• <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 ?

    顧及特征優(yōu)選的機(jī)載LiDAR測(cè)深海底點(diǎn)云底質(zhì)分類

    2023-10-19 02:48:20宿殿鵬黃昱陽凡林趙荻能楊安秀劉驕陽
    遙感學(xué)報(bào) 2023年9期
    關(guān)鍵詞:特征提取分類特征

    宿殿鵬,黃昱,陽凡林,2,趙荻能,楊安秀,2,劉驕陽

    1.山東科技大學(xué) 測(cè)繪與空間信息學(xué)院,青島 266590;2.自然資源部海洋測(cè)繪重點(diǎn)實(shí)驗(yàn)室,青島 266590;3.自然資源部第二海洋研究所 自然資源部海底科學(xué)重點(diǎn)實(shí)驗(yàn)室,杭州 310012

    1 引言

    海底底質(zhì)類型是重要的海洋環(huán)境參數(shù)(趙玉新和趙廷,2020),是進(jìn)行海底科學(xué)研究的基礎(chǔ)。隨著海洋牧場(chǎng)建設(shè)、海洋環(huán)境監(jiān)測(cè)、海洋工程應(yīng)用及海底資源調(diào)查等領(lǐng)域發(fā)展,亟需海底底質(zhì)分類為其提供數(shù)據(jù)基礎(chǔ)。因此,探求合理、有效的海底底質(zhì)分類方法對(duì)于海上環(huán)境保護(hù)活動(dòng)和海洋學(xué)科建設(shè)等方面具有重要的實(shí)際應(yīng)用價(jià)值。

    目前,海底底質(zhì)分類方法大體可分為實(shí)地取樣觀測(cè)和聲光遙感探測(cè)兩類(劉永明 等,2017)。其中,傳統(tǒng)的實(shí)地取樣方法精度高,但效率低、成本高,因此該方法難以實(shí)現(xiàn)大范圍高密度的海底底質(zhì)取樣(徐超,2014)。相對(duì)于取樣方法,海底底質(zhì)遙感手段具有更高探測(cè)效率,且主要分為聲學(xué)遙感與光學(xué)遙感兩種方式。

    聲學(xué)遙感方面,側(cè)掃聲吶作為高分辨率的水下聲學(xué)成像設(shè)備,能夠快速獲得大范圍、高分辨率的海底聲學(xué)圖像,在海洋湖泊等水下目標(biāo)探測(cè)中應(yīng)用廣泛(Ge 等,2021)。陳佳兵等(2017)基于珠江口側(cè)掃聲吶圖像數(shù)據(jù),采用灰度直方圖和灰度共生矩陣方法提取特征向量,采用PSO-BP 方法,實(shí)現(xiàn)了對(duì)砂、礁石和泥3 類底質(zhì)樣本的分類,其分類精度達(dá)到90%。然而利用聲吶圖像僅提取了紋理特征,分類特征空間考慮不夠全面,進(jìn)而影響分類精度,需要結(jié)合其他的特征提取方法提高底質(zhì)分類的適用性。另外,多波束探測(cè)作為聲學(xué)海洋遙感的重要技術(shù)之一,也經(jīng)常用于海底底質(zhì)分類(陽凡林 等,2021)。唐秋華等(2014)基于多波束反向散射強(qiáng)度數(shù)據(jù),運(yùn)用改進(jìn)的學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)對(duì)海底粉砂質(zhì)砂、黏土質(zhì)砂以及砂—粉砂—黏土3種底質(zhì)類型的快速自動(dòng)分類識(shí)別,相比改進(jìn)前分類精度有所提升。然而船只在淺水區(qū)域易發(fā)生觸礁、擱淺等危險(xiǎn),其系統(tǒng)應(yīng)用受到一定限制(劉焱雄 等,2017)。

    海洋光學(xué)遙感方面,Ayustina 等(2018)運(yùn)用Landsat 8 獲取的影像和實(shí)地?cái)?shù)據(jù)實(shí)現(xiàn)對(duì)淺海區(qū)域碎石、海草混合沙、珊瑚礁混合碎石、碎石混合死珊瑚、沙混合碎石和沙混合海草的分類,OA 分類精度為80%,分類精度相對(duì)較低。機(jī)載LiDAR 測(cè)深A(yù)LB(Airborne LiDAR Bathymetry)是一種主動(dòng)式的海洋探測(cè)技術(shù),在淺水區(qū)域具有測(cè)量精度高、測(cè)量效率高、機(jī)動(dòng)性高、測(cè)量連續(xù)性等優(yōu)點(diǎn)(劉焱雄 等,2017)。Velasco 等(2014)基于輻射傳輸模型矯正機(jī)載LiDAR 測(cè)深強(qiáng)度信息并生成強(qiáng)度圖像,利用K-means 方法對(duì)強(qiáng)度圖像進(jìn)行無監(jiān)督分類,與驗(yàn)證數(shù)據(jù)相比分類效果較好,但分類精度受限于單一強(qiáng)度特征數(shù)據(jù)。針對(duì)該問題,Eren等(2018)基于機(jī)載LiDAR 測(cè)深數(shù)據(jù)提取了11 維波形特征,并利用SVM 監(jiān)督分類器進(jìn)行分類,結(jié)果顯示沙子和巖石分類的總體分類精度為96%,細(xì)砂和粗砂分類的總體分類精度僅為86%,說明僅利用波形特征進(jìn)行分類還不夠全面。為了更全面的利用特征信息,Su 等(2019)對(duì)分類特征空間做了進(jìn)一步擴(kuò)展,利用機(jī)載LiDAR 測(cè)深系統(tǒng)波形特征和地形特征數(shù)據(jù)建立特征向量,并將其輸入到支持向量機(jī)中,將底質(zhì)分為珊瑚礁和其他兩類,OA 精度達(dá)到了93.57%。綜上所述,多維特征向量往往包含更多特征信息,其分類精度要比單一特征的分類精度高,但特征冗余也會(huì)影響分類效果,因此分類之前進(jìn)行特征優(yōu)選就顯得尤為重要(戴莫凡 等,2022)。

