• <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 ?

    北方旱育稀植水稻病害圖像識別預處理研究

    2014-07-18 12:13:19劉麗娟劉仲鵬
    江蘇農(nóng)業(yè)科學 2014年1期
    關鍵詞:圖像識別

    劉麗娟 劉仲鵬

    摘要:引入圖像預處理及模式識別技術,實現(xiàn)北方旱育稀植水稻葉部病害圖像的預處理。結(jié)合水稻葉部圖像的特征,對傳統(tǒng)的算法進行調(diào)整或改進優(yōu)化:以改進系數(shù)的方法對圖像進行灰度化處理;通過直方圖均衡化提升圖像的對比度;以改進矢量中值濾波算法保護圖像邊緣,濾除圖像噪聲;以優(yōu)化的均值聚類算法進行圖像分割,獲得水稻病斑圖像的主要特征,從而實現(xiàn)了對目標圖像的去噪、增強,為病害進一步的智能化識別與處理打下良好的基礎。

    關鍵詞:旱育稀植水稻;病害圖像預處理;圖像識別

    中圖分類號: S126文獻標志碼: A文章編號:1002-1302(2014)01-0092-03

    收稿日期:2013-06-01

    基金項目:河北省保定市科學技術研究與發(fā)展指導計劃(編號:12ZN021)。

    作者簡介:劉麗娟(1980—),女,河北保定人,碩士,講師,主要研究方向為精確農(nóng)業(yè)。E-mail:llj_nd@163.com。水稻作物的旱育稀植技術是適用于北方地區(qū)氣候與環(huán)境特點的寒地栽培模式。水稻病害對其產(chǎn)量、品質(zhì)和農(nóng)戶的經(jīng)濟收益影響極大[1]。在水稻的幾種常見高發(fā)病害中,表現(xiàn)出的病征各有不同,但通常都會在其葉片部位以病斑的形式表現(xiàn)出來。由于寒地水稻種植區(qū)域廣泛,專家與技術人員配置相對不足,因此種植農(nóng)戶往往以肉眼觀察和經(jīng)驗推斷的方法判別病癥,難以精準識別病害種類,勞動強度大,主觀因素多,效率不高[2-3]。隨著信息技術尤其是圖像處理的發(fā)展,引入圖像技術對農(nóng)作物病害進行自動處理、識別,從而提取與分析病害作物的形狀、大小、顏色、紋理等特征,進而科學、合理地治理病害,是當前研究的熱點之一。本研究引入圖像預處理及模式識別技術,以水稻紋枯病為例,實現(xiàn)北方旱育稀植水稻葉部病害圖像的預處理。結(jié)合水稻葉部圖像的特征,以改進的方法對其進行灰度化處理;通過直方圖均衡化提升圖像的對比度;以改進的矢量中值濾波法保護圖像邊緣,濾除圖像噪聲;以優(yōu)化的均值聚類算法進行圖像分割,減小了計算率,降低了復雜度,獲得水稻病斑圖像的主要特征,從而實現(xiàn)了對目標圖像的去噪、增強,為病害進一步的智能化識別與處理打下良好的基礎,并有助于作物的智能化精準施藥。

    1旱育稀植水稻病害圖像的獲取

    研究所需的旱育稀植水稻病害葉片采集時間為2012年8月,采集地點為河北農(nóng)業(yè)大學農(nóng)作物及育種基地,經(jīng)養(yǎng)殖項目負責人及專家鑒定具體病種(水稻紋枯?。?。為保證圖像后續(xù)處理成功,采用相同的方式對采集葉片進行拍攝。使用索尼A558倍光學變焦CCD彩色數(shù)據(jù)數(shù)碼相機,相機位于葉片上方30 cm,室內(nèi)人工光照,圖像格式設置為320×240的24位真彩圖,確保顏色及特征清晰,將圖像輸入計算機,以JPG格式保存。

    2旱育稀植水稻病害圖像預處理

    2.1基于改進自選擇算法的灰度預處理

    通常的顏色體系可以分為純黑白、彩色以及灰度色。采集到的旱育稀植水稻病害葉片原始圖像屬于24位真彩色圖像,數(shù)據(jù)量偏大,因此圖像處理時的計算量也偏大,計算速度與圖像處理的效率受到一定影響。通常的做法是:首先將原始圖像轉(zhuǎn)換為8位灰度圖像[1],轉(zhuǎn)換之后的圖像僅保留灰度信息,對病害圖像預處理已足夠,灰度預處理的過程就是將彩色圖像中還有亮度與色度的RGB模式經(jīng)過轉(zhuǎn)換,變成灰度色,從而降低數(shù)據(jù)量。

    一般的灰度化處理僅是簡單地將真彩圖像變換為具有不同灰度級別的灰度圖。為了使灰度圖更加契合于彩圖本身的顏色和亮度特征,不少研究提出了改進的灰度化算法。例如針對顏色特征的HLS算法[4],針對用戶需求的自選擇算法[5]等。結(jié)合水稻紋枯病的顏色特征,為了更突出病斑區(qū)域,本研究引入自選擇算法。考慮到病斑圖像的R分量最高,是反映病斑區(qū)域的主要分量,而病斑圖像的G、B分量則為次要元素,體現(xiàn)的是葉片以及圖像背景,因此將R分量確定為病斑區(qū)域的突出色,將其權重放大;同時將G、B分量的權重減小。灰度化算法如下:

    灰度=crR+cgG+cbB

    其中:cr≥1,cg≤0,cb≤0,cr+cg+cb=1

    這里,以自選擇的方式將R的值設置為大于1,即顯著增強了病斑葉片中的R分量,同時將G分量與B分量的值設置為負值,即在一定程度上削弱了病斑葉片中的G、B分量,從而實現(xiàn)了凸顯病斑圖像特征的目的。經(jīng)過多次重復試驗,確定R=1.6,G=-0.25,B=-0.15。經(jīng)過灰度預處理流程之后的圖像,病斑部分與健康部分的對比有了明顯的改善。

    2.2直方圖均衡化預處理

    對水稻病害葉片病害圖像進行直方圖均衡的思路,是對圖像中像素數(shù)少的單元進行壓縮,像素多的則進行拓展,從而盡量使像素灰度值的動態(tài)范圍擴大,以“點運算”的方式,使圖像在其任意一個灰度級別都分布一樣的像素數(shù)目,形成處理后的輸出圖像,最終使圖像對比度得到改善。一幅圖像的直方圖能夠反映出該圖像中所含的所有灰度級別,以及該灰度級別像素數(shù)目之間的統(tǒng)計特征。通過直方圖均衡化的處理方法,能夠顯著改善圖像的對比度與亮度,使其細節(jié)清晰,增強圖像整體對比度。

    設經(jīng)過上一步灰度預處理的圖像上任意一點坐標為(x,y),該點的灰度值是f;而經(jīng)過直方圖均衡化處理之后的新圖像灰度值為h,則可將均衡化視為圖像上坐標為(x,y)的點f到h的映射過程。設灰度共L個級別,定義h為兩點之間的映射函數(shù),表示為:

    h=EQ(f)

    則h函數(shù)應滿足以下條件[6]:(1)在區(qū)域0≤f≤L-1中,h函數(shù)為遞增函數(shù);(2)如果0≤f≤L-1,則應有0≤h≤L-1。

