CNN)、全卷積網(wǎng)絡(luò)(FCN)及對(duì)稱分割網(wǎng)絡(luò)(U-Net)在醫(yī)學(xué)圖像分割中的效果突出。CNN通過(guò)對(duì)下采樣的低維特征圖進(jìn)行特征提取,再經(jīng)上采樣將其特征映射到高維空間,以此輸出分割掩模;FCN將CNN中的全連接層改為卷積層,并在上采樣加入反卷積以恢復(fù)圖像,最后輸出分割掩模;U-Net則是在下采樣過(guò)程中加入了多次卷積,再在上采樣中與對(duì)應(yīng)的下采樣層建立連接層進(jìn)行特征融合,最后輸出分割掩模。目前主流的深度學(xué)習(xí)超聲分割方法多基于此3 種網(wǎng)絡(luò)進(jìn)行優(yōu)化和改進(jìn),深度學(xué)習(xí)的超聲分割在乳腺、前列腺、甲狀腺、頸動(dòng)脈超聲診斷中已有廣泛研究,但由于不同組織間超聲成像的差異,對(duì)不同部位超聲圖像的分割往往需要對(duì)網(wǎng)絡(luò)做出相應(yīng)的調(diào)整和優(yōu)化。

    (一)乳腺超聲圖像分割

    乳腺中有大量的脂肪組織,對(duì)比度低,陰影較多,故病灶邊界較模糊,易出現(xiàn)過(guò)分割現(xiàn)象。Xu 等[20]使用CNN 在三維超聲圖像上將乳腺超聲圖像分割成皮膚、纖維腺組織、腫塊和脂肪組織4個(gè)部分,使用3個(gè)正交面提取圖像塊,加入了基于距離的評(píng)估指標(biāo)修正豪斯多夫距離,較單一平面效果更好,僅在小部分邊緣脂肪組織上出現(xiàn)過(guò)分割現(xiàn)象,準(zhǔn)確率和回歸率均達(dá)80%以上,可作為乳腺腫瘤評(píng)估的參考依據(jù)。Hu 等[21]將擴(kuò)展的FCN 與基于相位的活動(dòng)輪廓模型相結(jié)合,進(jìn)一步提高了分割結(jié)果,DSC 為88.971±0.010。Fang 等[22]設(shè)計(jì)了基于FCN 和主動(dòng)輪廓模型的超聲圖像二維乳腺腫瘤自動(dòng)分割方法,將基于FCN 的M-Net 結(jié)合基于相位的活動(dòng)輪廓模型進(jìn)行乳腺腫瘤二維超聲圖像自動(dòng)分割,加快了訓(xùn)練過(guò)程,性能優(yōu)于U-Net 和V-Net 分割,其DSC 為0.9689,豪斯多夫距離為6.96 個(gè)像素點(diǎn)。之后,Lee 等[23]提出了一個(gè)多尺度網(wǎng)格平均池化的通道注意模塊,用于超聲圖像中乳腺癌區(qū)域的精確分割,該模塊的加入使網(wǎng)絡(luò)能同時(shí)使用全局和局部空間信息進(jìn)行精確分割。由于CNN 中的卷積運(yùn)算往往聚焦于局部區(qū)域,導(dǎo)致目標(biāo)部位病灶分割精度下降,Xue 等[24]開(kāi)發(fā)了一種帶有全局引導(dǎo)塊和乳腺病灶邊界檢測(cè)模塊的深度CNN,用于增強(qiáng)乳腺超聲病灶分割,能有效提高分割結(jié)果的邊界質(zhì)量,DSC為0.821±0.011,準(zhǔn)確率為(96.9±0.5)%。

    (二)前列腺超聲圖像分割

