• <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 ?

    基于集中注意力接受場(chǎng)網(wǎng)絡(luò)的偏振成像偽裝目標(biāo)檢測(cè)

    2024-11-04 00:00:00徐國(guó)明陳奇志劉綦馬健王峰

    摘 要:

    針對(duì)偽裝物體分割中圖像識(shí)別魯棒性較差,模型泛化性不強(qiáng)的問(wèn)題,受神經(jīng)科學(xué)中人類(lèi)視覺(jué)系統(tǒng)接受場(chǎng)結(jié)構(gòu)的啟發(fā),提出一種基于集中注意力接受場(chǎng)網(wǎng)絡(luò)的偏振成像偽裝目標(biāo)檢測(cè)方法。根據(jù)偏振成像目標(biāo)探測(cè)需要,構(gòu)建了能有效遏制背景噪聲以及獲取目標(biāo)細(xì)節(jié)特征的偏振成像數(shù)據(jù)集。方法基于識(shí)別與定位網(wǎng)絡(luò)框架,通過(guò)改進(jìn)特征提取模塊和解碼器模塊,該模塊利用了偏心度和感受野大小之間的關(guān)系,涵蓋多尺度的目標(biāo)信息,可以有效提高偽裝目標(biāo)特征的可分辨性和魯棒性。實(shí)驗(yàn)驗(yàn)證利用自建數(shù)據(jù)集在多個(gè)典型目標(biāo)上進(jìn)行,并與經(jīng)典算法進(jìn)行分割結(jié)果的主觀(guān)視覺(jué)與客觀(guān)評(píng)價(jià)指標(biāo)對(duì)比,對(duì)比實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。

    關(guān)鍵詞:偏振成像;偽裝目標(biāo)分割;機(jī)器視覺(jué);卷積神經(jīng)網(wǎng)絡(luò);數(shù)據(jù)集

    中圖分類(lèi)號(hào):TP391.41 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1001-3695(2024)09-040-2854-06

    doi: 10.19734/j.issn.1001-3695.2023.10.0574

    Polarization imaging camouflage target detection based on focused attention receptive field network

    Xu Guoming1,2,3, Chen Qizhi1, Liu Qi1,2, Ma Jian1,2, Wang Feng3

    (1.School of Internet, Anhui University, Hefei 230039, China; 2.National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, Hefei 230601, China; 3.Anhui Province Key Laboratory of Polarized Imaging Detecting Technology, Hefei 230031, China)

    Abstract:

    Aiming at the problems of poor image recognition robustness and poor model generalization in camouflaged object segmentation, inspired by the receptive field structure of the human visual system in neuroscience, this paper proposed a polarization imaging camouflage target detection method based on the receptive field network of focused attention. According to the polarization imaging target detection needs, it constructed the polarization imaging dataset that could effectively contain the background noise as well as obtain the detailed features of the target. The proposed method based on the recognition and localization network framework, which could effectively improve the discriminability and robustness of camouflaged target features by improving the feature extraction module and the decoder module, which exploited the relationship between the eccentricity and the size of the receptive field to cover multi-scale target information. The experimental validation carries out using a self-constructed dataset on multiple typical targets and comparing the subjective visual and objective evaluation metrics of the segmentation results with classical algorithms, and the results of the ablation experiments validate the effectiveness of the present segmentation method.

    Key words:polarization image; camouflaged object segmentation; machine vision; convolutional neural network; dataset

    0 引言

    偏振、干涉、衍射都是光的重要物理特性,其中偏振是指相對(duì)于光的傳播方向,光的振動(dòng)方向是不對(duì)稱(chēng)的,地表或者大氣層的物體在受到光的反射、散射、投射和電磁輻射的時(shí)候會(huì)產(chǎn)生相對(duì)應(yīng)的偏振信息,偏振信息可用于分析物體的形狀、表面粗糙程度、紋理走向以及材料的理化特性等。偏振成像技術(shù)相對(duì)于傳統(tǒng)的成像技術(shù),提供了二維空間的光強(qiáng)分布、光譜譜線(xiàn)和偏振信息,不僅可以完整解析出物體的特征信息,而且可以抑制噪聲,對(duì)環(huán)境有更好的適應(yīng)性。在20世紀(jì),西方國(guó)家開(kāi)始進(jìn)行偏振成像的相關(guān)實(shí)驗(yàn),Tooley[1]提出將偏振成像應(yīng)用于復(fù)雜環(huán)境中的目標(biāo)識(shí)別,并對(duì)人造目標(biāo)和自然環(huán)境的偏振特征進(jìn)行描述;Chenault等人[2]通過(guò)實(shí)驗(yàn)提出了偏振圖像有利于降低散射光對(duì)成像的影響;Boffety等人[3]提出了適用于多波段的偏振圖像的對(duì)比度優(yōu)化方法,進(jìn)一步提高了目標(biāo)和背景的對(duì)比度;Short等人[4]提出用于提取偏振圖像的局部梯度幅度值和方向特征的人臉識(shí)別算法。在實(shí)際應(yīng)用于偽裝目標(biāo)檢測(cè)過(guò)程中,偏振光在和目標(biāo)發(fā)生作用后,根據(jù)反射和透射光可以提取目標(biāo)的表面粗糙程度、邊緣細(xì)化差異以及內(nèi)部結(jié)構(gòu)的情況,從而獲得更具優(yōu)勢(shì)的被測(cè)目標(biāo)的圖像特征和相關(guān)信息。

    最近幾年,偽裝目標(biāo)檢測(cè)研究出現(xiàn)了爆炸式增長(zhǎng),部分原因是對(duì)警戒色和模仿的研究越來(lái)越多,同時(shí)也是視覺(jué)感知和目標(biāo)檢測(cè)等相關(guān)領(lǐng)域快速發(fā)展的必然趨勢(shì)。傳統(tǒng)意義上的偽裝識(shí)別是指試圖了解不同形式的偽裝所涉及的近似機(jī)制,還需要綜合考慮心理和生態(tài)環(huán)境的因素,這可以理解自然選擇和施加在偽裝上的約束,它們都影響偽裝策略的優(yōu)化和進(jìn)化。從更廣泛的意義上說(shuō),偽裝已經(jīng)被人類(lèi)所采用,最顯著的是應(yīng)用于軍隊(duì)和獵人,同時(shí)它也影響了社會(huì)的其他部分,例如,醫(yī)學(xué)診斷(如息肉分割[5]和肺部感染分割[6])、工業(yè)(如在自動(dòng)生產(chǎn)線(xiàn)上檢查不合格產(chǎn)品)、農(nóng)業(yè)(如蝗蟲(chóng)檢測(cè),以防止入侵)、安全和監(jiān)視(如搜索和救援任務(wù)以及惡劣天氣中針對(duì)自動(dòng)駕駛的行人或障礙物的檢測(cè))、科學(xué)研究(如稀有物種發(fā)現(xiàn))和藝術(shù)(如逼真的融合和娛樂(lè)藝術(shù))等不同領(lǐng)域,具有廣泛且有價(jià)值的應(yīng)用。目前,越來(lái)越多的研究人員對(duì)偽裝感興趣,在生物學(xué)、視覺(jué)心理學(xué)、計(jì)算機(jī)科學(xué)和藝術(shù)之間產(chǎn)生了更多的跨學(xué)科聯(lián)系。