    為滿足以上條件,此處引入累積分布函數(shù)作為兩點之間的映射函數(shù),即有:

    h=EQ(f)=∑k1j=0nj1n(k=0,1,2,…,L-1)

    其中,所采集的病害圖樣中像素總和以n表示,灰度級為當前值的像素之和以nj表示,灰度共L個級別。

    根據(jù)以上的映射方法,即可結(jié)合原始采集病斑葉片圖像灰度,通過映射算法取得均衡化之后的灰度值。具體做法是:首先根據(jù)灰度化之后的原始葉部病害圖像求得其灰度直方圖的分布狀況,并得到其統(tǒng)計結(jié)果;在此基礎上以累積分布函數(shù)作為映射函數(shù),實現(xiàn)圖像的直方圖均衡預處理。圖1所示為直方圖均衡預處理前后的對比。

    由圖1可知,均衡化后在病害圖像灰度值范圍內(nèi)均有直方圖存在。在直方圖均衡化處理前,灰度值中低灰度含量比較高,而處理后各灰度比例分配變得均衡,因此圖像質(zhì)量得到顯著改善,對比度提高,輪廓細節(jié)清楚,病斑邊界清晰。

    2.3基于改進矢量算法的快速中值濾波預處理

    為了彌補直方圖均衡處理的不足,在均衡化之后還需對圖像進行中值濾波。直方圖均衡化處理之后的圖像亮度往往

    比較高,并且出現(xiàn)了一些偽邊緣,影響了對葉片的病害識別。本研究選取的是基于矢量中值濾波的方法,通過非線性濾波技術,保護目標圖像邊緣,濾除圖像噪聲。

    矢量中值濾波的處理方法優(yōu)勢在于精度很高,但傳統(tǒng)的算法涉及到過多的運算量,在系統(tǒng)分析的實時性方面表現(xiàn)不能盡如人意[7]。本研究以改進的快速矢量算法實現(xiàn)中值濾波,對于運算區(qū)域之內(nèi)的數(shù)據(jù)僅考慮某一時刻移入的數(shù)據(jù)與移出的數(shù)據(jù),較好地降低了由于傳統(tǒng)矢量中值濾波的排序而導致的大量運算,改進的算法具體為:

    (1)矢量Vi若位于滑動窗內(nèi),則以如下的方式確定該矢量的2范數(shù):

    Si=‖vi‖=(∑m1j=1|rj|2)1/2,i=1,2,…,n

    上式中,Vi的每一個分量以rj表示;Vi的所有分量的數(shù)目以m表示。

    (2)設中心像素為Vc,其矢量的2范數(shù)為Sc,將待處理集合里的成員進行歸類,歸類標準為各個成員的2范數(shù)小于、大于和等于Sc的2范數(shù),記2范數(shù)小于Sc的成員個數(shù)為n1,2范數(shù)等于Sc的成員個數(shù)為n2。假若這2組個數(shù)均不大于閾值th,則該窗口的中值濾波終止。如果不滿足小于或等于閾值th,則轉(zhuǎn)下一步。

    (3)對矢量Vi的2范數(shù)排序,可得序列S(S(1)≤S(2)≤…≤S(N)),只取位于序列中部的子序列,成員數(shù)目為t個,將與其關聯(lián)的Vi擇出,構建新集合T。

    (4)對屬于新集合的全部矢量,求得其分量的加權平均,從而構建出由加權平均所組成的矢量Vwa=(r1,r2,…,rm)。

    (5)計算此矢量Vwa=(r1,r2,…,rm)與新集合T里所有成員的距離,將其中的p個較小值構建集合R。

    (6)以矢量中值濾波算法處理集合R,保留處理的結(jié)果,本滑動窗濾波完畢。

    (7)通過增減數(shù)據(jù)開始下一窗口的濾波操作。

    對于以上步驟中t、p等參數(shù)的取值,考慮到參數(shù)t的作用是簡化運算,增強系統(tǒng)分析的實時性,如果t值過小則難以達到預期效果。結(jié)合已有的一些研究成果,在3×3窗口,本研究將其值取為6;參數(shù)p的作用為降低噪聲,結(jié)合已有的一些研究成果,在3×3窗口,將其值取為4。經(jīng)過反復試驗,t、p等參數(shù)的取值可以滿足處理需求。經(jīng)過中值濾波處理之后,葉片病害圖像的邊緣依舊清晰,噪聲污染也得到了有效的去除。

    2.4基于改進FCM的圖像分割

    對于作物病害的圖像分割,不少研究成果均引入了模糊理論。標準模糊聚類分割算法是一種較為常用的方法,但是這種方法涉及到較為大量的運算,當作物病害圖像樣本數(shù)目較多時效率明顯降低。文獻[8]提出一種改進的快速模糊聚類分割算法,通過圖像的灰度級來取代復雜度較高的圖像數(shù)據(jù),使算法效率得到較為顯著的提升。本研究在圖像分割階段引入這種方法,定義目標函數(shù)為[9]:

    Jm(U,V)=∑L-11k=0∑C1i=1(μik)m(dik)2h(k)

    其中,μik的含義是待處理圖像中像素k對第i個均值聚類隸屬的程度;d的含義是像素k與第i個均值聚類之間的有效距離;h(k)的含義是待處理圖像中像素灰度為k的個數(shù),引入h(k)可以通過圖像的灰度級來取代圖像數(shù)據(jù)樣本,降低計算復雜度與計算量。以下式計算待處理圖像樣本的c個聚類中心:

    vi=∑L-11k=0(μik)mh(k)k1∑L-11k=0(μik)mh(k)(i=1,2,…,c)

    迭代過程為:

    (1)獲取待處理圖像樣本的灰度級(k=0,1,2,…,L-1),對各類參數(shù)進行初始化,迭代次數(shù)以r表示,確定聚類中心的數(shù)目;

    (2)計算待處理圖像樣本的c個聚類中心;

    (3)以計算出的聚類中心去刷新模糊分類矩陣,得到新的分類矩陣;

    (4)如果新的分類矩陣與原矩陣之差小于某個預先設定閾值ε,則迭代結(jié)束,否則r值增1,回到(2)。

    迭代結(jié)束之后,把圖像的每一個灰度級別以其隸屬度為標準進行歸類,將歸類之后的灰度級與像素進行關聯(lián),從而得到分割圖像??芍獙τ诨叶燃墳長的圖像樣本,傳統(tǒng)的聚類方法數(shù)據(jù)量為樣本所含的像素數(shù)目,而優(yōu)化的方法則使其減少到L,提升了處理效率。

    結(jié)合文獻[8]與文獻[10]選取聚類算法中參數(shù)m與ε、c的值,將m取值為3,c取值為2,ε取值為0.1。分別以傳統(tǒng)的標準模糊聚類分割算法與改進算法對相同圖像進行處理,選取迭代次數(shù)、首次迭代時間以及最優(yōu)值Jm進行比較,結(jié)果如表1所示。

    由表1的比較數(shù)據(jù)得出,在最優(yōu)值和迭代次數(shù)一致的前提下,改進聚類分割算法的首次迭代時間顯著低于傳統(tǒng)算法,可以證明基于改進算法的FCM在提升圖像分割效率方面的

    有效性。圖2所示為已改進算法的FCM分割之后的效果。

    至此,水稻葉片病斑已被完整分割,可以為后續(xù)的水稻病

    3小結(jié)

    本研究基于圖像處理技術和模式識別技術,以水稻紋枯病為例,對采集到的病害圖像引入灰度預處理、直方圖均衡化和中值濾波,并結(jié)合水稻病害圖像的具體特征對以上方法進行了調(diào)整或者優(yōu)化,為病害進一步的智能化識別打下良好的基礎。

    參考文獻:

    [1]劉立波,周國民. 基于多層感知神經(jīng)網(wǎng)絡的水稻葉瘟病識別方法[J]. 農(nóng)業(yè)工程學報,2009,25(增刊):213-217.