    前列腺超聲圖像自動(dòng)分割對(duì)于超聲引導(dǎo)的前列腺干預(yù)和治療計(jì)劃至關(guān)重要。但因經(jīng)直腸超聲中前列腺邊界缺失或模糊、回聲強(qiáng)度分布不均勻,以及前列腺病灶形態(tài)的不確定性,自動(dòng)分割仍具有挑戰(zhàn)性。Lei 等[25]提出基于多方向深度監(jiān)督V-Net 的前列腺超聲圖像分割,DSC 達(dá)0.92±0.03,V-Net 各階段引入了三維監(jiān)督機(jī)制,解決了在訓(xùn)練數(shù)據(jù)有限時(shí)深度網(wǎng)絡(luò)訓(xùn)練優(yōu)化困難的問(wèn)題,可能成為前列腺癌診斷和治療的有效工具。Karimi 等[26]提出兩種策略來(lái)提高困難圖像的分割精度:一是采用自適應(yīng)采樣策略對(duì)CNN進(jìn)行訓(xùn)練,鼓勵(lì)訓(xùn)練過(guò)程中更多地關(guān)注圖像中難以分割的部分;二是訓(xùn)練一個(gè)CNN 模型集成,利用集成之間的差異性來(lái)識(shí)別不確定的分割圖,降低出現(xiàn)誤分割的可能性,DSC 達(dá)0.939±0.035,豪斯多夫距離為(2.7±2.3)mm。Wang 等[27]利用CNN 不同層次編碼的互補(bǔ)信息,開(kāi)發(fā)了一種新型三維深度神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)配備了注意模塊,能使用不同層的多層次特征,并細(xì)化每一個(gè)體層的特征,在CNN 的淺層抑制非前列腺噪聲,并在深層特征中增加更多的前列腺細(xì)節(jié),提高了分割的準(zhǔn)確性。

    (三)甲狀腺超聲圖像分割

    甲狀腺超聲圖像存在強(qiáng)度不一的斑點(diǎn)噪聲,且周邊組織復(fù)雜,有時(shí)會(huì)出現(xiàn)多個(gè)結(jié)節(jié),難以準(zhǔn)確定性診斷,因此對(duì)自動(dòng)分割的精度要求較高。Buda 等[28]對(duì)比使用基于卡尺生成近似結(jié)節(jié)掩模和手工標(biāo)注與卡尺自動(dòng)導(dǎo)引相結(jié)合的分割方法,發(fā)現(xiàn)加入卡尺自動(dòng)引導(dǎo)后的分割性能更好,DSC 從0.851 提升到0.904。Yang 等[29]提出了一種基于先驗(yàn)水平集與深度CNN 相結(jié)合的甲狀腺濾泡腫瘤分割分類(lèi)方法,采用Res-U-net 框架和基于先驗(yàn)的水平集方法進(jìn)行增強(qiáng)互補(bǔ),獲得了更準(zhǔn)確的分割結(jié)果。Webb等[30]使用基于遞歸FCN的深度學(xué)習(xí)語(yǔ)義分割甲狀腺及其內(nèi)部囊腫和結(jié)節(jié),有效提高了甲狀腺特征的分割效果,但由于數(shù)據(jù)集較少等原因,對(duì)甲狀腺內(nèi)部囊腫和結(jié)節(jié)的分割結(jié)果僅可用于輔助參考。

    (四)頸動(dòng)脈超聲圖像分割

    頸動(dòng)脈斑塊的定量研究對(duì)評(píng)估和監(jiān)測(cè)頸動(dòng)脈粥樣硬化的進(jìn)展具有重要意義,自動(dòng)分割技術(shù)有助于更清晰地監(jiān)測(cè)病灶。Zhou 等[31]提出了一種基于深度學(xué)習(xí)的頸動(dòng)脈三維超聲圖像中中外膜和內(nèi)腔內(nèi)膜的半自動(dòng)分割方法,將分割問(wèn)題轉(zhuǎn)化為像素分類(lèi)問(wèn)題,能更高效地進(jìn)行分割,DSC 為0.9284±0.0446。蔡夢(mèng)媛等[32]基于二維超聲提出一種深度學(xué)習(xí)的頸動(dòng)脈斑塊自動(dòng)分割方法,改進(jìn)了U-Net 網(wǎng)絡(luò)結(jié)構(gòu),并融合了殘差網(wǎng)絡(luò)和PReLU激活函數(shù),對(duì)頸動(dòng)脈斑塊分割的效率和精度有一定提高,DSC為0.8945±0.0345,但在其訓(xùn)練和驗(yàn)證過(guò)程中缺乏足夠的數(shù)據(jù)集,存在一定局限性。Jain 等[33]使用單個(gè)深度學(xué)習(xí)和混合深度學(xué)習(xí)模型實(shí)現(xiàn)了頸內(nèi)動(dòng)脈斑塊的自動(dòng)分割,DSC 為0.900,在分割精度和速度方面均有很好的性能。