    偽裝物體分割(camouflaged object segmentation,COS)[7]的目的是分割檢測(cè)出偽裝在環(huán)境中的目標(biāo)。傳統(tǒng)的偽裝檢測(cè)是根據(jù)物體的一些低級(jí)的特征信息(如紋理等)來(lái)區(qū)分偽裝目標(biāo)和背景,與其他的檢測(cè)目標(biāo)相比,檢測(cè)效果的魯棒性較低。偽裝目標(biāo)的檢測(cè)與通用目標(biāo)檢測(cè)(generic object detection,GOD)[8]有所區(qū)別,GOD的目標(biāo)更加廣泛,既可以是偽裝的,也可以是顯著的。COS和顯著性目標(biāo)檢測(cè)(salient object detection,SOD)[9]的檢測(cè)目的有點(diǎn)相似,COS是對(duì)偽裝目標(biāo)把輸入的特征分成偽裝目標(biāo)和背景的二分類(lèi)分割,SOD則把輸入特征分為顯著物體和背景,從某種程度上來(lái)說(shuō)COS和SOD分割的目標(biāo)是完全相反的。

    利用人類(lèi)識(shí)別目標(biāo)時(shí)的直接目標(biāo)特征,多種基于傳統(tǒng)特征提取的偽裝目標(biāo)檢測(cè)方法被提出。1998年,Tankus等人[10]提出的非邊緣感興趣區(qū)域機(jī)制,是針對(duì)偽裝目標(biāo)檢測(cè)最早的算法,被應(yīng)用于自然環(huán)境中的人工偽裝目標(biāo)。Zhang等人[11]通過(guò)引入前景和背景建模,提出了在貝葉斯框架下執(zhí)行完整的偽裝目標(biāo)檢測(cè);Beiderman等人[12]提出通過(guò)空間相干光束(如激光)照射分類(lèi)、識(shí)別或識(shí)別的被遮擋物體的景物,從物體反射出二次散斑圖案,基于隨機(jī)散斑圖案的時(shí)間跟蹤,提取物體的時(shí)間特征;Galun等人[13]提出自下而上的聚合框架來(lái)解決偽裝紋理分割,該框架將紋理元素的結(jié)構(gòu)特征與過(guò)濾器響應(yīng)相結(jié)合;Hall等人[14]研究了不同偽裝對(duì)人類(lèi)計(jì)算機(jī)任務(wù)中捕食檢測(cè)、識(shí)別和捕獲三個(gè)階段的影響。

    然而,傳統(tǒng)的偽裝檢測(cè)方法難以有效地區(qū)分對(duì)比度較低的偽裝場(chǎng)景,存在特征提取耗時(shí)、特征表征能力弱、檢測(cè)效果差等問(wèn)題。隨著基于深度學(xué)習(xí)的目標(biāo)檢測(cè)成為當(dāng)前研究的熱門(mén),偽裝目標(biāo)檢測(cè)方法開(kāi)始在特征提取和檢測(cè)效果上獲得更好的結(jié)果,能夠有效地增強(qiáng)偽裝目標(biāo)檢測(cè)模型的魯棒性?,F(xiàn)有的大部分基于深度學(xué)習(xí)的偽裝目標(biāo)檢測(cè)方法首先采用卷積神經(jīng)網(wǎng)絡(luò),如VGG(visual geometry group)[15]、ResNet(residual neural network)[16]、Res2Net[17]等進(jìn)行特征提取,然后通過(guò)增強(qiáng)特征,提高偽裝目標(biāo)檢測(cè)的性能[18]。Fan等人[19]通過(guò)搜索注意力機(jī)制和部分解碼器組件對(duì)偽裝目標(biāo)的前景和背景的模糊區(qū)域進(jìn)行定位和提取。Lyu等人[20]提出使用LSR(localization,segmentation and ranking)來(lái)對(duì)目標(biāo)進(jìn)行定位,并在不同圖像的偽裝級(jí)別,按照預(yù)設(shè)評(píng)價(jià)指標(biāo)劃分偽裝目標(biāo)。Mei等人[7]提出基于分心挖掘的 PFNet(positioning and focus network)模型,能夠有效地去除前景和背景中異質(zhì)干擾,提取含有更加豐富信息的偽裝目標(biāo)的特征。Mao等人[21]使用Swin Transformer作為backbone提取偽裝目標(biāo)的特征,通過(guò)將結(jié)合殘差注意力和密集金字塔池化的監(jiān)督結(jié)構(gòu)來(lái)降低主干網(wǎng)絡(luò)不直接提供空間監(jiān)督的影響。Zhu等人[22]提出基于雙流式分散注意力網(wǎng)絡(luò)BSANet,通過(guò)區(qū)分前景和背景以獲得更加細(xì)化的邊緣特征,減少目標(biāo)的丟失。Pang等人[23]提出使用三重結(jié)構(gòu)獲取偽裝目標(biāo)的差異化特征的網(wǎng)絡(luò)ZOOMNet,利用不同的尺度聚合模塊和分層混合尺度模塊增強(qiáng)特征,獲取更加準(zhǔn)確的預(yù)測(cè)。

    在神經(jīng)科學(xué)相關(guān)的領(lǐng)域,人們發(fā)現(xiàn)在視覺(jué)皮層中人體接受場(chǎng)的大小是視網(wǎng)膜圖中呈正相關(guān)的偏心率函數(shù)。根據(jù)這個(gè)發(fā)現(xiàn)可以認(rèn)為,越接近中心的區(qū)域更容易識(shí)別物體的特征,并且大腦在對(duì)于小的空間變化時(shí)具有不敏感性[24]。因此,本文基于目標(biāo)與背景的偏振特性差異,設(shè)計(jì)一種人類(lèi)視覺(jué)相關(guān)融合物理結(jié)構(gòu)的接受場(chǎng)模塊來(lái)增強(qiáng)輕量級(jí)網(wǎng)絡(luò)的特征表示,采用自建的基于偽裝的偏振數(shù)據(jù)集,充分利用偏振圖像增強(qiáng)物體的對(duì)比度、降低背景噪聲并獲取豐富細(xì)節(jié)特征的特性,提高偽裝物體的識(shí)別率。