    [2]許志剛. 普通植物病理學[M]. 北京:中國農(nóng)業(yè)出版社,2002:236-237.

    [3]劉立波. 基于圖像的水稻葉部病害診斷技術研究[D]. 北京:中國農(nóng)業(yè)科學院研究生院,2010.

    [4]劉興,劉慶祥. 一種彩色圖像轉(zhuǎn)換為灰度圖像的算法[J]. 現(xiàn)代電子技術,2007,6(6):134-135,138.

    [5]張建德,邵定宏. 改進的基于彩色空間距離的圖像灰度化算法[J]. 機械與電子,2008(1):63-65.

    [6]Toews M D,Pearson T C,Campbell J F. Imaging and automated detection of Sitophilus oryzae (Coleoptera:Curculionidae) pupae in hard red winter wheat[J]. Journal of Economic Entomology,2006,99(2):583-592.

    [7]毛文華. 基于機器視覺的田間雜草識別技術研究[D]. 北京:中國農(nóng)業(yè)大學,2004:1-94.

    [8]葉秀清,顧偉康,肖強. 快速模糊圖像分割算法[J]. 模式識別與人工智能,2006,9(1):66-70.

    [9]徐月芳. 基于遺傳模糊C-均值聚類算法的圖像分割[J]. 西北工業(yè)大學學報,2002,30(4):549-553.

    [10]高新波,裴繼紅,謝維信. 模糊C-均值聚類算法中加權指數(shù)的研究[J]. 電子學報,2010,28(4):80-83.魯海菊,董梅,崔同敏,等. 從枇杷內(nèi)生真菌中篩選抗枇杷根腐病菌的活性菌株[J]. 江蘇農(nóng)業(yè)科學,2014,42(1):95-97.

    根據(jù)以上的映射方法,即可結(jié)合原始采集病斑葉片圖像灰度,通過映射算法取得均衡化之后的灰度值。具體做法是:首先根據(jù)灰度化之后的原始葉部病害圖像求得其灰度直方圖的分布狀況,并得到其統(tǒng)計結(jié)果;在此基礎上以累積分布函數(shù)作為映射函數(shù),實現(xiàn)圖像的直方圖均衡預處理。圖1所示為直方圖均衡預處理前后的對比。

    由圖1可知,均衡化后在病害圖像灰度值范圍內(nèi)均有直方圖存在。在直方圖均衡化處理前,灰度值中低灰度含量比較高,而處理后各灰度比例分配變得均衡,因此圖像質(zhì)量得到顯著改善,對比度提高,輪廓細節(jié)清楚,病斑邊界清晰。

    2.3基于改進矢量算法的快速中值濾波預處理

    為了彌補直方圖均衡處理的不足,在均衡化之后還需對圖像進行中值濾波。直方圖均衡化處理之后的圖像亮度往往

    比較高,并且出現(xiàn)了一些偽邊緣,影響了對葉片的病害識別。本研究選取的是基于矢量中值濾波的方法,通過非線性濾波技術,保護目標圖像邊緣,濾除圖像噪聲。

    矢量中值濾波的處理方法優(yōu)勢在于精度很高,但傳統(tǒng)的算法涉及到過多的運算量,在系統(tǒng)分析的實時性方面表現(xiàn)不能盡如人意[7]。本研究以改進的快速矢量算法實現(xiàn)中值濾波,對于運算區(qū)域之內(nèi)的數(shù)據(jù)僅考慮某一時刻移入的數(shù)據(jù)與移出的數(shù)據(jù),較好地降低了由于傳統(tǒng)矢量中值濾波的排序而導致的大量運算,改進的算法具體為:

    (1)矢量Vi若位于滑動窗內(nèi),則以如下的方式確定該矢量的2范數(shù):

    Si=‖vi‖=(∑m1j=1|rj|2)1/2,i=1,2,…,n

    上式中,Vi的每一個分量以rj表示;Vi的所有分量的數(shù)目以m表示。

    (2)設中心像素為Vc,其矢量的2范數(shù)為Sc,將待處理集合里的成員進行歸類,歸類標準為各個成員的2范數(shù)小于、大于和等于Sc的2范數(shù),記2范數(shù)小于Sc的成員個數(shù)為n1,2范數(shù)等于Sc的成員個數(shù)為n2。假若這2組個數(shù)均不大于閾值th,則該窗口的中值濾波終止。如果不滿足小于或等于閾值th,則轉(zhuǎn)下一步。

    (3)對矢量Vi的2范數(shù)排序,可得序列S(S(1)≤S(2)≤…≤S(N)),只取位于序列中部的子序列,成員數(shù)目為t個,將與其關聯(lián)的Vi擇出,構建新集合T。

    (4)對屬于新集合的全部矢量,求得其分量的加權平均,從而構建出由加權平均所組成的矢量Vwa=(r1,r2,…,rm)。

    (5)計算此矢量Vwa=(r1,r2,…,rm)與新集合T里所有成員的距離,將其中的p個較小值構建集合R。

    (6)以矢量中值濾波算法處理集合R,保留處理的結(jié)果,本滑動窗濾波完畢。

    (7)通過增減數(shù)據(jù)開始下一窗口的濾波操作。

    對于以上步驟中t、p等參數(shù)的取值,考慮到參數(shù)t的作用是簡化運算,增強系統(tǒng)分析的實時性,如果t值過小則難以達到預期效果。結(jié)合已有的一些研究成果,在3×3窗口,本研究將其值取為6;參數(shù)p的作用為降低噪聲,結(jié)合已有的一些研究成果,在3×3窗口,將其值取為4。經(jīng)過反復試驗,t、p等參數(shù)的取值可以滿足處理需求。經(jīng)過中值濾波處理之后,葉片病害圖像的邊緣依舊清晰,噪聲污染也得到了有效的去除。

    2.4基于改進FCM的圖像分割

    對于作物病害的圖像分割,不少研究成果均引入了模糊理論。標準模糊聚類分割算法是一種較為常用的方法,但是這種方法涉及到較為大量的運算,當作物病害圖像樣本數(shù)目較多時效率明顯降低。文獻[8]提出一種改進的快速模糊聚類分割算法,通過圖像的灰度級來取代復雜度較高的圖像數(shù)據(jù),使算法效率得到較為顯著的提升。本研究在圖像分割階段引入這種方法,定義目標函數(shù)為[9]:

    Jm(U,V)=∑L-11k=0∑C1i=1(μik)m(dik)2h(k)