    (五)難點(diǎn)及解決措施

    深度學(xué)習(xí)算法一般需要大量的訓(xùn)練數(shù)據(jù)集,但在超聲圖像中準(zhǔn)備大量的標(biāo)記數(shù)據(jù)集非常困難。為解決這一問(wèn)題,Behboodi 和Rivaz[34]提出模擬超聲圖像訓(xùn)練U-Net 深度學(xué)習(xí)分割架構(gòu),并測(cè)試超聲設(shè)備收集的組織模擬影像數(shù)據(jù),闡述了模擬數(shù)據(jù)上的訓(xùn)練體系結(jié)構(gòu)轉(zhuǎn)換為真實(shí)數(shù)據(jù)的可行性,但仍需通過(guò)真實(shí)試驗(yàn)來(lái)驗(yàn)證并完善??傊谏疃葘W(xué)習(xí)的超聲分割具有分割速度快、質(zhì)量高等優(yōu)點(diǎn),但其所需的樣本標(biāo)簽有一定的獲取難度,在無(wú)足夠數(shù)據(jù)的情況下分割效果可能與傳統(tǒng)方法相近。另外,由于不同組織超聲成像的差異性,不同部位的分割網(wǎng)絡(luò)往往不能通用。

    四、總結(jié)與展望

    超聲圖像因其成像原理等問(wèn)題分割困難,但其具有無(wú)創(chuàng)、價(jià)格低等優(yōu)勢(shì),在臨床診斷及放療靶區(qū)勾畫(huà)等方面仍有重要作用。閾值分割法、區(qū)域生長(zhǎng)法等傳統(tǒng)方法原理簡(jiǎn)單,處理單幀清晰的超聲圖像時(shí)分割效果較好,但分割速度慢且區(qū)域生長(zhǎng)法的分割質(zhì)量還受種子點(diǎn)影響;活動(dòng)輪廓模型收斂速度較快且穩(wěn)定性好,但其分割結(jié)果依賴于初始輪廓,不能實(shí)現(xiàn)自動(dòng)分割;基于深度學(xué)習(xí)的方法是目前超聲圖像分割領(lǐng)域的研究熱門(mén),其分割質(zhì)量高、速度快,但訓(xùn)練過(guò)程需大量標(biāo)簽數(shù)據(jù),廣泛應(yīng)用具有局限,且不同組織的圖像往往需要重新訓(xùn)練或使用其他網(wǎng)絡(luò)。

    總之,圖像分割的研究對(duì)提高后期醫(yī)學(xué)圖像分析具有積極意義,為提高超聲圖像分割的質(zhì)量,可以將深度學(xué)習(xí)算法與傳統(tǒng)分割方法結(jié)合,以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)來(lái)提高分割質(zhì)量,同時(shí)使用數(shù)據(jù)增強(qiáng)等方法來(lái)擴(kuò)充數(shù)據(jù)集。此外,無(wú)監(jiān)督網(wǎng)絡(luò)也可用于超聲圖像分割,以解決數(shù)據(jù)稀少和推廣性不高的問(wèn)題。總之,雖然目前超聲圖像分割方法均有一定局限,但隨著傳統(tǒng)方法的不斷改進(jìn)和深度學(xué)習(xí)算法的廣泛應(yīng)用,其具有良好的應(yīng)用前景。

    猜你喜歡
    輪廓灰度邊緣
    輪廓錯(cuò)覺(jué)
    采用改進(jìn)導(dǎo)重法的拓?fù)浣Y(jié)構(gòu)灰度單元過(guò)濾技術(shù)