    1 相關(guān)工作

    1.1 群接受場(chǎng)模塊

    接受場(chǎng)建模是神經(jīng)科學(xué)領(lǐng)域一種重要的感官科學(xué)工具,用于預(yù)測(cè)人的生理反應(yīng)和構(gòu)建大腦的計(jì)算模型。接受場(chǎng)這一概念原先是由視覺(jué)神經(jīng)領(lǐng)域?qū)<襍herrington[25]描述皮膚上可以引起撓抓反射的區(qū)域,提出接受場(chǎng)可以方便地用于指定所有的感受點(diǎn)的集合,在適當(dāng)?shù)拇碳は?,一種特殊的反射運(yùn)動(dòng)可以被喚起。Hartline[26]最先將這一概念引入視覺(jué)神經(jīng)元。在過(guò)去的幾十年里,許多研究者應(yīng)用接受場(chǎng)模型來(lái)表征人類(lèi)視覺(jué)皮層的反應(yīng)。人類(lèi)通過(guò)使用神經(jīng)科學(xué)儀器經(jīng)常能觀(guān)測(cè)到多個(gè)神經(jīng)元產(chǎn)生集合反應(yīng),因此這些模型通常被稱(chēng)為群接受場(chǎng)模型,即pRF(population receptive field properties)模型。

    在視網(wǎng)膜中,視覺(jué)系統(tǒng)實(shí)現(xiàn)了偏心和感受野大小之間的關(guān)系。這種關(guān)系也可以在非人靈長(zhǎng)類(lèi)動(dòng)物的單位測(cè)量中觀(guān)察到。利用功能磁共振成像和pRF模型,可以在皮層的許多視野映射中測(cè)量這種關(guān)系。在每個(gè)皮層圖中,pRF的大小和偏心量一起增加。不同視野圖的pRF大小增加速率不同(圖1),pRF的大小與不同實(shí)驗(yàn)的偏心率呈正相關(guān),不同映射的pRF的大小有較大的差異,V1的最小,TO1和TO2的群接受場(chǎng)要大得多。pRF大小作為視網(wǎng)膜位圖偏心的函數(shù)。這一觀(guān)察結(jié)果已經(jīng)被重復(fù)證明了很多次[27]。

    接受場(chǎng)模型有兩個(gè)有價(jià)值的特性。首先,關(guān)鍵pRF參數(shù)(接受場(chǎng)位置和大?。┚哂性诖碳兄付ǖ目山忉寙挝?,這使得能夠直接比較使用不同儀器估計(jì)的模型參數(shù)。第二,接受場(chǎng)可以在個(gè)體被試者中進(jìn)行估計(jì)。因此,有意義地比較兩個(gè)被試者之間的模型參數(shù)是可能的,相同的被試者在不同的條件下,或者相同的被試者用不同的儀器測(cè)量。這兩個(gè)特性提供了堅(jiān)實(shí)的科學(xué)基礎(chǔ),并支持實(shí)際應(yīng)用?;谏鲜鎏匦?,在深度學(xué)習(xí)中,為偽裝目標(biāo)的特征提取提供了一種新的思路,根據(jù)人眼在每個(gè)刺激幀中對(duì)于不同目標(biāo)的不同反應(yīng),使用大量數(shù)據(jù)集進(jìn)行訓(xùn)練,可以有效地建立網(wǎng)絡(luò)模型模擬真實(shí)人眼的識(shí)別架構(gòu)。

    1.2 偏振成像

    強(qiáng)度、波長(zhǎng)和偏振是光的三個(gè)基本特性。光波是橫波,其矢量的振動(dòng)方向垂直于光的傳播方向,而偏振光的光矢量的振動(dòng)方向不變或規(guī)則變化。偏振照相機(jī)用于在多偏振狀態(tài)下捕捉光的強(qiáng)度。

    自然界中,光在傳輸過(guò)程中電矢量振動(dòng)的空間分布具有一定的對(duì)稱(chēng)性,如圖2所示。當(dāng)橫波的振動(dòng)矢量偏向于某些方向產(chǎn)生的現(xiàn)象被稱(chēng)為偏振。當(dāng)電矢量的振動(dòng)在某些固定方向的時(shí)候,可以得到四個(gè)方向(0°,45°,90°和135°)的線(xiàn)偏振光,如圖3所示。

    2.2 接受場(chǎng)模塊

    接受場(chǎng)模塊(focus attention module,F(xiàn)AM)包括6個(gè)分支來(lái)對(duì)ResNet50的各個(gè)特征圖進(jìn)行特征提取,6個(gè)分支先進(jìn)行1×1的卷積降維(包括批正則化BatchNormal和激活函數(shù)ReLU),以第一個(gè)分支為例,將3×3的卷積核分解成1×3和3×1兩個(gè)卷積核,在這之后加入卷積率為3的空洞卷積,不僅可以降低計(jì)算量,還可以增大感受野。將包含四個(gè)膨脹卷積的分支和包含原始信息的特征圖進(jìn)行拼接相加,并使用1×1的卷積進(jìn)行降維操作,輸出增強(qiáng)后的特征圖。接受場(chǎng)模塊如圖5所示。

    該模塊由inception改進(jìn)而來(lái),受到膨脹卷積和分支結(jié)構(gòu)影響,本文根據(jù)偏振圖像的特點(diǎn)以及擴(kuò)大感受野的角度,新增加了一個(gè)9×9的分支結(jié)構(gòu)。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證發(fā)現(xiàn),多尺度特征的豐富性有助于特征提取,場(chǎng)景中的偽裝目標(biāo)在更加優(yōu)化的特征提取模塊的作用下,各項(xiàng)結(jié)果指標(biāo)有明顯提高。

    2.3 部分解碼器組件

    從FAM中獲取的候選特征輸入到部分解碼器組件(partial decoder components,PDC)組件中,分別對(duì)輸入的不同層的特征進(jìn)行上采樣和下采樣,以獲得相同大小的中間層特征圖,逐元素相乘的方式降低相鄰元素之間的差距。考慮到底層特征和高層特征的特性,本文將含有更多邊界信息的底層特征通過(guò)降維加入到有更多語(yǔ)義信息的底層特征進(jìn)行元素乘法,以獲得更好的輸出結(jié)果。改進(jìn)的部分解碼器組件如圖6所示。

    2.4 損失函數(shù)

    本文模型的損失函數(shù)使用交叉熵(cross entropy loss)[27],CELoss能夠更好地收斂,傳遞的梯度信息能夠更均勻,能夠有效地比較不同的分布概率在同一個(gè)隨機(jī)變量下的差異程度,在機(jī)器學(xué)習(xí)中就表示為真實(shí)概率分布(即輸出特征圖)與預(yù)測(cè)概率分布(手動(dòng)打標(biāo)的GT圖像)之間的差異。模型的預(yù)測(cè)結(jié)果與CELoss的值呈負(fù)相關(guān),CELoss的值越小,模型預(yù)測(cè)效果就越好。對(duì)Ci和Cj上采樣后,本文的總損失函數(shù)定義為

    L=LiCE(Ci,G)+LsCE(Cj,G)(5)

    其中:LCE為FARFNet定義的損失函數(shù);L為總損失函數(shù);G為Ground Truth圖像對(duì)應(yīng)的特征圖;Ci、Cj為輸出放大的特征圖。