    高維特征信息不僅會(huì)增加模型構(gòu)建的復(fù)雜度,還會(huì)降低機(jī)器學(xué)習(xí)算法的性能,造成“維數(shù)災(zāi)難”和“過擬合”問題(陳科,2021;喬紀(jì)綱 等,2011)。特征優(yōu)選可移除冗余的干擾特征,有效降低高維數(shù)據(jù)的維數(shù),從而提高分類的準(zhǔn)確度。臧卓等(2014)利用PCA 算法對(duì)喬木樹種的高光譜數(shù)據(jù)進(jìn)行降維與分類,實(shí)驗(yàn)結(jié)果表明,適宜的主成分個(gè)數(shù)可獲得較高的分類精度,然而無監(jiān)督PCA 投影原則使得不同類別的數(shù)據(jù)混合在一起難以區(qū)分。為找到數(shù)據(jù)中具有判別性的維度,不同類別盡可能區(qū)分開,楊明莉等(2020)利用線性判別分析法對(duì)高光譜數(shù)據(jù)降維處理,相比特征降維前分類精度有所提高,然而線性判別分析法不適合對(duì)非高斯分布樣本進(jìn)行降維且線性判別分析法最多降維到比類別數(shù)少1的維數(shù)。因此,找到合適的特征選擇方法至關(guān)重要。

    針對(duì)海底底質(zhì)分類中存在的特征冗余問題,提出了一種顧及波形和地形特征優(yōu)選的機(jī)載LiDAR海底底質(zhì)分類方法。通過提取9 類波形特征變量(偏態(tài)、峰度、反向散射截面系數(shù)、殘差振幅、殘差波寬等)和9類地形特征變量(粗糙度、高斯曲率、高程熵、變異系數(shù)、凹凸系數(shù)等);基于Relief-F方法構(gòu)建特征優(yōu)選模型,設(shè)置貢獻(xiàn)率閾值,精簡(jiǎn)18 類特征中貢獻(xiàn)率低于閾值的特征;最后利用SVM、隨機(jī)森林、BP 神經(jīng)網(wǎng)絡(luò)分類器,將底質(zhì)劃分為珊瑚礁、礫石、砂、植被和海岸帶5類,并對(duì)分類結(jié)果進(jìn)行精度評(píng)定與分析。

    2 研究方法

    2.1 數(shù)據(jù)預(yù)處理

    波形數(shù)據(jù)預(yù)處理主要包括波形去噪和波形擬合兩部分。數(shù)據(jù)預(yù)處理旨在于更完整和精確地提出波形回波信號(hào)各個(gè)組分的詳細(xì)信息(Lai 和Zheng,2015)。

    (1)波形去噪。ALB 系統(tǒng)接收的回波信號(hào)是海面回波信號(hào)、水體后向散射信號(hào)、海底回波信號(hào)、背景噪聲等回波信號(hào)在時(shí)間軸上能量的疊加(Abdallah等,2012)。實(shí)測(cè)波形回波信號(hào)各個(gè)組分如圖1所示。公式如下:

    式中,PT(t)為ALB 系統(tǒng)接收的總回波信號(hào),PS(t)為海面回波信號(hào),Pc(t)為水體散射信號(hào),Pb(t)為海底回波信號(hào),PBG(t)為背景噪聲,PR(t)為傳感器內(nèi)部噪聲,t為時(shí)間。因此,需要在特征提取前對(duì)含噪波形信號(hào)進(jìn)行去噪處理,本文利用小波自適應(yīng)閾值去噪方法進(jìn)行ALB波形去噪。

    (2)波形擬合。波形擬合是機(jī)載LiDAR 測(cè)深數(shù)據(jù)處理的重要環(huán)節(jié),是有效提取波形特征的前提。本文基于分層異構(gòu)算法分別對(duì)水面、水體、水底波形進(jìn)行分解(亓超 等,2021,2019)。

    2.2 特征提取與特征優(yōu)選模型構(gòu)建

    (1)波形特征提取。本文基于2.1 節(jié)波形擬合結(jié)果進(jìn)行9 類波形特征的提取,其示意圖如圖2所示。

    圖2 波形特征變量分布圖Fig.2 Schematic illustration of sea bottom waveform variables

    1)振幅(Peak amplitude):回波能量的最大值,表示回波強(qiáng)度(Lee 等,2001)。如圖2(a)所示,波形最高處的能量值。

    2)波寬(Pulse width):回波波形的平展距離。如圖2(a)所示。

    3)半幅波寬(Full width at half maximum):如圖2(a)所示,回波能量為振幅的一半時(shí)所對(duì)應(yīng)的波寬(Hou 等,2019)。

    式中,GSE為高斯擬合時(shí)波形的標(biāo)準(zhǔn)偏差。

    4)波形面積(Area):海底波形響應(yīng)過程中激光脈沖能量的積累。當(dāng)回波高度為振幅高度的20%時(shí),兩者之間對(duì)應(yīng)的面積S,如圖2(a)所示。

    式中,Si為第i段回波波形對(duì)應(yīng)的采樣面積。

    5)偏態(tài)(Skewness):對(duì)回波能量分布的偏移程度,如圖2(b)所示。用式(4)來計(jì)算回波能量的分布趨勢(shì)對(duì)稱性的量度(Joanes和Gill,1998)。

    式中,Pi為回波波形采樣點(diǎn)的能量,為波形采樣點(diǎn)處回波能量的平均值,n為采樣點(diǎn)個(gè)數(shù)。

    6)峰度(Kurtosis):表示回波波峰的尖銳程度,如圖2(b)所示。由下式可計(jì)算出(Matsatsinis和Samaras,2000):