    基于灰度拉伸的圖像水位識(shí)別方法研究
    基于實(shí)時(shí)輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
    基于最大加權(quán)投影求解的彩色圖像灰度化對(duì)比度保留算法
    一張圖看懂邊緣計(jì)算
    基于灰度線性建模的亞像素圖像抖動(dòng)量計(jì)算
    在線學(xué)習(xí)機(jī)制下的Snake輪廓跟蹤
    創(chuàng)造早秋新輪廓
    舒適廣告(2008年9期)2008-09-22 10:02:48
    在邊緣尋找自我
    雕塑(1999年2期)1999-06-28 05:01:42
    男女边吃奶边做爰视频| 97热精品久久久久久| 精品久久久久久久久av| 国产男人的电影天堂91| 亚州av有码| 国产黄a三级三级三级人| 国产精品女同一区二区软件 | 永久网站在线| 22中文网久久字幕| 久久久久免费精品人妻一区二区| 内地一区二区视频在线| 国产视频内射| 亚洲精品456在线播放app | 午夜福利18| 午夜免费成人在线视频| 久久精品久久久久久噜噜老黄 | 亚洲国产精品成人综合色| 精品久久久久久久末码| 精品欧美国产一区二区三| 少妇人妻精品综合一区二区 | 久久久久久九九精品二区国产| 国产乱人视频| 精品久久久久久久久亚洲 | 精品人妻一区二区三区麻豆 | 亚洲一区高清亚洲精品| 国内久久婷婷六月综合欲色啪| 亚洲av成人精品一区久久| 国产在线男女| 一个人看视频在线观看www免费| 三级男女做爰猛烈吃奶摸视频| 一区二区三区高清视频在线| 一区二区三区激情视频| 男女啪啪激烈高潮av片| 日韩欧美精品v在线| 久久久成人免费电影| 免费高清视频大片| 午夜激情福利司机影院| 69av精品久久久久久| 日日干狠狠操夜夜爽| 两个人视频免费观看高清| 丝袜美腿在线中文| 99久久精品国产国产毛片| 在现免费观看毛片| 在线免费观看不下载黄p国产 | 日日啪夜夜撸| 黄片wwwwww| 免费不卡的大黄色大毛片视频在线观看 | 永久网站在线| 午夜免费男女啪啪视频观看 | 欧美不卡视频在线免费观看| 亚洲成人免费电影在线观看| 亚洲av中文av极速乱 | 特大巨黑吊av在线直播| 级片在线观看| 亚洲av中文字字幕乱码综合| 伊人久久精品亚洲午夜| 国产精品久久久久久久电影| 日韩一本色道免费dvd| 色在线成人网| 九九久久精品国产亚洲av麻豆| 九色成人免费人妻av| 搡老妇女老女人老熟妇| 97热精品久久久久久| 男人的好看免费观看在线视频| 99riav亚洲国产免费| 国产精品久久久久久av不卡| 在线免费十八禁| 一级av片app| 国产 一区 欧美 日韩| 色综合婷婷激情| 成人高潮视频无遮挡免费网站| 老熟妇乱子伦视频在线观看| 亚洲成人免费电影在线观看| 精品人妻偷拍中文字幕| 又粗又爽又猛毛片免费看| 精华霜和精华液先用哪个| 久久人人爽人人爽人人片va| 精品午夜福利在线看| 床上黄色一级片| 亚州av有码| 美女cb高潮喷水在线观看| 级片在线观看| 精品人妻偷拍中文字幕| 日本爱情动作片www.