    CELoss采用了類(lèi)間競(jìng)爭(zhēng)機(jī)制,擅長(zhǎng)學(xué)習(xí)不同標(biāo)簽之間的分類(lèi)信息,相對(duì)于其他傳統(tǒng)語(yǔ)義分割的多標(biāo)簽不同種類(lèi)的預(yù)測(cè),COS不用考慮非正確的標(biāo)簽預(yù)測(cè)概率的準(zhǔn)確性,能夠更加專(zhuān)注于正確的標(biāo)簽預(yù)測(cè)概率。針對(duì)偽裝的二分類(lèi)問(wèn)題只有目標(biāo)和背景的情況,只需要識(shí)別偽裝的目標(biāo)信息,所以有效地減少或者避免了CELoss的不足與缺點(diǎn)。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    由于種種原因,當(dāng)前基于偽裝的偏振數(shù)據(jù)集公開(kāi)極少,為支持本文偽裝目標(biāo)檢測(cè)算法,構(gòu)建基于偽裝迷彩的偏振數(shù)據(jù)集,利用該數(shù)據(jù)集對(duì)FARFNet進(jìn)行訓(xùn)練。

    偏振偽裝圖像由偏振相機(jī)采集,如圖7所示,采集的圖像分辨率為5.0 MP,2448×2048 px,幀率為24 fps,采用CMOS單聲道傳感器,如圖7所示。該傳感器能同時(shí)采集0°、45°、90°和135°四個(gè)偏振方向的圖像。

    本文的數(shù)據(jù)集包括2 800張自建圖像和從網(wǎng)絡(luò)上搜集的200張與偽裝相關(guān)的圖像,3 000張數(shù)據(jù)通過(guò)翻轉(zhuǎn)、旋轉(zhuǎn)、平移和抖動(dòng)四種幾何變換進(jìn)行增強(qiáng),擴(kuò)充到15 000張,數(shù)據(jù)集按照9∶1劃分為訓(xùn)練集和測(cè)試集,數(shù)據(jù)集中所有的偽裝目標(biāo)包括迷彩服、裝甲車(chē)、坦克車(chē)和部分小動(dòng)物的自然偽裝,包含有較豐富的環(huán)境特點(diǎn):a)不同時(shí)間段,早晨、正中午、傍晚、夜晚;b)不同場(chǎng)景,枯草坪、綠草坪、小樹(shù)林、林間小道、水泥地等;c)偽裝目標(biāo),針對(duì)不同環(huán)境,制造更適合目標(biāo)偽裝的角度,獲取包含各個(gè)尺度偽裝目標(biāo)的數(shù)據(jù)集,偏振偽裝數(shù)據(jù)集部分圖像標(biāo)注與解析如圖8所示。

    3.2 實(shí)驗(yàn)環(huán)境

    本文設(shè)計(jì)的實(shí)驗(yàn)環(huán)境參數(shù)具體如表1所示。

    3.3 評(píng)價(jià)指標(biāo)和實(shí)驗(yàn)參數(shù)設(shè)置

    為了更好地驗(yàn)證FARFNet的算法性能,評(píng)估改進(jìn)后的算法模型,本文選用了6個(gè)常見(jiàn)的評(píng)價(jià)指標(biāo),具體指標(biāo)描述如表2所示。

    本文算法的模型由Adam optimizer訓(xùn)練,初始學(xué)習(xí)率設(shè)置為0.000 1,每30個(gè)epoch迭代反向傳播學(xué)習(xí)的速率降低10%,網(wǎng)絡(luò)共迭代1 200次,批處理大小為16。

    3.4 實(shí)現(xiàn)結(jié)果分析

    本文使用表2中的PA、mIOU、MAE、Sm、adpEm、adpFm作為評(píng)價(jià)指標(biāo),分別與UNet、DANet、SINet、PFNet和ZOOMNet進(jìn)行比較,得到的實(shí)驗(yàn)結(jié)果如表3所示。

    從表中可以看出,本文算法在所有指標(biāo)上均有一定提升,相對(duì)于UNet、DANet、SINet、PFNet和ZOOMNet的PA值提升了0.182、0.156、0.072、0.048和0.018,mIOU提升了0.282、0.259、0.086、0.031和0.006,MAE減小了0.033、0.04、0.008、0.005和0.001,Sm提升了0.386、0.421、0.046、0.027和0.004,adpEm值提升了0.502、0.3、0.097、0.085和0.007,adpFm值提升了0.655、0.775、0.07、0.039和0.01,從數(shù)據(jù)上可以直觀(guān)地看出效果提升。圖9是方法對(duì)比的預(yù)測(cè)圖,從圖中也可以看出預(yù)測(cè)圖接近GT真值圖。

    3.5 對(duì)比實(shí)驗(yàn)

    本文對(duì)采集到的偽裝偏振數(shù)據(jù)集使用Stokes參量進(jìn)行解析后,對(duì)獲得的偏振參量圖像進(jìn)行實(shí)驗(yàn)。為驗(yàn)證偏振圖像在本文算法中的有效性,將采集的原始圖像同樣放入網(wǎng)絡(luò)中測(cè)試并進(jìn)行對(duì)比,結(jié)果如表4和圖10所示。根據(jù)表中實(shí)驗(yàn)數(shù)據(jù)可知,偏振參量圖像在測(cè)試后的結(jié)果上總體優(yōu)于原圖,PA、mIOU、MAE、Sm和adpEm分別提升了0.016、0.01、0.005、0.003和0.01,adpFm降低了0.007。除了adpFm,總體較原圖都有所提升,而adpFm的差值很小,對(duì)于整體模型的實(shí)驗(yàn)效果沒(méi)有很大的影響。由此可以得出結(jié)論,偏振解析后的圖像在本文的偽裝目標(biāo)檢測(cè)算法中有較好的實(shí)驗(yàn)效果,這對(duì)偏振成像技術(shù)與深度學(xué)習(xí)目標(biāo)檢測(cè)方法相結(jié)合進(jìn)行智能探測(cè)研究具有重要的參考價(jià)值。實(shí)驗(yàn)結(jié)果對(duì)比如圖10所示。

    4 結(jié)束語(yǔ)

    本文提出一種基于接受場(chǎng)模型的偏振成像偽裝目標(biāo)檢測(cè)方法,其在各個(gè)評(píng)價(jià)指標(biāo)上都優(yōu)于其他算法,充分說(shuō)明該方法能夠?qū)崿F(xiàn)更好的檢測(cè)和識(shí)別效果,為基于偽裝的偏振圖像的目標(biāo)檢測(cè)研究提供了一種數(shù)據(jù)支撐和新的思路。本文主要考慮偽裝數(shù)據(jù)集和接受場(chǎng)模塊對(duì)于網(wǎng)絡(luò)模型的改進(jìn)與提升,充分利用了偏振圖像的優(yōu)點(diǎn),獲取更加豐富的圖像特征。下一階段的主要任務(wù)是減少網(wǎng)絡(luò)模型參數(shù)量,在保證利用目標(biāo)偏振特性的同時(shí),提高算法檢測(cè)效率并改進(jìn)網(wǎng)絡(luò)以增加邊緣檢測(cè)的效果,這對(duì)該領(lǐng)域研究的應(yīng)用轉(zhuǎn)換具有重要意義,相關(guān)工作正在進(jìn)行中。

    參考文獻(xiàn):

    [1]Tooley R D. Man-made target detection using infrared polarization [J]. Proc of SPIE-The International Society for Optical Engineering, 1990, 1166: 52-59.

