• <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
    蜜桃国产av成人99| 精品国产国语对白av| 欧美国产精品va在线观看不卡| 欧美亚洲日本最大视频资源| 亚洲成人国产一区在线观看| 99riav亚洲国产免费| 日韩一卡2卡3卡4卡2021年| 我的亚洲天堂| 婷婷成人精品国产| 日本精品一区二区三区蜜桃| 99riav亚洲国产免费| 亚洲精品国产一区二区精华液| 亚洲av成人一区二区三| 伊人久久大香线蕉亚洲五| 亚洲视频免费观看视频| 国产黄频视频在线观看| www.熟女人妻精品国产| 九色亚洲精品在线播放| 成年动漫av网址| 国产伦人伦偷精品视频| 性少妇av在线| 一本久久精品| 亚洲成人免费av在线播放| 欧美黄色片欧美黄色片| 一区二区三区精品91| 国产精品欧美亚洲77777| 亚洲专区字幕在线| 涩涩av久久男人的天堂| 中文字幕另类日韩欧美亚洲嫩草| 亚洲伊人久久精品综合| netflix在线观看网站| 午夜精品国产一区二区电影| 精品人妻熟女毛片av久久网站| 一级片免费观看大全| 18禁裸乳无遮挡动漫免费视频| 黄色a级毛片大全视频| 一边摸一边做爽爽视频免费| 免费在线观看完整版高清| 免费观看av网站的网址| 电影成人av| 欧美黄色淫秽网站| 搡老熟女国产l中国老女人| 中文亚洲av片在线观看爽 | 亚洲va日本ⅴa欧美va伊人久久| 丰满少妇做爰视频| 99国产极品粉嫩在线观看| 国产欧美亚洲国产| 久久香蕉激情| 一区二区三区国产精品乱码| av天堂在线播放| 五月开心婷婷网| 久久香蕉激情| xxxhd国产人妻xxx| 亚洲精品国产区一区二| 日韩欧美三级三区| 两性夫妻黄色片| av天堂久久9| 久久国产精品影院| www.999成人在线观看| 欧美亚洲 丝袜 人妻 在线| 熟女少妇亚洲综合色aaa.| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美人与性动交α欧美精品济南到| 国产一区二区 视频在线| 亚洲欧美日韩另类电影网站| 亚洲第一青青草原| 汤姆久久久久久久影院中文字幕| 亚洲色图综合在线观看| 日韩欧美国产一区二区入口| 免费高清在线观看日韩| 欧美一级毛片孕妇| 成年版毛片免费区| 久久天堂一区二区三区四区| 制服诱惑二区| 亚洲成人手机| 日韩欧美国产一区二区入口| 满18在线观看网站| 国产精品久久电影中文字幕 | 热re99久久精品国产66热6| a级片在线免费高清观看视频| 这个男人来自地球电影免费观看| 精品一区二区三区av网在线观看 | 日韩人妻精品一区2区三区| av又黄又爽大尺度在线免费看| 99国产精品一区二区三区| 亚洲国产毛片av蜜桃av| 国产精品久久久久久人妻精品电影 | 制服人妻中文乱码| 国产1区2区3区精品| 色婷婷久久久亚洲欧美| 女同久久另类99精品国产91| 18禁观看日本| 日本欧美视频一区| 一区福利在线观看| 天堂动漫精品| 丝袜美腿诱惑在线| 天天添夜夜摸| 黄色视频,在线免费观看| 亚洲国产欧美一区二区综合| 又大又爽又粗| bbb黄色大片| 美女扒开内裤让男人捅视频| www.