在线观看 | 久久久久久久久中文| 亚洲av中文av极速乱 | 欧美日韩综合久久久久久 | 99久国产av精品| 欧美精品啪啪一区二区三区| 97超视频在线观看视频| 天美传媒精品一区二区| 97热精品久久久久久| 男人的好看免费观看在线视频| 亚洲精华国产精华精| 欧美xxxx黑人xx丫x性爽| x7x7x7水蜜桃| 亚洲天堂国产精品一区在线| 中国美白少妇内射xxxbb| 女同久久另类99精品国产91| 人人妻人人澡欧美一区二区| 高清日韩中文字幕在线| av在线天堂中文字幕| 午夜免费激情av| 美女高潮的动态| 免费人成在线观看视频色| 免费无遮挡裸体视频| 国产女主播在线喷水免费视频网站 | 国产成人aa在线观看| 亚洲图色成人| 在线观看舔阴道视频| 夜夜看夜夜爽夜夜摸| 人人妻人人澡欧美一区二区| 国产精品人妻久久久影院| 观看美女的网站| 日本欧美国产在线视频| 色av中文字幕| 波多野结衣巨乳人妻| 在线观看66精品国产| 又粗又爽又猛毛片免费看| 久久久成人免费电影| 欧美性感艳星| 成人性生交大片免费视频hd| 亚洲精品456在线播放app | 亚洲精品成人久久久久久| 99热只有精品国产| 两个人视频免费观看高清| 国产成人av教育| 午夜久久久久精精品| 成人精品一区二区免费| 女同久久另类99精品国产91| 国产 一区精品| 有码 亚洲区| 岛国在线免费视频观看| 禁无遮挡网站| 亚洲欧美精品综合久久99| 午夜视频国产福利| av.在线天堂| 日韩精品有码人妻一区| 日韩强制内射视频| 久久久色成人| 亚洲精品乱码久久久v下载方式| 日韩欧美在线乱码| 日本-黄色视频高清免费观看| 欧美日韩精品成人综合77777| 国产精品日韩av在线免费观看| 最后的刺客免费高清国语| 又爽又黄无遮挡网站| av专区在线播放| 婷婷精品国产亚洲av| 久久久午夜欧美精品| 国产欧美日韩精品亚洲av| 欧美成人a在线观看| 亚洲欧美精品综合久久99| 中文字幕高清在线视频| 动漫黄色视频在线观看| 亚洲 国产 在线| 少妇丰满av| a级毛片免费高清观看在线播放| 最后的刺客免费高清国语| 特大巨黑吊av在线直播| 亚洲国产日韩欧美精品在线观看| 三级国产精品欧美在线观看| www.色视频.com| АⅤ资源中文在线天堂| 在线观看午夜福利视频| 亚洲欧美精品综合久久99| 国产亚洲精品av在线| 日本免费一区二区三区高清不卡| 久久久久久久久久黄片| 偷拍熟女少妇极品色| 可以在线观看的亚洲视频| av在线老鸭窝| 女同久久另类99精品国产91| avwww免费| 最近中文字幕高清免费大全6 | 中文字幕av在线有码专区| 夜夜看夜夜爽夜夜摸| 男女做爰动态图高潮gif福利片| 在线观看美女被高潮喷水网站| 热99re8久久精品国产| 高清在线国产一区| 欧美不卡视频在线免费观看| 亚洲精品日韩av片在线观看| 综合色av麻豆| 亚洲国产色片| 十八禁国产超污无遮挡网站| 国产精品1区2区在线观看.| 深夜a级毛片| 免费看美女性在线毛片视频| 色播亚洲综合网| 精品人妻熟女av久视频| 国产综合懂色| 免费av不卡在线播放| 婷婷色综合大香蕉| av在线天堂中文字幕| 国产中年淑女户外野战色| 联通29元200g的流量卡| 日韩中文字幕欧美一区二区| 国产主播在线观看一区二区| 亚洲狠狠婷婷综合久久图片| 三级毛片av免费| 国产伦精品一区二区三区四那| 999久久久精品免费观看国产| 他把我摸到了高潮在线观看| 两个人视频免费观看高清| 成人二区视频| 久久久久久久久久成人| 国产av在哪里看| 欧美日韩中文字幕国产精品一区二区三区| 最近在线观看免费完整版| 久久国产精品人妻蜜桃| 亚洲人成网站在线播放欧美日韩| 国产主播在线观看一区二区| 欧美在线一区亚洲| 免费看日本二区| 老司机深夜福利视频在线观看| 国产男靠女视频免费网站| 国产精品三级大全| 久久久国产成人免费| 亚洲在线自拍视频| 久久精品91蜜桃| 久久久久久伊人网av| 成人无遮挡网站| 日本在线视频免费播放| 婷婷精品国产亚洲av| 免费av毛片视频| 亚洲精华国产精华精| 色尼玛亚洲综合影院| 国产黄片美女视频| 国产主播在线观看一区二区| 天天躁日日操中文字幕| 精品99又大又爽又粗少妇毛片 | 日日干狠狠操夜夜爽| 老司机福利观看| 老熟妇乱子伦视频在线观看| 