    [2]Chenault D B,Pezzaniti J L. Polarization imaging through scattering media [J]. SY Technology,2000,4133: 124-133.

    [3]Boffety M,Hu H,Goudail F. Contrast optimization in broadband passive polarimetric imaging [J]. Optics Letters,2014,39(23): 6759-6762.

    [4]Short N,Hu S,Gurton P K,et al. Changing the paradigm in human identification [J]. Optics & Photonics News,2015,26(12): 40.

    [5]Fan Dengping,Ji Gepeng,Zhou Tao,et al. PraNet: parallel reverse attention network for polyp segmentation [C]// Proc of the 23rd International Conference on Medical Image Computing and Computer Assisted Intervention. Cham:Springer,2020: 263-273.

    [6]Fan Dengping,Zhou Tao,Ji Geping,et al. Inf-Net: automatic Covid-19 lung infection segmentation from CT images [J]. IEEE Trans on Medical Imaging,2020,39(8): 2626-2637.

    [7]Mei Haiyang,Ji Gepeng,Wei Ziqi,et al. Camouflaged object segmentation with distraction mining [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2021: 8768-8777.

    [8]Everingham M,Eslami S A,Van Gool L,et al. The pascal visual object classes challenge: a retrospective [J]. International Journal of Computer Vision,2015,111: 98-136.

    [9]Itti L,Koch C,Niebur E. A model of saliency-based visual attention for rapid scene analysis [J]. IEEE Trans on Pattern Analysis and Machine Intelligence,1998,20(11): 1254-1259.

    [10]Tankus A,Yeshurun Y. Detection of regions of interest and camouflage breaking by direct convexity estimation [C]// Proc of IEEE Workshop on Visual Surveillance. Piscataway,NJ: IEEE Press,1998: 42-48.

    [11]Zhang Xiang,Zhu Ce,Wang Shuai,et al. A Bayesian approach to camouflaged moving object detection [J]. IEEE Trans on Circuits and Systems for Video Technology,2016,27(9): 2001-2013.

    [12]Beiderman Y,Teicher M,Garcia J,et al. Optical technique for classification,recognition and identification of obscured objects [J]. Optics Communications,2010,283(21): 4274-4282.

    [13]Galun M,Sharon E,Basri J,et al. Texture segmentation by multiscale aggregation of filter responses and shape elements [C]// Proc of the 9th IEEE International Conference on Computer Vision. Piscataway,NJ: IEEE Press,2003:716-723.

    [14]Hall J R,Cuthill I C,Baddeley R,et al. Camouflage,detection and identification of moving targets [J]. Biological Sciences,2013,280(1758): 20130064.

    [15]Siminyan K,Zisserman A. Very deep convolutional networks for large-scale image recognition [EB/OL]. (2015-04-10). https://arxiv.org/abs/1409.1556.

    [16]He Kaiming,Zhang Xiangyu,Ren Shaoqing,et al. Deep residual learning for image recognition [C]// Proc of IEEE Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Computer Society,2016: 770-778.

    [17]Gao Shanghua,Cheng Mingming,Zhao Kai,et al. Res2Net: a new multi-scale backbone architecture [J]. IEEE Trans on Pattern Analysis and Machine Intelligence,2019,43(2): 652-662.

    [18]史彩娟,任弼娟,王子雯,等. 基于深度學(xué)習(xí)的偽裝目標(biāo)檢測(cè)綜述 [J]. 計(jì)算機(jī)科學(xué)與探索,2022,16(12): 2734-2751. (Shi Caijuan,Ren Bijuan,Wang Ziwen,et al. Overview of camouflage target detection based on deep learning [J]. Computer Science and Exploration,2022,16(12): 2734-2751.)

    [19]Fan Dengping,Ji Gepeng,Sun Guo,et al. Camouflaged object detection [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2020: 2774-2784.

    [20]Lyu Yunqiu,Zhang Jing,Dai Yuchao,et al. Simultaneously localize,segment and rank the camouflaged objects [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2021: 11586-11589.

    [21]Mao Yuxin,Zhang Jing,Wan Zhexiong,et al. Transformer transforms salient object detection and camouflaged object detection [EB/OL]. (2021-04-20). https://export.arxiv.org/abs/2104.10127v2.

    [22]Zhu Hongwei,Li Peng,Xie Haoran,et al. I can find you! Boundary-guided separated attention network for camouflaged object detection [C]// Proc of AAAI Conference on Artificial Intelligence. Palo Alto,CA: AAAI Press,2022: 3608-3616.

    [23]Pang Youwei,Zhao Xiaoqi,Xiang Tianzhu,et al. Zoom in and out: a mixed-scale triplet network for camouflage object detection [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Re-cognition. Piscataway,NJ: IEEE Press,2022: 2160-2170.

    [24]Liu Songtao,Huang Di,Wang Yunhong. Receptive field block net for accurate and fast object detection [C]// Proc of the 15th European Conference on Computer Vision. Berlin: Springer,2018: 404-419.

    [25]Sherrington C S. Flexion-reflex of the limb,crossed extension-reflex,and reflex stepping and standing [J]. The Journal of Physiology,1910,40(1-2): 28.

    [26]Hartline H K. The response of single optic nerve fibers of the vertebrate eye to illumination of the retina [J]. American Journal of Physiology-Legacy Content,1938,121(2): 400-415.

    [27]Wandell B A,Winawer J. Computational neuroimaging and population receptive fields [J]. Trends in Cognitive Sciences,2015,19(6): 349-357.

    收稿日期:2023-10-17;修回日期:2024-01-18 基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61906118,62273001);安徽省重大專(zhuān)項(xiàng)(202003A06020016);安徽省自然科學(xué)基金資助項(xiàng)目(1908085MF208,2108085MF230);陸軍裝備部十三五預(yù)研子課題;安徽省高校自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2019A0906)

    作者簡(jiǎn)介:徐國(guó)明(1979—),男,安徽太和人,教授,博導(dǎo),博士,CCF會(huì)員,主要研究方向?yàn)槠癯上裉綔y(cè)、圖像超分辨率;陳奇志(1999—),男(通信作者),安徽合肥人,碩士研究生,主要研究方向?yàn)槟繕?biāo)檢測(cè)、偏振成像(315969932@qq.com);劉綦(1978—),女,陜西西安人,副教授,碩士,主要研究方向?yàn)橹悄軘?shù)據(jù)處理、無(wú)線(xiàn)傳感器網(wǎng)絡(luò);馬?。?985—),男,安徽潁上人,講師,碩導(dǎo),博士,主要研究方向?yàn)閳D像質(zhì)量評(píng)價(jià)、計(jì)算機(jī)視覺(jué);王峰(1972—),男,教授,博士,主要研究方向?yàn)樾滦凸怆姵上裉綔y(cè)技術(shù).