    其中,μik的含義是待處理圖像中像素k對第i個均值聚類隸屬的程度;d的含義是像素k與第i個均值聚類之間的有效距離;h(k)的含義是待處理圖像中像素灰度為k的個數(shù),引入h(k)可以通過圖像的灰度級來取代圖像數(shù)據(jù)樣本,降低計算復雜度與計算量。以下式計算待處理圖像樣本的c個聚類中心:

    vi=∑L-11k=0(μik)mh(k)k1∑L-11k=0(μik)mh(k)(i=1,2,…,c)

    迭代過程為:

    (1)獲取待處理圖像樣本的灰度級(k=0,1,2,…,L-1),對各類參數(shù)進行初始化,迭代次數(shù)以r表示,確定聚類中心的數(shù)目;

    (2)計算待處理圖像樣本的c個聚類中心;

    (3)以計算出的聚類中心去刷新模糊分類矩陣,得到新的分類矩陣;

    (4)如果新的分類矩陣與原矩陣之差小于某個預先設定閾值ε,則迭代結(jié)束,否則r值增1,回到(2)。

    迭代結(jié)束之后,把圖像的每一個灰度級別以其隸屬度為標準進行歸類,將歸類之后的灰度級與像素進行關聯(lián),從而得到分割圖像??芍獙τ诨叶燃墳長的圖像樣本,傳統(tǒng)的聚類方法數(shù)據(jù)量為樣本所含的像素數(shù)目,而優(yōu)化的方法則使其減少到L,提升了處理效率。

    結(jié)合文獻[8]與文獻[10]選取聚類算法中參數(shù)m與ε、c的值,將m取值為3,c取值為2,ε取值為0.1。分別以傳統(tǒng)的標準模糊聚類分割算法與改進算法對相同圖像進行處理,選取迭代次數(shù)、首次迭代時間以及最優(yōu)值Jm進行比較,結(jié)果如表1所示。

    由表1的比較數(shù)據(jù)得出,在最優(yōu)值和迭代次數(shù)一致的前提下,改進聚類分割算法的首次迭代時間顯著低于傳統(tǒng)算法,可以證明基于改進算法的FCM在提升圖像分割效率方面的

    有效性。圖2所示為已改進算法的FCM分割之后的效果。

    至此,水稻葉片病斑已被完整分割,可以為后續(xù)的水稻病

    3小結(jié)

    本研究基于圖像處理技術和模式識別技術,以水稻紋枯病為例,對采集到的病害圖像引入灰度預處理、直方圖均衡化和中值濾波,并結(jié)合水稻病害圖像的具體特征對以上方法進行了調(diào)整或者優(yōu)化,為病害進一步的智能化識別打下良好的基礎。

    參考文獻:

    [1]劉立波,周國民. 基于多層感知神經(jīng)網(wǎng)絡的水稻葉瘟病識別方法[J]. 農(nóng)業(yè)工程學報,2009,25(增刊):213-217.

    [2]許志剛. 普通植物病理學[M]. 北京:中國農(nóng)業(yè)出版社,2002:236-237.

    [3]劉立波. 基于圖像的水稻葉部病害診斷技術研究[D]. 北京:中國農(nóng)業(yè)科學院研究生院,2010.

    [4]劉興,劉慶祥. 一種彩色圖像轉(zhuǎn)換為灰度圖像的算法[J]. 現(xiàn)代電子技術,2007,6(6):134-135,138.

    [5]張建德,邵定宏. 改進的基于彩色空間距離的圖像灰度化算法[J]. 機械與電子,2008(1):63-65.

    [6]Toews M D,Pearson T C,Campbell J F. Imaging and automated detection of Sitophilus oryzae (Coleoptera:Curculionidae) pupae in hard red winter wheat[J]. Journal of Economic Entomology,2006,99(2):583-592.

    [7]毛文華. 基于機器視覺的田間雜草識別技術研究[D]. 北京:中國農(nóng)業(yè)大學,2004:1-94.

    [8]葉秀清,顧偉康,肖強. 快速模糊圖像分割算法[J]. 模式識別與人工智能,2006,9(1):66-70.

    [9]徐月芳. 基于遺傳模糊C-均值聚類算法的圖像分割[J]. 西北工業(yè)大學學報,2002,30(4):549-553.

    [10]高新波,裴繼紅,謝維信. 模糊C-均值聚類算法中加權指數(shù)的研究[J]. 電子學報,2010,28(4):80-83.魯海菊,董梅,崔同敏,等. 從枇杷內(nèi)生真菌中篩選抗枇杷根腐病菌的活性菌株[J]. 江蘇農(nóng)業(yè)科學,2014,42(1):95-97.

    根據(jù)以上的映射方法,即可結(jié)合原始采集病斑葉片圖像灰度,通過映射算法取得均衡化之后的灰度值。具體做法是:首先根據(jù)灰度化之后的原始葉部病害圖像求得其灰度直方圖的分布狀況,并得到其統(tǒng)計結(jié)果;在此基礎上以累積分布函數(shù)作為映射函數(shù),實現(xiàn)圖像的直方圖均衡預處理。圖1所示為直方圖均衡預處理前后的對比。

    由圖1可知,均衡化后在病害圖像灰度值范圍內(nèi)均有直方圖存在。在直方圖均衡化處理前,灰度值中低灰度含量比較高,而處理后各灰度比例分配變得均衡,因此圖像質(zhì)量得到顯著改善,對比度提高,輪廓細節(jié)清楚,病斑邊界清晰。

    2.3基于改進矢量算法的快速中值濾波預處理

    為了彌補直方圖均衡處理的不足,在均衡化之后還需對圖像進行中值濾波。直方圖均衡化處理之后的圖像亮度往往

    比較高,并且出現(xiàn)了一些偽邊緣,影響了對葉片的病害識別。本研究選取的是基于矢量中值濾波的方法,通過非線性濾波技術,保護目標圖像邊緣,濾除圖像噪聲。

    矢量中值濾波的處理方法優(yōu)勢在于精度很高,但傳統(tǒng)的算法涉及到過多的運算量,在系統(tǒng)分析的實時性方面表現(xiàn)不能盡如人意[7]。本研究以改進的快速矢量算法實現(xiàn)中值濾波,對于運算區(qū)域之內(nèi)的數(shù)據(jù)僅考慮某一時刻移入的數(shù)據(jù)與移出的數(shù)據(jù),較好地降低了由于傳統(tǒng)矢量中值濾波的排序而導致的大量運算,改進的算法具體為:

    (1)矢量Vi若位于滑動窗內(nèi),則以如下的方式確定該矢量的2范數(shù):

    Si=‖vi‖=(∑m1j=1|rj|2)1/2,i=1,2,…,n

    上式中,Vi的每一個分量以rj表示;Vi的所有分量的數(shù)目以m表示。

    (2)設中心像素為Vc,其矢量的2范數(shù)為Sc,將待處理集合里的成員進行歸類,歸類標準為各個成員的2范數(shù)小于、大于和等于Sc的2范數(shù),記2范數(shù)小于Sc的成員個數(shù)為n1,2范數(shù)等于Sc的成員個數(shù)為n2。假若這2組個數(shù)均不大于閾值th,則該窗口的中值濾波終止。如果不滿足小于或等于閾值th,則轉(zhuǎn)下一步。