    7)反向散射截面系數(shù)(Backscatter crosssection):如圖2(c)所示,反映出海底水波和回波信號(hào)之間的有效碰撞面積(Alexander等,2010)。

    式中,Ccal為校準(zhǔn)常數(shù),,R為激光發(fā)射器中心到海底的距離,βt為激光束發(fā)射角,P為振幅,W為脈寬,ρ為海底發(fā)射率。

    8)殘差振幅(Residual amplitude):是殘差信號(hào)的振幅值。在75%峰值強(qiáng)度點(diǎn)處用于平均斜率擬合,所形成的多余線性回歸與底部收益之間的面積作為殘差信號(hào),交點(diǎn)處的振幅值與底部收益點(diǎn)處的振幅值之差就是殘差振幅(Li 等,2012),如圖2(a)所示。

    式中,PRES是殘差振幅,PCL是交點(diǎn)處線性回歸的振幅值,PCW是對(duì)應(yīng)的底部收益點(diǎn)處的振幅值。

    9)殘差波寬(Residual pulse width):模擬底部收益率的線性部分頂部處的脈沖寬度,如圖2(a)所示。

    式中,WRES是殘差波寬,WCR是右側(cè)頂點(diǎn)處的脈沖寬度,WCL是左側(cè)頂點(diǎn)處的脈沖寬度。

    (2)地形特征提取。地形特征則采用局部二次曲面擬合算法進(jìn)行提取。其主要步驟為:首先,設(shè)定擬合半徑r,并基于LM 算法建立海底點(diǎn)的二次曲面擬合模型,根據(jù)擬合時(shí)間和擬合精度確定最優(yōu)半徑為2 m,進(jìn)而得到最優(yōu)半徑下的最佳擬合參數(shù);然后,根據(jù)最優(yōu)擬合參數(shù)確定地形模型,依據(jù)表1 中的特征定義獲取9 類地形特征數(shù)據(jù)。其中部分地形特征變量分布圖如圖3所示。

    表1 海底地形特征參數(shù)表Table1 Description of sea bottom geometric variables

    圖3 部分地形特征變量分布圖Fig.3 Schematic illustration of partial geometric variables

    (3)特征優(yōu)選模型構(gòu)建。為精簡(jiǎn)并優(yōu)化特征空間,分類之前需要進(jìn)行特征優(yōu)選處理,本文采用Relief-F 算法進(jìn)行特征優(yōu)選?;舅枷胧菫閷?shí)驗(yàn)數(shù)據(jù)特征集中的每一個(gè)特征賦予不同的權(quán)重,隨后遵循“聚集同類樣本,離散異類樣本”的原則迭代更新權(quán)值,即根據(jù)其權(quán)值大小進(jìn)行排序,并設(shè)立閾值舍棄貢獻(xiàn)率較小的特征,最后得到優(yōu)選的特征子集(黃莉莉 等,2012)。

    首先找出k個(gè)與任意特征xi同類的最近鄰樣本集合H,其中表示特征xi與H內(nèi)各特征在特征集A上的差異量化表達(dá)為式(9):

    式中,j=1,2,3,…,k。然后找出與xi不同類的k個(gè)最近鄰特征樣本集合M(c),其中n行1列表示特征xi與M(c)各特征在特征集A上的差異量化表達(dá)為公式(10)(張鴻,2012):

    2.3 分類器構(gòu)建

    隨機(jī)森林分類器構(gòu)建,首先利用Bootstrap 隨機(jī)有放回的選取M個(gè)訓(xùn)練集且每個(gè)的大小約占原始數(shù)據(jù)的三分之二;然后訓(xùn)練每個(gè)樣本集為單個(gè)決策樹,根據(jù)Gini 系數(shù)的最小原則隨機(jī)選取最優(yōu)特征進(jìn)行分裂,直到該節(jié)點(diǎn)訓(xùn)練樣例都屬于同一類;最后,按照決策樹投票結(jié)果決定最終分類結(jié)果。隨機(jī)森林分類輸出判別式如下式所示:

    式中,H(x)為最終分類結(jié)果;hi(x)表示單一決策樹分類結(jié)果;argmax 表示函數(shù)取得最大值時(shí)的參數(shù)值;Y表示目標(biāo)向量;I()為示性函數(shù)(表示當(dāng)集合內(nèi)有此數(shù)時(shí)該函數(shù)值為1,無此數(shù)時(shí)該函數(shù)值為0)(陳進(jìn) 等,2020)。

    2.4 算法流程

    本文是顧及波形特征和地形特征優(yōu)選的海底底質(zhì)分類,具體流程包括:

    (1)對(duì)原始回波信號(hào)進(jìn)行小波去噪,對(duì)原始點(diǎn)云進(jìn)行點(diǎn)云去噪處理;

    (2)對(duì)去噪后的回波信號(hào)進(jìn)行峰值探測(cè),然后分別利用高斯函數(shù)擬合水面反射回波,利用韋伯函數(shù)擬合水底反射回波,利用雙指數(shù)函數(shù)擬合水體反射回波,進(jìn)而提取出波形特征;

    (3)對(duì)去噪后的點(diǎn)云數(shù)據(jù)采用LM 算法建立二次曲面擬合模型,迭代尋優(yōu)獲得最優(yōu)化的擬合參數(shù),提取出地形特征;

    (4)基于提取的波形和地形特征,利用Relief-F 算法計(jì)算其貢獻(xiàn)率排序,保留貢獻(xiàn)率較大的特征;

    (5)利用隨機(jī)森林分類器提取出珊瑚礁、砂、海岸帶、礫石、植被5類底質(zhì)類型。

    3 實(shí)驗(yàn)與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    實(shí)驗(yàn)所用數(shù)據(jù)采集自中國(guó)西沙群島永樂環(huán)礁西北側(cè)的甘泉島水域,南海西沙群島區(qū)域。該島是典型的珊瑚島且島內(nèi)環(huán)境相對(duì)比較原始,擁有豐富的海底底質(zhì)類型,有利于開展淺水環(huán)境下的海底底質(zhì)分類研究。