久久这里只有精品中国| 少妇猛男粗大的猛烈进出视频 | 不卡一级毛片| 天堂√8在线中文| 亚洲成人久久爱视频| 国产精品野战在线观看| 又粗又爽又猛毛片免费看| 欧美日韩中文字幕国产精品一区二区三区| 18禁黄网站禁片午夜丰满| 真人做人爱边吃奶动态| 久久久午夜欧美精品| 俄罗斯特黄特色一大片| 啦啦啦啦在线视频资源| 国产精品亚洲美女久久久| 日韩欧美精品v在线| а√天堂www在线а√下载| 中文字幕免费在线视频6| 国语自产精品视频在线第100页| avwww免费| 久久午夜福利片| 亚洲天堂国产精品一区在线| 亚洲一区二区三区色噜噜| 十八禁网站免费在线| 1024手机看黄色片| 成人欧美大片| 午夜福利在线在线| 18禁在线播放成人免费| 国产69精品久久久久777片| 日本熟妇午夜| 久久亚洲精品不卡| 99久久精品国产国产毛片| 久久久精品大字幕| 国内精品美女久久久久久| 男女边吃奶边做爰视频| 欧美色欧美亚洲另类二区| 国产伦一二天堂av在线观看| 欧美日韩精品成人综合77777| 啪啪无遮挡十八禁网站| 老师上课跳d突然被开到最大视频| 亚洲中文字幕日韩| 日本精品一区二区三区蜜桃| 久9热在线精品视频| 午夜视频国产福利| 人人妻,人人澡人人爽秒播| 欧美极品一区二区三区四区| 久久久久免费精品人妻一区二区| 3wmmmm亚洲av在线观看| а√天堂www在线а√下载| 内地一区二区视频在线| 国产亚洲精品久久久久久毛片| 丰满的人妻完整版| 简卡轻食公司| 赤兔流量卡办理| 嫩草影视91久久| 九色成人免费人妻av| 少妇人妻精品综合一区二区 | 亚洲av成人av| 亚洲欧美激情综合另类| 一个人看视频在线观看www免费| 日韩精品有码人妻一区| 久久久久九九精品影院| 免费观看精品视频网站| 男人舔奶头视频| 最近中文字幕高清免费大全6 | 欧美最新免费一区二区三区| 丰满人妻一区二区三区视频av| 人妻少妇偷人精品九色| 久久久久免费精品人妻一区二区| 少妇被粗大猛烈的视频| 99riav亚洲国产免费| av专区在线播放| 99久久久亚洲精品蜜臀av| 国产黄a三级三级三级人| 亚洲人成伊人成综合网2020| 欧美高清成人免费视频www| 午夜影院日韩av| 狂野欧美白嫩少妇大欣赏| 国产精品久久久久久久电影| 俺也久久电影网| 亚洲经典国产精华液单| 嫩草影院入口| 国产精品1区2区在线观看.| 最近中文字幕高清免费大全6 | 一进一出好大好爽视频| 精品欧美国产一区二区三| 精品一区二区三区av网在线观看| 999久久久精品免费观看国产| 国产一区二区亚洲精品在线观看| 97超级碰碰碰精品色视频在线观看| 亚洲第一区二区三区不卡| 久久午夜福利片| 老熟妇乱子伦视频在线观看| 99久久无色码亚洲精品果冻| 婷婷精品国产亚洲av| 亚洲欧美日韩卡通动漫| 伦理电影大哥的女人| 国产一区二区在线av高清观看| 欧美3d第一页| 亚洲欧美日韩东京热| 99久久精品热视频| 最近在线观看免费完整版| 国产伦在线观看视频一区| 亚洲内射少妇av| 国产大屁股一区二区在线视频| 久久精品久久久久久噜噜老黄 | 日韩,欧美,国产一区二区三区 | 国产私拍福利视频在线观看| 高清毛片免费观看视频网站| 国产高清三级在线| 国产亚洲精品久久久久久毛片| 久久久精品欧美日韩精品| 99久久成人亚洲精品观看| 999久久久精品免费观看国产| 亚洲性夜色夜夜综合| 97超级碰碰碰精品色视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 丰满的人妻完整版| 日本撒尿小便嘘嘘汇集6| 国产黄片美女视频| 国产一区二区三区在线臀色熟女| 国产av一区在线观看免费| 中文字幕av成人在线电影| 亚洲欧美日韩卡通动漫| 大又大粗又爽又黄少妇毛片口| 亚洲美女黄片视频| 97热精品久久久久久| 亚洲中文日韩欧美视频| 日本 av在线| 成人av在线播放网站| 国产精品亚洲美女久久久| 亚洲一级一片aⅴ在线观看| 国产日本99.