    韩国高清视频一区二区三区| 亚洲av二区三区四区| 国产有黄有色有爽视频| 少妇丰满av| 搡女人真爽免费视频火全软件| 大陆偷拍与自拍| 国产视频首页在线观看| 日韩制服骚丝袜av| 日韩中字成人| 美女主播在线视频| 精品久久久久久久久亚洲| 男人舔奶头视频| 国产在线免费精品| 亚洲无线观看免费| 国产成人精品一,二区| 尤物成人国产欧美一区二区三区| 亚洲人与动物交配视频| 国产黄片视频在线免费观看| 亚洲国产最新在线播放| 蜜桃久久精品国产亚洲av| 蜜桃在线观看..| 免费观看av网站的网址| 日韩中文字幕视频在线看片 | 国产精品不卡视频一区二区| 男女边摸边吃奶| 我的女老师完整版在线观看| 99久久综合免费| 天堂俺去俺来也www色官网| 国产免费又黄又爽又色| 亚洲国产高清在线一区二区三| 久久精品久久久久久噜噜老黄| 亚洲欧美一区二区三区国产| 中文乱码字字幕精品一区二区三区| 国产精品久久久久久久久免| 日韩国内少妇激情av| 久久热精品热| 大码成人一级视频| 久久国内精品自在自线图片| 精品久久久噜噜| 三级经典国产精品| 男女下面进入的视频免费午夜| 欧美一区二区亚洲| 韩国高清视频一区二区三区| 国产伦在线观看视频一区| 男的添女的下面高潮视频| 一级毛片 在线播放| 免费观看性生交大片5| 久久精品夜色国产| 亚洲性久久影院| freevideosex欧美| 麻豆国产97在线/欧美| 2021少妇久久久久久久久久久| av线在线观看网站| 亚洲国产日韩一区二区| 亚洲天堂av无毛| 久久影院123| 精品人妻熟女av久视频| 国产成人精品一,二区| 日本免费在线观看一区| 菩萨蛮人人尽说江南好唐韦庄| 一区二区三区四区激情视频| 国产在线一区二区三区精| 国产精品一区二区三区四区免费观看| 成人国产麻豆网| 亚洲色图综合在线观看| 亚洲精品乱码久久久v下载方式| 亚洲av二区三区四区| 亚洲欧洲国产日韩| 国产高清国产精品国产三级 | 超碰97精品在线观看| 午夜福利在线观看免费完整高清在| 美女脱内裤让男人舔精品视频| 少妇被粗大猛烈的视频| 成人无遮挡网站| 新久久久久国产一级毛片| 免费av不卡在线播放| 日韩精品有码人妻一区| 亚洲精品久久午夜乱码| 干丝袜人妻中文字幕| 欧美日本视频| 日韩中字成人| 国内精品宾馆在线| 日韩电影二区| av播播在线观看一区| 美女xxoo啪啪120秒动态图| 国产视频内射| 国产欧美亚洲国产| 亚洲综合色惰| 亚洲四区av| 国产一区有黄有色的免费视频| 久久人妻熟女aⅴ| 亚州av有码| 日本一二三区视频观看| 亚洲av成人精品一区久久| 美女脱内裤让男人舔精品视频| 七月丁香在线播放| 久久国内精品自在自线图片| 91精品一卡2卡3卡4卡| 午夜福利在线在线| 亚洲精品国产色婷婷电影| 亚洲国产色片| 成人午夜精彩视频在线观看| 久久久午夜欧美精品| 丰满迷人的少妇在线观看| 国产乱来视频区| 在线播放无遮挡| 国产黄频视频在线观看| 青春草亚洲视频在线观看| 久久精品国产亚洲网站| 欧美老熟妇乱子伦牲交| 黄片无遮挡物在线观看| 欧美zozozo另类| 国产久久久一区二区三区| 久久女婷五月综合色啪小说| 777米奇影视久久| 在线免费十八禁| 久久这里有精品视频免费| 精品人妻偷拍中文字幕| 欧美另类一区| 晚上一个人看的免费电影| 国产在线免费精品| 日本vs欧美在线观看视频 | 亚洲成人一二三区av| 国产成人午夜福利电影在线观看| 亚洲成人中文字幕在线播放| 久久午夜福利片| 伊人久久国产一区二区| 黄色日韩在线| 一本—道久久a久久精品蜜桃钙片| 一级毛片我不卡| 国产亚洲av片在线观看秒播厂| 一个人看的www免费观看视频| 亚洲欧洲国产日韩| 欧美xxxx黑人xx丫x性爽| 老师上课跳d突然被开到最大视频| 永久网站在线| 男女边吃奶边做爰视频| 久久精品国产亚洲网站| 国产在线视频一区二区| 视频区图区小说| 亚洲国产最新在线播放| 男人添女人高潮全过程视频| av播播在线观看一区| 亚洲aⅴ乱码一区二区在线播放| 中文字幕免费在线视频6| 免费av不卡在线播放| 国产成人精品婷婷| 国产乱来视频区| 黄色配什么色好看| 国产精品av视频在线免费观看| 国模一区二区三区四区视频| 一级毛片aaaaaa免费看小| 亚洲精品自拍成人| 丰满迷人的少妇在线观看| 亚洲精品国产av蜜桃| av天堂中文字幕网| 国产男人的电影天堂91| 国产精品99久久99久久久不卡 | 一级二级三级毛片免费看| 精品亚洲成国产av| 中文字幕制服av| 青春草视频在线免费观看| 欧美激情极品国产一区二区三区 | 日韩大片免费观看网站| 日韩欧美精品免费久久| 亚洲欧美日韩另类电影网站 | 全区人妻精品视频| 久久精品国产自在天天线| 噜噜噜噜噜久久久久久91| 男人和女人高潮做爰伦理| 日日啪夜夜爽| 国产在线视频一区二区| 国产精品福利在线免费观看| 欧美少妇被猛烈插入视频| 一本久久精品| 久久久久久人妻| 蜜桃在线观看..| 99精国产麻豆久久婷婷| 少妇丰满av| 欧美zozozo另类| 亚洲精品中文字幕在线视频 | 亚洲美女搞黄在线观看| 免费黄频网站在线观看国产| 久久久久久久久久久免费av| 99热网站在线观看| 日韩免费高清中文字幕av| 大又大粗又爽又黄少妇毛片口| 男女边摸边吃奶| 亚洲伊人久久精品综合| 丰满迷人的少妇在线观看| 日本黄色片子视频| 国产毛片在线视频| 亚洲精品自拍成人| 免费不卡的大黄色大毛片视频在线观看| 色视频在线一区二区三区| 51国产日韩欧美| 国产精品麻豆人妻色哟哟久久| 国产无遮挡羞羞视频在线观看| 国产精品国产av在线观看| 成人毛片60女人毛片免费| 自拍欧美九色日韩亚洲蝌蚪91 | 六月丁香七月| 国产精品国产三级国产专区5o| 国产欧美日韩精品一区二区| 免费av不卡在线播放| 在线观看一区二区三区| av一本久久久久| 久久久久久久国产电影| 