    實(shí)驗(yàn)中機(jī)載LiDAR測(cè)深數(shù)據(jù)由Optech Aquarius ALB 系統(tǒng)采用532 nm,70 kHz 綠激光采集,飛機(jī)飛行高度為300 m,激光掃描最低角為15°,激光發(fā)射角為1 mrad,脈沖寬度為8.3 ns。經(jīng)數(shù)據(jù)預(yù)處理后,共獲得1.8×107個(gè)海底點(diǎn),海底點(diǎn)云密度約為4 pts/m2。同時(shí)采集了部分高清數(shù)碼相片,分辨率5 cm,以此為參考進(jìn)行訓(xùn)練樣本和驗(yàn)證樣本的選擇,樣本采集區(qū)域如圖4(a)A區(qū)所示。

    圖4 研究區(qū)域圖Fig.4 Study area

    3.2 特征提取結(jié)果與特征優(yōu)選分析

    (1)波形和地形特征提取結(jié)果。根據(jù)波形和地形特征的提取方法,對(duì)ALB數(shù)據(jù)進(jìn)行9維波形和9 維地形特征變量的特征提取,波形特征提取結(jié)果如圖5所示,地形特征提取結(jié)果如圖6所示。

    圖5 波形特征提取結(jié)果圖Fig.5 Result diagram of waveform feature extraction

    圖6 地形特征提取結(jié)果圖Fig.6 Result diagram of terrain feature extraction

    (2)特征優(yōu)選結(jié)果與分析。采用Relief-F 算法對(duì)9 類波形特征和9 類地形特征,根據(jù)其貢獻(xiàn)率值由高到低進(jìn)行排序。依據(jù)選取的特征輸入到分類器內(nèi)分類精度最高的原則,人工設(shè)置貢獻(xiàn)率閾值為0.0048,貢獻(xiàn)率小于此閾值的特征被去除。

    如圖7 所示,特征優(yōu)選后,保留了13 類特征,其中波形特征有4個(gè),分別是波寬、半幅波寬、波形面積、后向散射截面系數(shù);地形特征有9個(gè),分別是高斯曲率、坡度、水深標(biāo)準(zhǔn)差、平均偏差、高程熵、海底起伏度、粗糙度、凹凸系數(shù)、變異系數(shù)。進(jìn)一步分析可知:地形特征貢獻(xiàn)率占3/4 左右,證明了地形特征對(duì)于底質(zhì)分類的重要性,但僅僅使用地形特征缺乏詳細(xì)的空間尺度過程信息,需結(jié)合波形特征,波形特征約占比1/4,證明波形特征在此特征空間中對(duì)分類的有效性。

    圖7 特征優(yōu)選結(jié)果貢獻(xiàn)率分布圖Fig.7 Distribution diagram of contribution rate of feature optimization results

    3.3 分類結(jié)果與精度評(píng)定

    如圖9(a)所示,將實(shí)驗(yàn)區(qū)域劃分為5種底質(zhì)類型,并從實(shí)驗(yàn)區(qū)域A 中選取總訓(xùn)練樣本,其中珊瑚礁點(diǎn)8601 個(gè)、植被點(diǎn)8104 個(gè)、海岸帶點(diǎn)3976個(gè)、砂點(diǎn)8727 個(gè)、礫石點(diǎn)6323 個(gè)。在分類過程中,隨機(jī)選取總訓(xùn)練樣本的70%、20%和10%分別作為訓(xùn)練樣本、驗(yàn)證樣本和測(cè)試樣本,3 個(gè)樣本集之間沒有重疊的點(diǎn)。為了減小分類特征過多或過少對(duì)分類精度產(chǎn)生的負(fù)面影響,本實(shí)驗(yàn)采用Relief-F 算法對(duì)18 類波形和地形特征進(jìn)行特征優(yōu)選,并設(shè)計(jì)對(duì)照實(shí)驗(yàn)對(duì)比分析。

    由圖8 可知,特征優(yōu)選后,3 種分類方法的總體精度均有所提升,表明使用Relief-F 算法能夠減少特征冗余度帶來的不利影響,進(jìn)而達(dá)到提高分類精度的目的。

    圖8 特征優(yōu)選前后精度對(duì)比圖Fig.8 Comparison diagram of accuracy before and after feature optimization

    將最優(yōu)的13 類特征輸入到SVM,BPNN,RF 3 種經(jīng)典分類器算法中進(jìn)行分類,并利用用戶精度、生產(chǎn)者精度、總精度OA 和Kappa 系數(shù)對(duì)分類精度進(jìn)行精度評(píng)定,結(jié)果如表2所示。

    表2 特征優(yōu)選后分類精度對(duì)比結(jié)果Table2 Comparison of classification accuracy

    由表2 實(shí)驗(yàn)結(jié)果分析可知,實(shí)驗(yàn)比對(duì)3 種分類方法中,隨機(jī)森林分類器泛化性強(qiáng)且分類精度最高,總體精度達(dá)到95.36%,Kappa系數(shù)為0.94。

    最后基于上述分類過程中訓(xùn)練好的SVM,BPNN,RF 共3 個(gè)分類器模型,對(duì)測(cè)區(qū)A 進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果如圖9(b)、圖9(c)、圖9(d)所示,RF 分類器的預(yù)測(cè)結(jié)果與圖9(a)最為相近;其次為SVM,BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果較差。

    圖9 實(shí)驗(yàn)區(qū)域預(yù)測(cè)結(jié)果圖Fig.9 Diagram of prediction results in the experimental area