精华液| 丝袜美足系列| 亚洲第一av免费看| 青草久久国产| 王馨瑶露胸无遮挡在线观看| 日本欧美视频一区| 国产精品偷伦视频观看了| 淫妇啪啪啪对白视频| 成人免费观看视频高清| 亚洲成a人片在线一区二区| 国产亚洲精品一区二区www | 日韩三级视频一区二区三区| 久久久精品国产亚洲av高清涩受| 亚洲一区中文字幕在线| 深夜精品福利| 热99re8久久精品国产| 天天躁日日躁夜夜躁夜夜| 日本五十路高清| 天天添夜夜摸| av网站在线播放免费| 下体分泌物呈黄色| 亚洲视频免费观看视频| 女警被强在线播放| 在线 av 中文字幕| 深夜精品福利| 国产区一区二久久| 黄色视频在线播放观看不卡| 80岁老熟妇乱子伦牲交| 久9热在线精品视频| 美女福利国产在线| 久久狼人影院| 成人黄色视频免费在线看| 中文字幕av电影在线播放| av线在线观看网站| 天天操日日干夜夜撸| 高清在线国产一区| av线在线观看网站| 老鸭窝网址在线观看| 国产精品 欧美亚洲| 成人特级黄色片久久久久久久 | 欧美中文综合在线视频| 女人被躁到高潮嗷嗷叫费观| 亚洲七黄色美女视频| 亚洲欧洲日产国产| 久久久久久免费高清国产稀缺| 欧美日本中文国产一区发布| 欧美黄色淫秽网站| 久久久久久免费高清国产稀缺| 国产亚洲欧美在线一区二区| 欧美另类亚洲清纯唯美| 亚洲精品国产区一区二| 久久精品国产亚洲av高清一级| 伦理电影免费视频| 少妇粗大呻吟视频| 国产精品久久久久久人妻精品电影 | 无遮挡黄片免费观看| 大型av网站在线播放| 成人影院久久| www.自偷自拍.com| 一级片免费观看大全| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产毛片av蜜桃av| 欧美成狂野欧美在线观看| 亚洲中文日韩欧美视频| 日韩 欧美 亚洲 中文字幕| 啪啪无遮挡十八禁网站| 99国产精品99久久久久| 精品国产一区二区三区四区第35| 欧美日韩视频精品一区| 久久精品国产综合久久久| 成年动漫av网址| 国产黄频视频在线观看| 99久久99久久久精品蜜桃| 亚洲国产看品久久| 精品熟女少妇八av免费久了| 欧美国产精品va在线观看不卡| 国产一卡二卡三卡精品| 女人精品久久久久毛片| 国产精品久久久久久精品古装| 人人妻人人澡人人爽人人夜夜| 亚洲国产欧美在线一区| 美女视频免费永久观看网站| 亚洲九九香蕉| 天堂8中文在线网| 免费人妻精品一区二区三区视频| 久久 成人 亚洲| 亚洲美女黄片视频| 久久精品成人免费网站| 国产在视频线精品| 他把我摸到了高潮在线观看 | 无遮挡黄片免费观看| 免费看十八禁软件| 欧美乱码精品一区二区三区| 国产免费av片在线观看野外av| 精品熟女少妇八av免费久了| 欧美精品啪啪一区二区三区| 精品人妻熟女毛片av久久网站| 欧美黄色淫秽网站| 久热爱精品视频在线9| 国产亚洲欧美在线一区二区| 欧美大码av| 国产在线一区二区三区精| 最近最新中文字幕大全免费视频| 最新美女视频免费是黄的| 国产欧美日韩一区二区三区在线| 最近最新中文字幕大全免费视频| 国产1区2区3区精品| 国产淫语在线视频| aaaaa片日本免费| 变态另类成人亚洲欧美熟女 | 中文字幕精品免费在线观看视频| 十八禁网站免费在线| 国产精品亚洲av一区麻豆| 在线观看66精品国产| 色94色欧美一区二区| 国产成人av教育| 午夜激情av网站| 国产午夜精品久久久久久| 精品午夜福利视频在线观看一区 | 男女床上黄色一级片免费看| 亚洲国产欧美一区二区综合| 三级毛片av免费| 国产精品电影一区二区三区 | 精品少妇一区二区三区视频日本电影| 国产又色又爽无遮挡免费看| 视频区欧美日本亚洲| 日本a在线网址| 日韩大片免费观看网站| 少妇猛男粗大的猛烈进出视频| 97人妻天天添夜夜摸| 久久狼人影院| 51午夜福利影视在线观看| 极品人妻少妇av视频| 