丝瓜视频免费看黄片| 97超碰精品成人国产| 亚洲精品自拍成人| 在线观看免费高清a一片| 久久这里有精品视频免费| 日韩中字成人| 中文乱码字字幕精品一区二区三区| 成人午夜精彩视频在线观看| 高清日韩中文字幕在线| 亚洲欧美一区二区三区国产| 精品熟女少妇av免费看| 噜噜噜噜噜久久久久久91| 欧美 日韩 精品 国产| 国产男女超爽视频在线观看| 日韩中文字幕视频在线看片 | 91aial.com中文字幕在线观看| 最后的刺客免费高清国语| 免费看不卡的av| 久久精品久久久久久噜噜老黄| 国产片特级美女逼逼视频| 伊人久久精品亚洲午夜| av又黄又爽大尺度在线免费看| 男人爽女人下面视频在线观看| 伦精品一区二区三区| 欧美日韩精品成人综合77777| 最后的刺客免费高清国语| 80岁老熟妇乱子伦牲交| 少妇丰满av| 丝袜脚勾引网站| 岛国毛片在线播放| 美女国产视频在线观看| 国产精品99久久99久久久不卡 | 中国美白少妇内射xxxbb| 亚洲av男天堂| 日本黄色片子视频| 精品熟女少妇av免费看| 嫩草影院新地址| 成人美女网站在线观看视频| 最新中文字幕久久久久| 男人爽女人下面视频在线观看| 人妻制服诱惑在线中文字幕| 777米奇影视久久| 女的被弄到高潮叫床怎么办| 亚洲激情五月婷婷啪啪| 最近手机中文字幕大全| 国产成人一区二区在线| 我的女老师完整版在线观看| 久久久久久久国产电影| 国产黄色免费在线视频| 性色avwww在线观看| 国产伦在线观看视频一区| 亚洲精品色激情综合| 性色av一级| 肉色欧美久久久久久久蜜桃| 久久韩国三级中文字幕| 午夜免费男女啪啪视频观看| 自拍欧美九色日韩亚洲蝌蚪91 | 免费大片黄手机在线观看| 国产男人的电影天堂91| 美女高潮的动态| 成人亚洲欧美一区二区av| 国产男女内射视频| 亚洲人成网站在线播| 亚洲精品乱码久久久久久按摩| 成人无遮挡网站| 在线播放无遮挡| 日韩中文字幕视频在线看片 | 视频区图区小说| 狂野欧美白嫩少妇大欣赏| 波野结衣二区三区在线| 激情 狠狠 欧美| 在线观看人妻少妇| 精华霜和精华液先用哪个| 精品一区二区三区视频在线| 肉色欧美久久久久久久蜜桃| 国语对白做爰xxxⅹ性视频网站| 亚洲国产精品999| 自拍欧美九色日韩亚洲蝌蚪91 | 精品久久久久久久久亚洲| 成年人午夜在线观看视频| kizo精华| 亚洲欧美成人综合另类久久久| 亚洲精品第二区| 黄色配什么色好看| 日韩精品有码人妻一区| 99热6这里只有精品| 成人高潮视频无遮挡免费网站| 国产精品欧美亚洲77777| 国产久久久一区二区三区| 街头女战士在线观看网站| 男人和女人高潮做爰伦理| 老司机影院毛片| 久久久久久久精品精品| 成年女人在线观看亚洲视频| 色吧在线观看| 极品少妇高潮喷水抽搐| 婷婷色综合大香蕉| 最近的中文字幕免费完整| 人体艺术视频欧美日本| 天堂8中文在线网| 中文在线观看免费www的网站| 蜜臀久久99精品久久宅男| 国精品久久久久久国模美| 精品人妻熟女av久视频| 99热这里只有是精品50| 国产av精品麻豆| 亚洲精品日韩av片在线观看| 国产av国产精品国产| 欧美 日韩 精品 国产| 女人久久www免费人成看片| 一区在线观看完整版| 国产成人免费无遮挡视频| av线在线观看网站| 免费观看av网站的网址| 黑人猛操日本美女一级片| 蜜桃亚洲精品一区二区三区| 性高湖久久久久久久久免费观看| 一级毛片 在线播放| 黄色视频在线播放观看不卡| 欧美日本视频| 日韩不卡一区二区三区视频在线| 一本一本综合久久| 蜜桃在线观看..| 国内揄拍国产精品人妻在线| 三级国产精品片| 永久免费av网站大全| videossex国产| 国产精品一区二区三区四区免费观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲国产精品999| 97在线视频观看| 一个人免费看片子| 亚洲美女视频黄频| 18禁动态无遮挡网站| 91午夜精品亚洲一区二区三区| 一区二区三区乱码不卡18| 久久久久国产网址| 久久99热这里只频精品6学生| 在线播放无遮挡| 国产精品欧美亚洲77777| 久久国产精品男人的天堂亚洲 | 国产免费又黄又爽又色| 一本色道久久久久久精品综合| 涩涩av久久男人的天堂| 亚洲怡红院男人天堂| 中文字幕制服av| 久久久午夜欧美精品| 欧美精品亚洲一区二区| 我的老师免费观看完整版| 大香蕉97超碰在线| .国产精品久久| av国产精品久久久久影院| 久久久久久久久久成人| 国产欧美另类精品又又久久亚洲欧美| 干丝袜人妻中文字幕| 亚洲第一区二区三区不卡| 一本色道久久久久久精品综合| 日韩欧美精品免费久久| 亚洲在久久综合| 国产欧美另类精品又又久久亚洲欧美| 国产中年淑女户外野战色| 18+在线观看网站| 日本午夜av视频| 毛片女人毛片| 在线播放无遮挡| 久久久久久久久大av| 少妇 在线观看| 精品酒店卫生间| 亚洲欧洲日产国产| 亚洲精品456在线播放app| 99精国产麻豆久久婷婷| 日韩强制内射视频| 中文在线观看免费www的网站| 免费人妻精品一区二区三区视频| 亚洲国产最新在线播放| 97超碰精品成人国产| 久久久久久伊人网av| 国产视频内射| 亚洲电影在线观看av| 久久人人爽av亚洲精品天堂 | 国产免费视频播放在线视频| 免费大片黄手机在线观看| 久久 成人 亚洲| 成人高潮视频无遮挡免费网站| 精品少妇久久久久久888优播| h视频一区二区三区| 免费久久久久久久精品成人欧美视频 | 成人特级av手机在线观看| 中文字幕免费在线视频6| 男女下面进入的视频免费午夜| 亚洲精品国产av蜜桃| 欧美bdsm另类| 久久久久久久国产电影| 久久久成人免费电影| 狠狠精品人妻久久久久久综合| 亚洲欧美日韩无卡精品| 少妇 在线观看| 亚洲精品视频女| 一级黄片播放器| 亚洲欧美精品专区久久| 欧美丝袜亚洲另类| 