    (3)對矢量Vi的2范數(shù)排序,可得序列S(S(1)≤S(2)≤…≤S(N)),只取位于序列中部的子序列,成員數(shù)目為t個,將與其關聯(lián)的Vi擇出,構建新集合T。

    (4)對屬于新集合的全部矢量,求得其分量的加權平均,從而構建出由加權平均所組成的矢量Vwa=(r1,r2,…,rm)。

    (5)計算此矢量Vwa=(r1,r2,…,rm)與新集合T里所有成員的距離,將其中的p個較小值構建集合R。

    (6)以矢量中值濾波算法處理集合R,保留處理的結(jié)果,本滑動窗濾波完畢。

    (7)通過增減數(shù)據(jù)開始下一窗口的濾波操作。

    對于以上步驟中t、p等參數(shù)的取值,考慮到參數(shù)t的作用是簡化運算,增強系統(tǒng)分析的實時性,如果t值過小則難以達到預期效果。結(jié)合已有的一些研究成果,在3×3窗口,本研究將其值取為6;參數(shù)p的作用為降低噪聲,結(jié)合已有的一些研究成果,在3×3窗口,將其值取為4。經(jīng)過反復試驗,t、p等參數(shù)的取值可以滿足處理需求。經(jīng)過中值濾波處理之后,葉片病害圖像的邊緣依舊清晰,噪聲污染也得到了有效的去除。

    2.4基于改進FCM的圖像分割

    對于作物病害的圖像分割,不少研究成果均引入了模糊理論。標準模糊聚類分割算法是一種較為常用的方法,但是這種方法涉及到較為大量的運算,當作物病害圖像樣本數(shù)目較多時效率明顯降低。文獻[8]提出一種改進的快速模糊聚類分割算法,通過圖像的灰度級來取代復雜度較高的圖像數(shù)據(jù),使算法效率得到較為顯著的提升。本研究在圖像分割階段引入這種方法,定義目標函數(shù)為[9]:

    Jm(U,V)=∑L-11k=0∑C1i=1(μik)m(dik)2h(k)

    其中,μik的含義是待處理圖像中像素k對第i個均值聚類隸屬的程度;d的含義是像素k與第i個均值聚類之間的有效距離;h(k)的含義是待處理圖像中像素灰度為k的個數(shù),引入h(k)可以通過圖像的灰度級來取代圖像數(shù)據(jù)樣本,降低計算復雜度與計算量。以下式計算待處理圖像樣本的c個聚類中心:

    vi=∑L-11k=0(μik)mh(k)k1∑L-11k=0(μik)mh(k)(i=1,2,…,c)

    迭代過程為:

    (1)獲取待處理圖像樣本的灰度級(k=0,1,2,…,L-1),對各類參數(shù)進行初始化,迭代次數(shù)以r表示,確定聚類中心的數(shù)目;

    (2)計算待處理圖像樣本的c個聚類中心;

    (3)以計算出的聚類中心去刷新模糊分類矩陣,得到新的分類矩陣;

    (4)如果新的分類矩陣與原矩陣之差小于某個預先設定閾值ε,則迭代結(jié)束,否則r值增1,回到(2)。

    迭代結(jié)束之后,把圖像的每一個灰度級別以其隸屬度為標準進行歸類,將歸類之后的灰度級與像素進行關聯(lián),從而得到分割圖像。可知對于灰度級為L的圖像樣本,傳統(tǒng)的聚類方法數(shù)據(jù)量為樣本所含的像素數(shù)目,而優(yōu)化的方法則使其減少到L,提升了處理效率。

    結(jié)合文獻[8]與文獻[10]選取聚類算法中參數(shù)m與ε、c的值,將m取值為3,c取值為2,ε取值為0.1。分別以傳統(tǒng)的標準模糊聚類分割算法與改進算法對相同圖像進行處理,選取迭代次數(shù)、首次迭代時間以及最優(yōu)值Jm進行比較,結(jié)果如表1所示。

    由表1的比較數(shù)據(jù)得出,在最優(yōu)值和迭代次數(shù)一致的前提下,改進聚類分割算法的首次迭代時間顯著低于傳統(tǒng)算法,可以證明基于改進算法的FCM在提升圖像分割效率方面的

    有效性。圖2所示為已改進算法的FCM分割之后的效果。

    至此,水稻葉片病斑已被完整分割,可以為后續(xù)的水稻病

    3小結(jié)

    本研究基于圖像處理技術和模式識別技術,以水稻紋枯病為例,對采集到的病害圖像引入灰度預處理、直方圖均衡化和中值濾波,并結(jié)合水稻病害圖像的具體特征對以上方法進行了調(diào)整或者優(yōu)化,為病害進一步的智能化識別打下良好的基礎。

    參考文獻:

    [1]劉立波,周國民. 基于多層感知神經(jīng)網(wǎng)絡的水稻葉瘟病識別方法[J]. 農(nóng)業(yè)工程學報,2009,25(增刊):213-217.

    [2]許志剛. 普通植物病理學[M]. 北京:中國農(nóng)業(yè)出版社,2002:236-237.

    [3]劉立波. 基于圖像的水稻葉部病害診斷技術研究[D]. 北京:中國農(nóng)業(yè)科學院研究生院,2010.

    [4]劉興,劉慶祥. 一種彩色圖像轉(zhuǎn)換為灰度圖像的算法[J]. 現(xiàn)代電子技術,2007,6(6):134-135,138.

    [5]張建德,邵定宏. 改進的基于彩色空間距離的圖像灰度化算法[J]. 機械與電子,2008(1):63-65.

    [6]Toews M D,Pearson T C,Campbell J F. Imaging and automated detection of Sitophilus oryzae (Coleoptera:Curculionidae) pupae in hard red winter wheat[J]. Journal of Economic Entomology,2006,99(2):583-592.

    [7]毛文華. 基于機器視覺的田間雜草識別技術研究[D]. 北京:中國農(nóng)業(yè)大學,2004:1-94.

    [8]葉秀清,顧偉康,肖強. 快速模糊圖像分割算法[J]. 模式識別與人工智能,2006,9(1):66-70.

    [9]徐月芳. 基于遺傳模糊C-均值聚類算法的圖像分割[J]. 西北工業(yè)大學學報,2002,30(4):549-553.

    [10]高新波,裴繼紅,謝維信. 模糊C-均值聚類算法中加權指數(shù)的研究[J]. 電子學報,2010,28(4):80-83.魯海菊,董梅,崔同敏,等. 從枇杷內(nèi)生真菌中篩選抗枇杷根腐病菌的活性菌株[J]. 江蘇農(nóng)業(yè)科學,2014,42(1):95-97.