免费观看| 婷婷精品国产亚洲av| 91久久精品国产一区二区三区| 中文字幕免费在线视频6| 国产女主播在线喷水免费视频网站 | 成人永久免费在线观看视频| 一进一出好大好爽视频| 国内精品久久久久久久电影| av天堂中文字幕网| 日韩强制内射视频| 又爽又黄a免费视频| 97碰自拍视频| 日本 欧美在线| 成人精品一区二区免费| 日韩欧美一区二区三区在线观看| 美女 人体艺术 gogo| 黄色日韩在线| 久久久久久大精品| 午夜久久久久精精品| 亚洲乱码一区二区免费版| 国产精华一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看| 精品午夜福利在线看| 特大巨黑吊av在线直播| 国产爱豆传媒在线观看| 欧美黑人巨大hd| 人人妻人人看人人澡| 久久精品国产清高在天天线| 国产日本99.免费观看| av.在线天堂| 国产高清有码在线观看视频| 窝窝影院91人妻| 国产免费av片在线观看野外av| 亚洲人成伊人成综合网2020| 日韩中文字幕欧美一区二区| 搡老妇女老女人老熟妇| 可以在线观看毛片的网站| 日韩精品有码人妻一区| 51国产日韩欧美| 欧美日韩综合久久久久久 | 极品教师在线视频| 欧美一区二区精品小视频在线| 日本 欧美在线| 91狼人影院| 亚洲av成人av| 精品久久久久久久久久久久久| 最好的美女福利视频网| 国产精华一区二区三区| 久久久久国产精品人妻aⅴ院| 亚洲内射少妇av| 一本精品99久久精品77| 精品久久久久久久久亚洲 | 欧美又色又爽又黄视频| 午夜精品在线福利| 国产精品国产高清国产av| 国产精品爽爽va在线观看网站| 日韩高清综合在线| 国产伦一二天堂av在线观看| 九色成人免费人妻av| av黄色大香蕉| 18禁黄网站禁片免费观看直播| 午夜激情欧美在线| 人妻夜夜爽99麻豆av| 久久午夜福利片| 伊人久久精品亚洲午夜| av一本久久久久| 黄色欧美视频在线观看| 少妇人妻久久综合中文| 国产v大片淫在线免费观看| freevideosex欧美| 亚洲国产精品成人久久小说| 欧美日韩综合久久久久久| 国产高清有码在线观看视频| 国产精品人妻久久久久久| 国产亚洲91精品色在线| 久久久久久久久久久丰满| 亚洲成人中文字幕在线播放| 久久久久性生活片| 我的老师免费观看完整版| 天天躁日日操中文字幕| 99国产精品免费福利视频| 激情五月婷婷亚洲| 国产色婷婷99| 亚洲一级一片aⅴ在线观看| 欧美高清性xxxxhd video| 亚洲天堂av无毛| 亚洲欧美日韩另类电影网站 | av播播在线观看一区| 日日摸夜夜添夜夜爱| 国产精品不卡视频一区二区| 亚洲精品,欧美精品| 少妇 在线观看| 我的老师免费观看完整版| 日韩欧美精品免费久久| 黄色配什么色好看| 久久综合国产亚洲精品| 国产伦精品一区二区三区四那| 日韩中文字幕视频在线看片 | 一区二区av电影网| 蜜桃亚洲精品一区二区三区| 亚洲精品久久久久久婷婷小说| 精品一区二区三区视频在线| 国产有黄有色有爽视频| 国产精品久久久久久av不卡| 亚洲最大成人中文| 成人18禁高潮啪啪吃奶动态图 | xxx大片免费视频| 新久久久久国产一级毛片| 又大又黄又爽视频免费| 欧美丝袜亚洲另类| 我的老师免费观看完整版| 日本一二三区视频观看| 国产高清不卡午夜福利| 少妇猛男粗大的猛烈进出视频| 国产成人freesex在线| 一级二级三级毛片免费看| 国产午夜精品一二区理论片| 精品久久久久久久久av| 黄色欧美视频在线观看| 亚洲精品乱久久久久久| 