    4 結(jié)論

    針對(duì)海底底質(zhì)分類中存在的冗余特征問題,提出了一種顧及波形和地形特征優(yōu)選的機(jī)載LiDAR 測(cè)深海底底質(zhì)分類方法。將所提算法應(yīng)用于實(shí)測(cè)機(jī)載LiDAR 測(cè)深數(shù)據(jù),通過對(duì)分類結(jié)果進(jìn)行精度評(píng)定與分析,得出以下結(jié)論:

    (1)基于9 類波形特征和9 類地形特征變量,利用構(gòu)建的特征優(yōu)選模型進(jìn)行特征優(yōu)選?;趦?yōu)選特征,利用3種分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明Relief-F 特征優(yōu)選模型減小了冗余特征對(duì)分類精度的負(fù)面影響,基于優(yōu)選特征進(jìn)行分類可獲取更高的分類精度。

    (2)為了選擇有效的分類器,進(jìn)行特征優(yōu)選后,基于隨機(jī)森林,SVM,BP神經(jīng)網(wǎng)絡(luò)3種分類器分別提取珊瑚礁、砂、礫石、海岸帶、植被5 種底質(zhì)。實(shí)驗(yàn)結(jié)果表明隨機(jī)森林分類器的分類效果最好,OA精度和Kappa系數(shù)分別達(dá)到了95.36%和0.94。

    通過本文顧及波形和地形特征優(yōu)選的機(jī)載LiDAR 測(cè)深底質(zhì)分類方法研究,相關(guān)成果能夠?yàn)楹Q蠊こ痰阮I(lǐng)域?qū)5椎踪|(zhì)分類需求提供有效的技術(shù)支撐。