    猜你喜歡
    圖像識別
    支持向量機的艦船圖像識別與分類技術
    淺談圖像識別技術在打擊綠通假證逃費中的應用
    深度學習在艦船前方障礙物圖像識別中的應用
    基于Resnet-50的貓狗圖像識別
    電子制作(2019年16期)2019-09-27 09:34:50
    高速公路圖像識別技術應用探討
    圖像識別在物聯(lián)網(wǎng)上的應用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識別在水質(zhì)檢測中的應用
    電子制作(2018年14期)2018-08-21 01:38:16
    一種基于TuriCreate和OpenCV的實時圖像識別系統(tǒng)設計
    電子測試(2018年10期)2018-06-26 05:53:32
    基于圖像識別的田間玉米稈識別系統(tǒng)設計與實現(xiàn)
    電子測試(2017年11期)2017-12-15 08:57:02
    淺談模式識別在圖像識別中的應用
    電子測試(2017年23期)2017-04-04 05:06:50
    哪里可以看免费的av片| 嫁个100分男人电影在线观看| 琪琪午夜伦伦电影理论片6080| 色综合站精品国产| 最近最新免费中文字幕在线| 亚洲色图 男人天堂 中文字幕| 很黄的视频免费| 国产亚洲欧美98| 欧美国产日韩亚洲一区| 日日爽夜夜爽网站| 国产精品1区2区在线观看.| 国产成人欧美| 亚洲成人精品中文字幕电影| 国产欧美日韩精品亚洲av| 久久精品国产亚洲av高清一级| 亚洲精品久久国产高清桃花| aaaaa片日本免费| 国产久久久一区二区三区| 中文字幕久久专区| 老司机在亚洲福利影院| 好男人电影高清在线观看| 国产又爽黄色视频| 美国免费a级毛片| 两性午夜刺激爽爽歪歪视频在线观看 | 宅男免费午夜| 午夜a级毛片| 黄网站色视频无遮挡免费观看| 岛国视频午夜一区免费看| 麻豆久久精品国产亚洲av| 久久国产精品人妻蜜桃| 国产av一区在线观看免费| 久久青草综合色| 久久精品亚洲精品国产色婷小说| 午夜激情av网站| 色哟哟哟哟哟哟| 免费看a级黄色片| 两个人免费观看高清视频| 在线天堂中文资源库| 精品国产乱码久久久久久男人| a级毛片a级免费在线| 97碰自拍视频| www.自偷自拍.com| 男人舔女人的私密视频| 亚洲国产精品sss在线观看| 少妇被粗大的猛进出69影院| 国产精品精品国产色婷婷| 国产精品久久视频播放| 91麻豆av在线| 特大巨黑吊av在线直播 | 99久久综合精品五月天人人| 人人妻人人澡人人看| 丰满人妻熟妇乱又伦精品不卡| 国内精品久久久久久久电影| 青草久久国产| 国产亚洲欧美精品永久| 级片在线观看| 亚洲午夜理论影院| 悠悠久久av| 在线视频色国产色| 男女床上黄色一级片免费看| 老鸭窝网址在线观看| 丝袜人妻中文字幕| 人妻久久中文字幕网| 欧美性猛交黑人性爽| 男女做爰动态图高潮gif福利片| 啦啦啦 在线观看视频| 国产精品精品国产色婷婷| 午夜精品在线福利| 少妇的丰满在线观看| 欧美zozozo另类| 18美女黄网站色大片免费观看| 日韩av在线大香蕉| 亚洲精品国产精品久久久不卡| 91大片在线观看| 精品午夜福利视频在线观看一区| 在线av久久热| 欧美日韩一级在线毛片| 人人妻人人澡人人看| 最新在线观看一区二区三区| 精品日产1卡2卡| 中文字幕精品亚洲无线码一区 | a在线观看视频网站| 黄片大片在线免费观看| 国产成人av教育| 亚洲精品久久国产高清桃花| 黄片大片在线免费观看| 国产色视频综合| 后天国语完整版免费观看| 国内精品久久久久久久电影| 中文字幕另类日韩欧美亚洲嫩草| 成在线人永久免费视频| √禁漫天堂资源中文www| 色精品久久人妻99蜜桃| 欧美另类亚洲清纯唯美| 国产色视频综合| 国产亚洲av嫩草精品影院| 大香蕉久久成人网| 亚洲五月婷婷丁香| 日韩大码丰满熟妇| 嫁个100分男人电影在线观看| 国产欧美日韩一区二区精品| 亚洲一卡2卡3卡4卡5卡精品中文| 最近在线观看免费完整版| 欧美色视频一区免费| 后天国语完整版免费观看| 免费在线观看黄色视频的| 国产极品粉嫩免费观看在线| 亚洲第一欧美日韩一区二区三区| 伦理电影免费视频| 天堂影院成人在线观看| 高潮久久久久久久久久久不卡| 国产单亲对白刺激| 久久久久久亚洲精品国产蜜桃av| 国产激情偷乱视频一区二区| 男女那种视频在线观看| 欧美国产日韩亚洲一区| 91国产中文字幕| 欧美成人性av电影在线观看| 国产av又大| 欧美成人性av电影在线观看| 母亲3免费完整高清在线观看| 69av精品久久久久久| 99国产精品一区二区蜜桃av| 精华霜和精华液先用哪个| 国产99白浆流出| 亚洲va日本ⅴa欧美va伊人久久| 久久午夜综合久久蜜桃| 日韩欧美国产在线观看| 脱女人内裤的视频| 一本大道久久a久久精品| 中文资源天堂在线| 成熟少妇高潮喷水视频| 少妇粗大呻吟视频| 久久久久免费精品人妻一区二区 | 精品欧美国产一区二区三| 国产色视频综合| 99精品久久久久人妻精品| 午夜激情福利司机影院| x7x7x7水蜜桃| 午夜老司机福利片| 可以免费在线观看a视频的电影网站| 特大巨黑吊av在线直播 | 精品卡一卡二卡四卡免费| 黄色毛片三级朝国网站| 国产亚洲精品综合一区在线观看 | 国产激情欧美一区二区| 国产精品亚洲一级av第二区| 免费电影在线观看免费观看| 久久久久国内视频| 午夜成年电影在线免费观看| 一级黄色大片毛片| 免费高清在线观看日韩| 国产精品 国内视频| 国产一区二区三区在线臀色熟女| 99久久精品国产亚洲精品| 熟女电影av网| 久久久久精品国产欧美久久久| 操出白浆在线播放| 人妻丰满熟妇av一区二区三区| 国产精品免费视频内射| 天堂动漫精品| 国产视频内射| 久久国产精品影院| 90打野战视频偷拍视频| 91麻豆av在线| 老汉色∧v一级毛片| 久久久久久国产a免费观看| 国产亚洲av嫩草精品影院| 成人18禁高潮啪啪吃奶动态图| 国产亚洲精品久久久久久毛片| 亚洲,欧美精品.