久久热精品热| 建设人人有责人人尽责人人享有的 | 亚洲自偷自拍三级| 大又大粗又爽又黄少妇毛片口| 少妇的逼好多水| 久久久欧美国产精品| 精品一区在线观看国产| 精品一品国产午夜福利视频| 成人影院久久| 人人妻人人爽人人添夜夜欢视频 | av不卡在线播放| 肉色欧美久久久久久久蜜桃| 亚洲国产色片| 欧美亚洲 丝袜 人妻 在线| 日本黄色片子视频| av国产免费在线观看| 成年av动漫网址| 成人国产麻豆网| 老女人水多毛片| 在线观看三级黄色| 免费人成在线观看视频色| 欧美国产精品一级二级三级 | 久久久午夜欧美精品| 韩国高清视频一区二区三区| 精品人妻视频免费看| 嘟嘟电影网在线观看| 观看av在线不卡| 亚洲精品一区蜜桃| 日韩三级伦理在线观看| 久久婷婷青草| 偷拍熟女少妇极品色| 亚洲久久久国产精品| 久久久久久久精品精品| av福利片在线观看| 毛片女人毛片| 亚洲精品视频女| 色视频www国产| 免费播放大片免费观看视频在线观看| 久久精品国产亚洲av天美| 少妇人妻久久综合中文| 2018国产大陆天天弄谢| 美女视频免费永久观看网站| 国产永久视频网站| 午夜老司机福利剧场| 国产精品99久久久久久久久| 亚洲国产欧美人成| 最近最新中文字幕大全电影3| 少妇人妻一区二区三区视频| 国产人妻一区二区三区在| av天堂中文字幕网| 免费观看性生交大片5| 国产又色又爽无遮挡免| 国内揄拍国产精品人妻在线| 一级黄片播放器| 亚洲熟女精品中文字幕| 精品亚洲乱码少妇综合久久| 久久久国产一区二区| 亚洲丝袜综合中文字幕| 成人18禁高潮啪啪吃奶动态图 | 国产精品久久久久久精品古装| 日韩伦理黄色片| 久久久久久久久久久丰满| 国产一区亚洲一区在线观看| 精品亚洲成a人片在线观看 | 国产欧美日韩一区二区三区在线 | 亚洲国产日韩一区二区| 免费观看性生交大片5| 亚洲性久久影院| 欧美日韩视频高清一区二区三区二| 国产成人午夜福利电影在线观看| 一本—道久久a久久精品蜜桃钙片| 丝瓜视频免费看黄片| 又大又黄又爽视频免费| 欧美日韩亚洲高清精品| 欧美精品一区二区免费开放| 久久久久性生活片| 亚洲激情五月婷婷啪啪| 狂野欧美激情性bbbbbb| 日韩av不卡免费在线播放| 成年人午夜在线观看视频| 国产成人精品久久久久久| 日本一二三区视频观看| 国产熟女欧美一区二区| 一本久久精品| 欧美xxⅹ黑人| 一区二区三区乱码不卡18| 最近中文字幕2019免费版| 欧美日韩国产mv在线观看视频 | 一二三四中文在线观看免费高清| 九九在线视频观看精品| 麻豆乱淫一区二区| 日本vs欧美在线观看视频 | 婷婷色麻豆天堂久久| 久久久久久人妻| 在线观看三级黄色| 亚洲在久久综合| 婷婷色综合www| 免费高清在线观看视频在线观看| 高清在线视频一区二区三区| 亚洲精品国产色婷婷电影| 性高湖久久久久久久久免费观看| 简卡轻食公司| 久久精品久久久久久噜噜老黄| 夜夜爽夜夜爽视频| 成人18禁高潮啪啪吃奶动态图 | 99热这里只有是精品50| 国产综合精华液| 国产av精品麻豆| 99热6这里只有精品| 国产精品av视频在线免费观看| 日韩视频在线欧美| 亚洲色图综合在线观看| 永久免费av网站大全| 欧美日韩亚洲高清精品| 国产欧美另类精品又又久久亚洲欧美| 国产精品不卡视频一区二区| 国语对白做爰xxxⅹ性视频网站| 午夜福利在线在线| 老师上课跳d突然被开到最大视频| 激情 狠狠 欧美| 精品国产一区二区三区久久久樱花 | 免费少妇av软件| 午夜免费鲁丝| av在线蜜桃| 欧美日韩亚洲高清精品| 精品久久久久久久久av| 看十八女毛片水多多多| 97精品久久久久久久久久精品| 99热国产这里只有精品6| av专区在线播放| 男男h啪啪无遮挡| 成人毛片a级毛片在线播放| 国产一级毛片在线| 一级片'在线观看视频| 日韩国内少妇激情av| 女性被躁到高潮视频| 精品久久久久久久久亚洲| 男女无遮挡免费网站观看| 嫩草影院新地址| 纵有疾风起免费观看全集完整版| 欧美 日韩 精品 国产| 2018国产大陆天天弄谢| 国产精品.久久久| 最近的中文字幕免费完整| www.色视频.com| 日韩在线高清观看一区二区三区| 日本av手机在线免费观看| 亚洲经典国产精华液单| 在线 av 中文字幕| 日韩精品有码人妻一区| 99久久精品一区二区三区| 一级二级三级毛片免费看| www.av在线官网国产| 免费观看的影片在线观看| 精华霜和精华液先用哪个| h视频一区二区三区| 99久久综合免费| 亚洲精品自拍成人| 在线观看人妻少妇| 日本爱情动作片www.在线观看| 寂寞人妻少妇视频99o| 国产欧美日韩一区二区三区在线 | 亚洲怡红院男人天堂| 97超碰精品成人国产| 我要看黄色一级片免费的| 国产精品福利在线免费观看| 老女人水多毛片| 伦理电影免费视频| 人妻制服诱惑在线中文字幕| 免费观看的影片在线观看| a级一级毛片免费在线观看| 亚洲av男天堂| 小蜜桃在线观看免费完整版高清| 亚洲综合精品二区| 五月伊人婷婷丁香| 小蜜桃在线观看免费完整版高清| 美女内射精品一级片tv| 国产乱人视频| 一个人免费看片子| 亚洲色图综合在线观看| 男人舔奶头视频| 国产爽快片一区二区三区| 搡老乐熟女国产| 制服丝袜香蕉在线| 免费黄色在线免费观看| 黄片wwwwww| 蜜桃在线观看..| 亚洲av免费高清在线观看| 日韩精品有码人妻一区| 中文字幕久久专区| 好男人视频免费观看在线| 国产精品无大码| 美女中出高潮动态图| 我要看日韩黄色一级片| 欧美日韩一区二区视频在线观看视频在线| 免费看av在线观看网站| 日韩av免费高清视频| www.av在线官网国产| 免费在线观看成人毛片| 日韩三级伦理在线观看| 免费大片黄手机在线观看| 男人爽女人下面视频在线观看| 少妇人妻久久综合中文| 国产成人freesex在线| 亚洲高清免费不卡视频| 在线观看免费日韩欧美大片 |