    猜你喜歡
    特征提取分類特征
    分類算一算
    如何表達(dá)“特征”
    基于Gazebo仿真環(huán)境的ORB特征提取與比對(duì)的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    不忠誠(chéng)的四個(gè)特征
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    一種基于LBP 特征提取和稀疏表示的肝病識(shí)別算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲色图 男人天堂 中文字幕| 脱女人内裤的视频| 亚洲第一欧美日韩一区二区三区| 人人妻人人看人人澡| 日韩欧美在线二视频| 久久国产精品人妻蜜桃| 99精品在免费线老司机午夜| 99精品在免费线老司机午夜| 91九色精品人成在线观看| 欧美乱码精品一区二区三区| 美国免费a级毛片| 熟妇人妻久久中文字幕3abv| 啦啦啦韩国在线观看视频| 精品国内亚洲2022精品成人| 午夜日韩欧美国产| 不卡av一区二区三区| 日本黄色视频三级网站网址| 999精品在线视频| 午夜精品在线福利| 国产伦人伦偷精品视频| 国产片内射在线| 叶爱在线成人免费视频播放| 麻豆久久精品国产亚洲av| 色婷婷久久久亚洲欧美| 免费在线观看视频国产中文字幕亚洲| 午夜成年电影在线免费观看| 人人妻人人澡人人看| 久久精品91无色码中文字幕| 精品国产乱码久久久久久男人| 久久香蕉国产精品| av中文乱码字幕在线| 色婷婷久久久亚洲欧美| 国产激情欧美一区二区| 亚洲成国产人片在线观看| 欧美成人性av电影在线观看| 欧美黑人精品巨大| 每晚都被弄得嗷嗷叫到高潮| 日本黄色视频三级网站网址| 女性被躁到高潮视频| 免费观看精品视频网站| 午夜福利成人在线免费观看| 欧美丝袜亚洲另类 | 日韩av在线大香蕉| 亚洲精品久久国产高清桃花| 黄色片一级片一级黄色片| 精品无人区乱码1区二区| 夜夜夜夜夜久久久久| 亚洲色图 男人天堂 中文字幕| 麻豆av在线久日| 一个人观看的视频www高清免费观看 | 黄色a级毛片大全视频| 中文字幕最新亚洲高清| 可以免费在线观看a视频的电影网站| 1024手机看黄色片| 亚洲久久久国产精品| 欧美+亚洲+日韩+国产| 老司机在亚洲福利影院| 天天一区二区日本电影三级| 国产伦在线观看视频一区| 国产亚洲精品av在线| 高潮久久久久久久久久久不卡| 怎么达到女性高潮| 午夜免费鲁丝| 波多野结衣巨乳人妻| 国产aⅴ精品一区二区三区波| 99热这里只有精品一区 | 久久久久久亚洲精品国产蜜桃av| 日本一区二区免费在线视频| 好男人在线观看高清免费视频 | 亚洲欧美日韩高清在线视频| 99久久精品国产亚洲精品| 精品欧美国产一区二区三| 亚洲国产精品成人综合色| 国内毛片毛片毛片毛片毛片| 一二三四社区在线视频社区8| 97人妻精品一区二区三区麻豆 | 一区二区日韩欧美中文字幕| 欧美在线黄色| 日韩精品免费视频一区二区三区| 欧美在线黄色| 啦啦啦免费观看视频1| 麻豆国产av国片精品| 婷婷丁香在线五月| 免费看美女性在线毛片视频| 1024香蕉在线观看| 巨乳人妻的诱惑在线观看| 亚洲成人久久性| 国产午夜福利久久久久久| 日本成人三级电影网站| 9191精品国产免费久久| 久久热在线av| 青草久久国产| 久久久久久久午夜电影| 亚洲国产高清在线一区二区三 | 久久精品国产综合久久久| 国产精品野战在线观看| 一级毛片精品| 久久久久久久久免费视频了| 国产亚洲欧美精品永久| 久久草成人影院| 精品久久蜜臀av无| 老司机午夜福利在线观看视频| 日本撒尿小便嘘嘘汇集6| av福利片在线| av片东京热男人的天堂| www国产在线视频色| 国产精品永久免费网站| 国产亚洲欧美精品永久| 国产成人啪精品午夜网站| 精品日产1卡2卡| 老司机午夜福利在线观看视频| 久久久久久亚洲精品国产蜜桃av| 亚洲欧美激情综合另类| 亚洲成人久久爱视频| 成年人黄色毛片网站| 99riav亚洲国产免费| 老鸭窝网址在线观看| 亚洲七黄色美女视频| 男女之事视频高清在线观看| 俄罗斯特黄特色一大片| 露出奶头的视频| 亚洲av成人av| 男女床上黄色一级片免费看| 18禁国产床啪视频网站| 久久精品国产亚洲av香蕉五月| 少妇被粗大的猛进出69影院| 亚洲成人精品中文字幕电影| 啦啦啦免费观看视频1| 女人高潮潮喷娇喘18禁视频| 91字幕亚洲| 不卡一级毛片| 一进一出抽搐gif免费好疼| 亚洲人成网站在线播放欧美日韩| 777久久人妻少妇嫩草av网站| 白带黄色成豆腐渣| 白带黄色成豆腐渣| 麻豆成人av在线观看| 女同久久另类99精品国产91| 又紧又爽又黄一区二区| 亚洲人成网站在线播放欧美日韩| 精品福利观看| 成年版毛片免费区| 欧美精品亚洲一区二区| 老司机在亚洲福利影院| 曰老女人黄片| 少妇 在线观看| 精品福利观看| 欧美精品亚洲一区二区| 欧美精品亚洲一区二区| 免费无遮挡裸体视频| 国产精品99久久99久久久不卡| 国产成人欧美| 日本五十路高清| 日韩欧美一区二区三区在线观看| 色综合站精品国产| av视频在线观看入口| 别揉我奶头~嗯~啊~动态视频| 久久久久久亚洲精品国产蜜桃av| 日本一本二区三区精品| 色播在线永久视频| 欧美激情久久久久久爽电影| 少妇粗大呻吟视频| 宅男免费午夜| a级毛片a级免费在线| 亚洲av熟女| 99精品久久久久人妻精品| 老司机午夜福利在线观看视频| 日韩欧美国产在线观看| 日日爽夜夜爽网站| 久久久久国产精品人妻aⅴ院| 12—13女人毛片做爰片一| 久久久国产欧美日韩av| 久久精品国产亚洲av香蕉五月| 黄色视频不卡| 亚洲精品粉嫩美女一区| 免费搜索国产男女视频| 在线观看免费日韩欧美大片| 精品熟女少妇八av免费久了| 欧美日韩亚洲国产一区二区在线观看| 婷婷丁香在线五月| 级片在线观看| 国产亚洲精品一区二区www| 国产视频一区二区在线看| 人人妻,人人澡人人爽秒播| 国内揄拍国产精品人妻在线 | 99国产精品一区二区蜜桃av| 精品欧美国产一区二区三| 欧美另类亚洲清纯唯美| 制服人妻中文乱码| 