| 一区二区三区精品91| 啦啦啦韩国在线观看视频| 日韩欧美国产一区二区入口| 一二三四社区在线视频社区8| 亚洲av美国av| 精品久久久久久久毛片微露脸| 性欧美人与动物交配| 白带黄色成豆腐渣| 国产三级黄色录像| 欧洲精品卡2卡3卡4卡5卡区| 不卡一级毛片| 90打野战视频偷拍视频| 久久精品国产99精品国产亚洲性色| 老熟妇乱子伦视频在线观看| 久久久水蜜桃国产精品网| 很黄的视频免费| 久久久久免费精品人妻一区二区 | 午夜福利在线在线| 久久久久久久精品吃奶| 日日夜夜操网爽| 成人国产一区最新在线观看| 最近最新中文字幕大全免费视频| 国内精品久久久久精免费| 午夜福利在线在线| 又大又爽又粗| 91在线观看av| 亚洲美女黄片视频| 男人的好看免费观看在线视频 | 侵犯人妻中文字幕一二三四区| av在线播放免费不卡| 成人亚洲精品一区在线观看| svipshipincom国产片| 久久伊人香网站| 黑丝袜美女国产一区| 美国免费a级毛片| 国产成人欧美| 欧美黄色淫秽网站| 一区福利在线观看| 日本成人三级电影网站| 久久精品91蜜桃| av有码第一页| 国产久久久一区二区三区| 国产99白浆流出| 国产一区二区三区在线臀色熟女| 国产aⅴ精品一区二区三区波| 欧美+亚洲+日韩+国产| 精品免费久久久久久久清纯| 欧美一级a爱片免费观看看 | 听说在线观看完整版免费高清| 亚洲avbb在线观看| 精品国产乱子伦一区二区三区| 亚洲免费av在线视频| 青草久久国产| 国产又爽黄色视频| 成人国语在线视频| 亚洲精品色激情综合| 在线观看免费视频日本深夜| 变态另类成人亚洲欧美熟女| 欧美性猛交黑人性爽| 中出人妻视频一区二区| 麻豆久久精品国产亚洲av| 久久中文字幕人妻熟女| 两个人看的免费小视频| 亚洲国产精品999在线| 国产精品久久久久久人妻精品电影| 久久久久久久久免费视频了| 国产亚洲精品第一综合不卡| 给我免费播放毛片高清在线观看| 国产精品乱码一区二三区的特点| 亚洲精品美女久久av网站| 国产精品亚洲av一区麻豆| 在线观看免费视频日本深夜| 亚洲无线在线观看| 国产片内射在线| 999精品在线视频| 91av网站免费观看| 成人一区二区视频在线观看| 久久狼人影院| 一进一出抽搐动态| 夜夜看夜夜爽夜夜摸| 色综合站精品国产| 欧美一级毛片孕妇| 一区二区三区激情视频| 久久中文字幕人妻熟女| 在线播放国产精品三级| 亚洲美女黄片视频| 黄色片一级片一级黄色片| 黄色成人免费大全| 免费看美女性在线毛片视频| 精品国内亚洲2022精品成人| 国产免费av片在线观看野外av| 亚洲一卡2卡3卡4卡5卡精品中文| 手机成人av网站| 18禁国产床啪视频网站| 久久久水蜜桃国产精品网| 丁香欧美五月| 国产三级在线视频| 麻豆一二三区av精品| 波多野结衣高清作品| 午夜两性在线视频| 精品久久久久久久久久免费视频| 少妇的丰满在线观看| 国产伦在线观看视频一区| 亚洲国产精品999在线| 亚洲精品久久国产高清桃花| 美国免费a级毛片| 亚洲午夜理论影院| 看免费av毛片| 精品欧美一区二区三区在线| 九色国产91popny在线| 日本五十路高清| 久久久久九九精品影院| 日韩有码中文字幕| 麻豆国产av国片精品| 一区二区日韩欧美中文字幕| xxx96com| 精品欧美国产一区二区三| 亚洲精品国产精品久久久不卡| 男女做爰动态图高潮gif福利片| 成人午夜高清在线视频 | 亚洲精品美女久久久久99蜜臀| 精品欧美一区二区三区在线| 国产亚洲精品第一综合不卡| 国产成人一区二区三区免费视频网站| 丝袜在线中文字幕| 国产成人影院久久av| 黑人操中国人逼视频| 在线免费观看的www视频| 桃红色精品国产亚洲av| 视频在线观看一区二区三区| 久久久国产精品麻豆| 麻豆一二三区av精品| 亚洲人成电影免费在线| 久久精品影院6| av天堂在线播放| 免费高清视频大片| 日韩欧美在线二视频| 婷婷精品国产亚洲av在线| 男女床上黄色一级片免费看| 99热只有精品国产| 中文字幕精品免费在线观看视频| 色精品久久人妻99蜜桃| 国产精品综合久久久久久久免费| 精品人妻1区二区| 免费在线观看完整版高清| 精品一区二区三区四区五区乱码| 国产成人欧美| 成年人黄色毛片网站| 一本大道久久a久久精品| 一二三四社区在线视频社区8| 色尼玛亚洲综合影院| 久久人人精品亚洲av| 一个人观看的视频www高清免费观看 | 伊人久久大香线蕉亚洲五| 手机成人av网站| 婷婷精品国产亚洲av| 夜夜看夜夜爽夜夜摸| 人人妻人人看人人澡| 无人区码免费观看不卡| 在线观看免费午夜福利视频| 男女那种视频在线观看| av欧美777| 国产亚洲欧美98| 99久久久亚洲精品蜜臀av| 久久久久九九精品影院| 成人18禁在线播放| 亚洲 欧美一区二区三区| 精品久久久久久久久久久久久 | 亚洲国产高清在线一区二区三 | 精品日产1卡2卡| 成人亚洲精品av一区二区| 精品第一国产精品| 人妻丰满熟妇av一区二区三区| 搡老妇女老女人老熟妇| 午夜福利在线在线| 激情在线观看视频在线高清| 成人一区二区视频在线观看| 色播在线永久视频| 国产精品一区二区三区四区久久 | www.自偷自拍.com| 日韩有码中文字幕| 成人18禁高潮啪啪吃奶动态图| 国产在线精品亚洲第一网站| 人妻久久中文字幕网| 黄片小视频在线播放| 欧美日韩黄片免| 天天一区二区日本电影三级| 成人一区二区视频在线观看| 久久午夜综合久久蜜桃| 亚洲一区中文字幕在线| 91av网站免费观看| 欧美乱色亚洲激情| 51午夜福利影视在线观看| 亚洲国产欧美网| 国产午夜精品久久久久久| 久久人妻av系列| 久久久久精品国产欧美久久久| 中文字幕人成人乱码亚洲影| 婷婷丁香在线五月| avwww免费| 亚洲第一欧美日韩一区二区三区| 午夜福利高清视频| 啦啦啦免费观看视频1| 精品国产一区二区三区四区第35| 国产精品99久久99久久久不卡| 黄色片一级片一级黄色片| 免费搜索国产男女视频| 一个人观看的视频www高清免费观看 | 女人爽到高潮嗷嗷叫在线视频| 又黄又粗又硬又大视频| 女性被躁到高潮视频| 黄片播放在线免费| 在线看三级毛片| 老汉色av国产亚洲站长工具| 欧美黑人精品巨大| 国产一卡二卡三卡精品| 午夜免费观看网址| 久久中文看片网| 国产欧美日韩一区二区精品| av免费在线观看网站| 1024视频免费在线观看| 亚洲三区欧美一区| 一区二区三区精品91| 精品国产超薄肉色丝袜足j| 国产精华一区二区三区| 欧美日韩黄片免| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美又色又爽又黄视频| 