国产在线一区二区三区精| 久久精品久久久久久噜噜老黄| 嘟嘟电影网在线观看| 欧美亚洲 丝袜 人妻 在线| 国产成人aa在线观看| 久久热精品热| 亚洲四区av| 国产熟女欧美一区二区| 97热精品久久久久久| av福利片在线观看| 天天躁日日操中文字幕| 女人久久www免费人成看片| 国产高清有码在线观看视频| 人人妻人人爽人人添夜夜欢视频 | 久久99蜜桃精品久久| 日韩一区二区三区影片| 男人舔奶头视频| 国产 精品1| 国产高潮美女av| 一本一本综合久久| 日本黄大片高清| 我要看黄色一级片免费的| 国产熟女欧美一区二区| 亚洲va在线va天堂va国产| 欧美日韩综合久久久久久| 欧美xxxx黑人xx丫x性爽| av天堂中文字幕网| 18禁在线无遮挡免费观看视频| av福利片在线观看| 午夜老司机福利剧场| 精品国产一区二区三区久久久樱花 | 插阴视频在线观看视频| 网址你懂的国产日韩在线| 国产成人免费无遮挡视频| 五月开心婷婷网| 久久国产亚洲av麻豆专区| 久久久久久久久久成人| 精品少妇久久久久久888优播| 高清视频免费观看一区二区| 在线观看美女被高潮喷水网站| 亚洲国产精品999| 青青草视频在线视频观看| 日韩在线高清观看一区二区三区| 国产精品三级大全| 欧美变态另类bdsm刘玥| 2018国产大陆天天弄谢| 在线观看免费视频网站a站| 亚洲欧洲日产国产| 国产午夜精品一二区理论片| 国产精品一区二区在线不卡| 亚洲无线观看免费| 青青草视频在线视频观看| 内射极品少妇av片p| 最近中文字幕高清免费大全6| 看十八女毛片水多多多| 18禁在线无遮挡免费观看视频| 久久国产精品大桥未久av | 国产黄色视频一区二区在线观看| 精品人妻偷拍中文字幕| 99热6这里只有精品| 中文欧美无线码| 中文字幕亚洲精品专区| 免费播放大片免费观看视频在线观看| 在线亚洲精品国产二区图片欧美 | 久久毛片免费看一区二区三区| 国产亚洲最大av| 人妻一区二区av| 91在线精品国自产拍蜜月| 女人久久www免费人成看片| 成人无遮挡网站| av在线蜜桃| 国产美女午夜福利| 汤姆久久久久久久影院中文字幕| 天堂俺去俺来也www色官网| 亚洲精品日韩av片在线观看| 纯流量卡能插随身wifi吗| 国产精品av视频在线免费观看| 亚洲av在线观看美女高潮| 丰满人妻一区二区三区视频av| 国产亚洲av片在线观看秒播厂| 亚洲av福利一区| a级一级毛片免费在线观看| 美女xxoo啪啪120秒动态图| 免费大片黄手机在线观看| 嫩草影院入口| 久久人妻熟女aⅴ| 欧美精品亚洲一区二区| 亚洲精品,欧美精品| 亚洲国产成人一精品久久久| 精品久久久久久电影网| 国产高清三级在线| 精品久久国产蜜桃| 中国美白少妇内射xxxbb| 久久青草综合色| 亚洲成色77777| 久久国内精品自在自线图片| 永久免费av网站大全| 三级国产精品片| 看非洲黑人一级黄片| 丰满人妻一区二区三区视频av| 日韩视频在线欧美| 国产高清国产精品国产三级 | 我要看日韩黄色一级片| 精品少妇黑人巨大在线播放| 国产成人a∨麻豆精品| 插逼视频在线观看| a 毛片基地| 一区二区三区精品91| 欧美极品一区二区三区四区| 七月丁香在线播放| 精品视频人人做人人爽| 亚洲国产精品一区三区| 成人免费观看视频高清| 国产精品熟女久久久久浪| 2022亚洲国产成人精品| 国产欧美日韩一区二区三区在线 | 久久精品熟女亚洲av麻豆精品| 久久影院123| 不卡视频在线观看欧美| 一级毛片我不卡| 天堂中文最新版在线下载| 亚洲欧美一区二区三区国产| 亚洲熟女精品中文字幕| 亚洲精品国产av蜜桃| 亚州av有码| 在线播放无遮挡| 91久久精品国产一区二区成人| 网址你懂的国产日韩在线| 久久久色成人|