久久青草综合色| 久久久久国产精品人妻aⅴ院| 国产视频一区二区在线看| 国产亚洲精品一区二区www| 国产精品亚洲一级av第二区| 中文字幕精品免费在线观看视频| 久久婷婷成人综合色麻豆| 波多野结衣av一区二区av| 美女高潮喷水抽搐中文字幕| 少妇裸体淫交视频免费看高清 | av天堂在线播放| 他把我摸到了高潮在线观看| 国产精品自产拍在线观看55亚洲| 视频在线观看一区二区三区| 桃色一区二区三区在线观看| 国产成人av激情在线播放| 亚洲国产精品合色在线| 不卡一级毛片| 美女大奶头视频| 啦啦啦 在线观看视频| 18美女黄网站色大片免费观看| 午夜精品久久久久久毛片777| 欧美一级毛片孕妇| 欧美最黄视频在线播放免费| 精品少妇一区二区三区视频日本电影| 精品久久久久久,| 长腿黑丝高跟| 精品免费久久久久久久清纯| 成人手机av| 国产精品永久免费网站| 亚洲国产欧美网| 动漫黄色视频在线观看| 国产精品影院久久| 久久精品aⅴ一区二区三区四区| 亚洲,欧美精品.| 亚洲中文av在线| 国产精品久久久久久人妻精品电影| 黄片大片在线免费观看| x7x7x7水蜜桃| 精品久久久久久成人av| 国产精品野战在线观看| 国产精品1区2区在线观看.| 此物有八面人人有两片| 国产爱豆传媒在线观看 | 久久香蕉精品热| 一a级毛片在线观看| 女生性感内裤真人,穿戴方法视频| 嫁个100分男人电影在线观看| 天堂影院成人在线观看| 国产99白浆流出| 欧美黑人欧美精品刺激| 国产熟女午夜一区二区三区| 免费在线观看日本一区| 日本五十路高清| 日韩欧美免费精品| 两人在一起打扑克的视频| 少妇熟女aⅴ在线视频| av在线播放免费不卡| 色播亚洲综合网| 91国产中文字幕| 一区二区三区精品91| 日本三级黄在线观看| 色综合婷婷激情| 亚洲国产欧美日韩在线播放| 久热这里只有精品99| 成在线人永久免费视频| 国产极品粉嫩免费观看在线| 91大片在线观看| 国产精品乱码一区二三区的特点| 亚洲 国产 在线| 老汉色av国产亚洲站长工具| 两个人视频免费观看高清| 欧美人与性动交α欧美精品济南到| 高清在线国产一区| 亚洲午夜理论影院| 天天躁夜夜躁狠狠躁躁| 亚洲成av片中文字幕在线观看| 99在线视频只有这里精品首页| 欧美久久黑人一区二区| 成人国产综合亚洲| av在线播放免费不卡| 久久亚洲真实| 日韩欧美国产在线观看| 熟女电影av网| 国产私拍福利视频在线观看| 国内毛片毛片毛片毛片毛片| 又大又爽又粗| 国产国语露脸激情在线看| 看片在线看免费视频| 亚洲av成人不卡在线观看播放网| 成人免费观看视频高清| 精品一区二区三区四区五区乱码| 国产精品野战在线观看| 亚洲自拍偷在线| 波多野结衣高清作品| a在线观看视频网站| 成人亚洲精品av一区二区| 国产亚洲精品综合一区在线观看 | 亚洲 欧美一区二区三区| 婷婷精品国产亚洲av| 国产亚洲精品第一综合不卡| 国产精品一区二区三区四区久久 | 国产精品久久视频播放| www国产在线视频色| 看片在线看免费视频| 午夜两性在线视频| 欧美av亚洲av综合av国产av| 国产av不卡久久| 亚洲精品久久国产高清桃花| 亚洲欧美精品综合久久99| 一级毛片高清免费大全| 亚洲中文字幕日韩| 亚洲国产看品久久| 天天添夜夜摸| 99精品久久久久人妻精品| 观看免费一级毛片| 精品福利观看| 黄色 视频免费看| 91字幕亚洲| 一区福利在线观看| 免费av毛片视频| 69av精品久久久久久| 十分钟在线观看高清视频www| 怎么达到女性高潮| 国产亚洲精品久久久久久毛片| 国产成人系列免费观看| a级毛片a级免费在线| av福利片在线| 91老司机精品| 熟女电影av网| 婷婷六月久久综合丁香| 极品教师在线免费播放| 国产国语露脸激情在线看| 久久青草综合色| 在线观看www视频免费| 国产精品久久久人人做人人爽| 制服丝袜大香蕉在线| 99热6这里只有精品| 窝窝影院91人妻| 亚洲中文字幕一区二区三区有码在线看 | 国内揄拍国产精品人妻在线 | 在线观看免费午夜福利视频| 欧美久久黑人一区二区| 一级黄色大片毛片| 婷婷六月久久综合丁香| 欧美zozozo另类| 少妇的丰满在线观看| 精品卡一卡二卡四卡免费| 亚洲成人久久性| 亚洲国产欧洲综合997久久, | 欧美日韩瑟瑟在线播放| 2021天堂中文幕一二区在线观 | 亚洲在线自拍视频| 中文亚洲av片在线观看爽| 在线永久观看黄色视频| 精品久久久久久久末码| 午夜久久久在线观看| 欧美乱色亚洲激情| 久久天躁狠狠躁夜夜2o2o| 久久久久九九精品影院| 国产av一区在线观看免费| 一二三四在线观看免费中文在| 亚洲片人在线观看| 日韩av在线大香蕉| 欧美另类亚洲清纯唯美| 曰老女人黄片| 男女下面进入的视频免费午夜 | 亚洲人成伊人成综合网2020| 国产精品电影一区二区三区| 悠悠久久av| АⅤ资源中文在线天堂| 一级作爱视频免费观看| 丁香六月欧美| 日本免费一区二区三区高清不卡| 啦啦啦 在线观看视频| 欧美人与性动交α欧美精品济南到| 欧美一级a爱片免费观看看 | 国语自产精品视频在线第100页| av在线播放免费不卡| 啪啪无遮挡十八禁网站| 高清在线国产一区| 日本成人三级电影网站| 香蕉av资源在线| 欧美乱妇无乱码| 可以在线观看毛片的网站| 国内少妇人妻偷人精品xxx网站 | 精品第一国产精品| 精品国产超薄肉色丝袜足j| 日韩欧美三级三区| 一本久久中文字幕| 精品一区二区三区av网在线观看| 妹子高潮喷水视频| 亚洲久久久国产精品| 欧美色视频一区免费| 中文字幕av电影在线播放| 欧美+亚洲+日韩+国产| 成在线人永久免费视频| 亚洲成国产人片在线观看| 日韩精品中文字幕看吧| 一区二区日韩欧美中文字幕| 日韩高清综合在线| 黄片播放在线免费| 12—13女人毛片做爰片一| av有码第一页| 桃色一区二区三区在线观看| 国产精品亚洲美女久久久| 国产又爽黄色视频| 亚洲国产欧美一区二区综合| 日韩欧美国产在线观看| 亚洲中文字幕一区二区三区有码在线看 | 51午夜福利影视在线观看| 熟女少妇亚洲综合色aaa.