老司机午夜福利在线观看视频| 美女午夜性视频免费| 成熟少妇高潮喷水视频| 人人妻,人人澡人人爽秒播| 国产亚洲av嫩草精品影院| 美国免费a级毛片| 啦啦啦免费观看视频1| 搡老妇女老女人老熟妇| 久久伊人香网站| 999精品在线视频| 亚洲人成77777在线视频| 精品日产1卡2卡| 国产黄片美女视频| АⅤ资源中文在线天堂| 欧美日韩亚洲国产一区二区在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 国产精品爽爽va在线观看网站 | 欧美中文综合在线视频| 亚洲欧美精品综合一区二区三区| 亚洲真实伦在线观看| 69av精品久久久久久| 国产高清videossex| 日本免费一区二区三区高清不卡| 俄罗斯特黄特色一大片| 精品久久久久久成人av| avwww免费| 亚洲欧洲精品一区二区精品久久久| 免费在线观看完整版高清| 午夜福利成人在线免费观看| 老熟妇仑乱视频hdxx| 久久香蕉国产精品| 午夜福利成人在线免费观看| 美女国产高潮福利片在线看| 国产免费av片在线观看野外av| 嫁个100分男人电影在线观看| 中文字幕av电影在线播放| 波多野结衣av一区二区av| 1024视频免费在线观看| 成人永久免费在线观看视频| 精品久久久久久久毛片微露脸| 在线观看舔阴道视频| 国产精品爽爽va在线观看网站 | 国产精品免费视频内射| 99热只有精品国产| 久久久久性生活片| 国产精品99久久久久久久久| 国产成人91sexporn| а√天堂www在线а√下载| 免费看av在线观看网站| 看片在线看免费视频| 亚洲欧美精品自产自拍| 亚洲国产欧洲综合997久久,| 97超级碰碰碰精品色视频在线观看| 欧美三级亚洲精品| 中国美白少妇内射xxxbb| 国产精品一区二区三区四区免费观看 | 国产 一区 欧美 日韩| 久久久久久久久久成人| 欧美+日韩+精品| 亚洲av二区三区四区| 身体一侧抽搐| 日韩欧美三级三区| 晚上一个人看的免费电影| av中文乱码字幕在线| 精品一区二区三区视频在线| 午夜福利在线观看免费完整高清在 | 久久天躁狠狠躁夜夜2o2o| 国产av麻豆久久久久久久| 亚洲欧美日韩无卡精品| 麻豆国产97在线/欧美| 精品无人区乱码1区二区| 亚洲国产日韩欧美精品在线观看| 美女大奶头视频| 午夜福利在线观看吧| 亚洲精品456在线播放app| 两性午夜刺激爽爽歪歪视频在线观看| 久久中文看片网| 中文字幕久久专区| 久久久久久久久久黄片| 亚洲精品456在线播放app| 国产高清不卡午夜福利| 美女黄网站色视频| 可以在线观看的亚洲视频| 尾随美女入室| 18禁黄网站禁片免费观看直播| 中国美女看黄片| 观看免费一级毛片| 亚洲美女黄片视频| 欧美xxxx性猛交bbbb| av专区在线播放| 一级a爱片免费观看的视频| 高清毛片免费观看视频网站| 亚洲精品一卡2卡三卡4卡5卡| 久久久精品欧美日韩精品| 国产成人a区在线观看| 大型黄色视频在线免费观看| 一个人免费在线观看电影| 亚洲三级黄色毛片| 成人国产麻豆网| 麻豆国产av国片精品| 伦精品一区二区三区| 亚洲av成人av| 国内久久婷婷六月综合欲色啪| 全区人妻精品视频| 成人漫画全彩无遮挡| 亚洲人成网站高清观看| 国内精品美女久久久久久| 亚洲婷婷狠狠爱综合网| 人人妻人人看人人澡| 麻豆国产97在线/欧美| 国产成人a区在线观看| 久久中文看片网| 成熟少妇高潮喷水视频| 国产午夜精品久久久久久一区二区三区 | 嫩草影视91久久| 少妇猛男粗大的猛烈进出视频 | 两个人的视频大全免费| 日韩强制内射视频| 免费看日本二区| 丰满的人妻完整版| 18+在线观看网站| 久久6这里有精品| 人妻制服诱惑在线中文字幕| 日本精品一区二区三区蜜桃| 国产精品久久久久久久久免| 国产精品亚洲一级av第二区| 偷拍熟女少妇极品色| 国产高清三级在线| 欧美又色又爽又黄视频| 毛片一级片免费看久久久久| 国产精品电影一区二区三区| 久久中文看片网| 亚洲美女搞黄在线观看 | 国产亚洲欧美98| 久久久久久九九精品二区国产| 噜噜噜噜噜久久久久久91| 高清毛片免费看| 亚洲精品成人久久久久久| 国产麻豆成人av免费视频| 麻豆久久精品国产亚洲av| 久久6这里有精品| 91在线观看av| 精品乱码久久久久久99久播| 九九爱精品视频在线观看| 久久精品国产自在天天线| 国产又黄又爽又无遮挡在线| 成年女人永久免费观看视频| 丝袜喷水一区| 亚州av有码| 亚洲天堂国产精品一区在线| 看非洲黑人一级黄片| 亚洲精品影视一区二区三区av| 国产亚洲精品综合一区在线观看| 国产精品国产三级国产av玫瑰| 在线播放国产精品三级| 久久国产乱子免费精品| 成人无遮挡网站| 天堂av国产一区二区熟女人妻| av中文乱码字幕在线| 女人十人毛片免费观看3o分钟| 成人一区二区视频在线观看| 综合色av麻豆| 国产成人freesex在线 | 尾随美女入室| 亚洲国产精品成人综合色| 三级男女做爰猛烈吃奶摸视频| 高清毛片免费观看视频网站| 成人毛片a级毛片在线播放| 一个人观看的视频www高清免费观看| 欧美潮喷喷水| 国产精品国产三级国产av玫瑰| 欧美色欧美亚洲另类二区| 黄色日韩在线| 中国国产av一级| av在线老鸭窝| 久久精品夜夜夜夜夜久久蜜豆| 国产亚洲精品久久久com| 中国美白少妇内射xxxbb| 久久精品国产清高在天天线| 国产v大片淫在线免费观看| 两个人的视频大全免费| 少妇猛男粗大的猛烈进出视频 | 又粗又爽又猛毛片免费看| 成人鲁丝片一二三区免费| 日韩精品有码人妻一区| 亚洲天堂国产精品一区在线| 一进一出好大好爽视频| 久久久a久久爽久久v久久| 亚洲精品色激情综合| 天堂网av新在线| 长腿黑丝高跟| av专区在线播放| a级毛片免费高清观看在线播放| 欧美+日韩+精品| 校园人妻丝袜中文字幕| 精品福利观看| 一级毛片我不卡| 国产熟女欧美一区二区| 国产精品美女特级片免费视频播放器| 国产精品福利在线免费观看| 欧美成人免费av一区二区三区| 亚洲熟妇熟女久久| 大香蕉久久网| 久久精品夜色国产| 国产高清激情床上av| 最近最新中文字幕大全电影3| 麻豆国产97在线/欧美| 91在线观看av| 综合色丁香网| 欧美不卡视频在线免费观看| av卡一久久| av.在线天堂| 亚洲国产精品成人久久小说 | 欧美日韩综合久久久久久| 99riav亚洲国产免费| 精品一区二区三区人妻视频|