| 变态另类成人亚洲欧美熟女| 日韩欧美三级三区| 欧美日韩一级在线毛片| 在线观看舔阴道视频| 搡老岳熟女国产| 久久天躁狠狠躁夜夜2o2o| 精品一区二区三区av网在线观看| 国产爱豆传媒在线观看 | 日韩三级视频一区二区三区| 18禁黄网站禁片午夜丰满| 一本综合久久免费| 草草在线视频免费看| 亚洲色图 男人天堂 中文字幕| 一级毛片高清免费大全| 91成人精品电影| 啪啪无遮挡十八禁网站| 制服人妻中文乱码| 12—13女人毛片做爰片一| 亚洲人成77777在线视频| 国产亚洲欧美98| 白带黄色成豆腐渣| 国产精品久久久久久精品电影 | 亚洲欧洲精品一区二区精品久久久| 精品福利观看| 无遮挡黄片免费观看| 18美女黄网站色大片免费观看| 精品国产乱子伦一区二区三区| 欧美一区二区精品小视频在线| 极品教师在线免费播放| 欧美成人免费av一区二区三区| 精品少妇一区二区三区视频日本电影| 长腿黑丝高跟| 首页视频小说图片口味搜索| 国产精品98久久久久久宅男小说| 亚洲久久久国产精品| 精品一区二区三区四区五区乱码| 国产精品乱码一区二三区的特点| 久久精品aⅴ一区二区三区四区| 亚洲国产看品久久| 嫁个100分男人电影在线观看| 久久国产亚洲av麻豆专区| 日韩成人在线观看一区二区三区| 男女视频在线观看网站免费 | 免费看日本二区| 亚洲专区国产一区二区| 国产精品日韩av在线免费观看| 日本撒尿小便嘘嘘汇集6| 手机成人av网站| 99热只有精品国产| 美女 人体艺术 gogo| 曰老女人黄片| 国产精品二区激情视频| 精品一区二区三区四区五区乱码| 女性被躁到高潮视频| 99精品欧美一区二区三区四区| e午夜精品久久久久久久| 黄色成人免费大全| 变态另类丝袜制服| 老司机午夜福利在线观看视频| 国产亚洲精品久久久久久毛片| 久久久国产精品麻豆| 欧美中文综合在线视频| 老司机靠b影院| 国产伦人伦偷精品视频| 久久国产精品人妻蜜桃| 人人妻,人人澡人人爽秒播| 中亚洲国语对白在线视频| 中文字幕av电影在线播放| 搡老岳熟女国产| 欧美成狂野欧美在线观看| av电影中文网址| 欧美激情 高清一区二区三区| 国内精品久久久久久久电影| 国产精品免费视频内射| 亚洲人成77777在线视频| svipshipincom国产片| 久久欧美精品欧美久久欧美| 视频在线观看一区二区三区| 人人妻人人看人人澡| 他把我摸到了高潮在线观看| 国内精品久久久久久久电影| 国产黄片美女视频| 黑丝袜美女国产一区| 国产aⅴ精品一区二区三区波| 亚洲成人精品中文字幕电影| 两性夫妻黄色片| 国产精品乱码一区二三区的特点| 亚洲国产欧洲综合997久久, | 99国产极品粉嫩在线观看| 免费看十八禁软件| 91九色精品人成在线观看| 亚洲,欧美精品.| 成年女人毛片免费观看观看9| 久久婷婷成人综合色麻豆| 免费搜索国产男女视频| 一级毛片高清免费大全| 国产免费av片在线观看野外av| 亚洲欧美激情综合另类| 午夜两性在线视频| 一夜夜www| 日日爽夜夜爽网站| 国产高清激情床上av| 亚洲人成伊人成综合网2020| 一边摸一边做爽爽视频免费| 欧美激情高清一区二区三区| 淫妇啪啪啪对白视频| 美女午夜性视频免费| 可以在线观看的亚洲视频| 久热爱精品视频在线9| 极品教师在线免费播放| 淫妇啪啪啪对白视频| 国内揄拍国产精品人妻在线 | 国产精品永久免费网站| 久久久久亚洲av毛片大全| 禁无遮挡网站| 婷婷亚洲欧美| 香蕉丝袜av| 一级毛片精品| 国产私拍福利视频在线观看| 可以免费在线观看a视频的电影网站| 日韩欧美 国产精品| 久久天躁狠狠躁夜夜2o2o| 国产伦在线观看视频一区| 十八禁网站免费在线| 国产久久久一区二区三区| 午夜影院日韩av| 国产熟女午夜一区二区三区| 在线观看66精品国产| 免费女性裸体啪啪无遮挡网站| 日日夜夜操网爽| 18禁国产床啪视频网站| 午夜福利成人在线免费观看| 午夜福利在线在线| 一级作爱视频免费观看| 日本黄色视频三级网站网址| 欧美成人性av电影在线观看| 亚洲av成人一区二区三| 丰满的人妻完整版| 免费在线观看亚洲国产| 亚洲精品在线美女| 欧美成人性av电影在线观看| 怎么达到女性高潮| 男女下面进入的视频免费午夜 | 久99久视频精品免费| 国产精品免费视频内射| 听说在线观看完整版免费高清| 九色国产91popny在线| 成人三级黄色视频| 中文字幕人妻熟女乱码| 侵犯人妻中文字幕一二三四区| 日韩视频一区二区在线观看| 午夜久久久久精精品| 国产在线观看jvid| 久99久视频精品免费| 女同久久另类99精品国产91| 中文字幕另类日韩欧美亚洲嫩草| 久久青草综合色| 男女做爰动态图高潮gif福利片| 无人区码免费观看不卡| 一区二区三区激情视频| 51午夜福利影视在线观看| 亚洲av成人一区二区三| 男女床上黄色一级片免费看| 亚洲精品国产一区二区精华液| 大型黄色视频在线免费观看| 一边摸一边抽搐一进一小说| 不卡av一区二区三区| 午夜福利免费观看在线| 国内精品久久久久精免费| 国产高清激情床上av| 国产97色在线日韩免费| ponron亚洲| 欧美成狂野欧美在线观看| 国语自产精品视频在线第100页| 俄罗斯特黄特色一大片| 精品久久久久久久久久免费视频| 国内揄拍国产精品人妻在线 | 久久久久国产一级毛片高清牌| ponron亚洲| 在线观看免费日韩欧美大片| 少妇熟女aⅴ在线视频| 嫩草影院精品99| 可以在线观看毛片的网站| 国产蜜桃级精品一区二区三区| 欧美中文日本在线观看视频| 伊人久久大香线蕉亚洲五| 亚洲五月婷婷丁香| 国语自产精品视频在线第100页| 欧美激情高清一区二区三区| 一级毛片精品| 亚洲久久久国产精品| 天堂影院成人在线观看| 国产又色又爽无遮挡免费看| 欧美乱色亚洲激情| 精品久久久久久久毛片微露脸| 夜夜躁狠狠躁天天躁| 1024香蕉在线观看| 99热这里只有精品一区 | 久热爱精品视频在线9| 满18在线观看网站| 中文字幕精品免费在线观看视频| 国产一区二区在线av高清观看| 日本一本二区三区精品| 美女高潮喷水抽搐中文字幕| 亚洲欧美日韩高清在线视频| 国产欧美日韩精品亚洲av| 窝窝影院91人妻| 国产精品爽爽va在线观看网站 | 亚洲中文字幕日韩| 国产精华一区二区三区| 999精品在线视频| av福利片在线| 嫩草影视91久久| xxxwww97欧美|