99国产精品99久久久久| 老熟妇仑乱视频hdxx| 国产欧美亚洲国产| 国产欧美日韩综合在线一区二区| 国产精品98久久久久久宅男小说| 久久久国产精品麻豆| 午夜久久久在线观看| 亚洲精品成人av观看孕妇| 视频区欧美日本亚洲| 国产片内射在线| 国产精品影院久久| 韩国精品一区二区三区| 1024视频免费在线观看| 五月天丁香电影| 亚洲精品美女久久av网站| 国产精品亚洲av一区麻豆| 建设人人有责人人尽责人人享有的| 老司机影院毛片| 精品第一国产精品| 国产精品香港三级国产av潘金莲| 热99re8久久精品国产| 精品少妇一区二区三区视频日本电影| 99国产综合亚洲精品| 国产aⅴ精品一区二区三区波| 在线观看人妻少妇| 亚洲熟女精品中文字幕| 国产精品亚洲一级av第二区| 亚洲国产精品一区二区三区在线| 搡老熟女国产l中国老女人| 亚洲成av片中文字幕在线观看| 欧美一级毛片孕妇| 精品亚洲成国产av| 欧美成狂野欧美在线观看| 美女国产高潮福利片在线看| 免费观看人在逋| 啦啦啦中文免费视频观看日本| 午夜福利乱码中文字幕| 久久久久视频综合| 999久久久精品免费观看国产| 久久人妻熟女aⅴ| 日日夜夜操网爽| 另类亚洲欧美激情| 老司机福利观看| 午夜视频精品福利| 久久精品亚洲av国产电影网| 一二三四在线观看免费中文在| 亚洲性夜色夜夜综合| 国产日韩一区二区三区精品不卡| 国产主播在线观看一区二区| 99久久精品国产亚洲精品| 精品国产亚洲在线| 久久精品成人免费网站| 欧美精品亚洲一区二区| 欧美在线一区亚洲| 久久精品亚洲熟妇少妇任你| 99国产综合亚洲精品| 99精品在免费线老司机午夜| 欧美黄色片欧美黄色片| 搡老乐熟女国产| 啦啦啦免费观看视频1| 久9热在线精品视频| 九色亚洲精品在线播放| 男女免费视频国产| 欧美人与性动交α欧美软件| 国产精品av久久久久免费| 精品国产乱子伦一区二区三区| 一区二区日韩欧美中文字幕| 欧美另类亚洲清纯唯美| 99re在线观看精品视频| 国产麻豆69| 另类精品久久| 欧美日韩成人在线一区二区| 侵犯人妻中文字幕一二三四区| 香蕉丝袜av| 精品高清国产在线一区| 欧美激情极品国产一区二区三区| 精品第一国产精品| av视频免费观看在线观看| 婷婷丁香在线五月| 在线观看一区二区三区激情| 欧美黄色淫秽网站| 在线观看人妻少妇| 色婷婷av一区二区三区视频| 飞空精品影院首页| 99香蕉大伊视频| 动漫黄色视频在线观看| 十八禁人妻一区二区| 免费日韩欧美在线观看| 亚洲七黄色美女视频| 欧美乱码精品一区二区三区| 大陆偷拍与自拍| 一级毛片女人18水好多| 国产一区二区三区综合在线观看| 天堂8中文在线网| 国产91精品成人一区二区三区 | 国产精品麻豆人妻色哟哟久久| 欧美精品人与动牲交sv欧美| 一区二区三区乱码不卡18| 国产午夜精品久久久久久| 青青草视频在线视频观看| 国产xxxxx性猛交| 国产黄色免费在线视频| 国产精品久久久久成人av| 久久久国产精品麻豆| 老司机福利观看| 日本黄色视频三级网站网址 | 午夜久久久在线观看| 欧美精品高潮呻吟av久久| 日本wwww免费看| 老司机靠b影院| 在线观看免费日韩欧美大片| 动漫黄色视频在线观看| 欧美成狂野欧美在线观看| 午夜两性在线视频| a在线观看视频网站| 黄色成人免费大全| 视频在线观看一区二区三区| 又紧又爽又黄一区二区| 中国美女看黄片| 水蜜桃什么品种好| 色精品久久人妻99蜜桃| 麻豆成人av在线观看| 人成视频在线观看免费观看| 一边摸一边抽搐一进一出视频| 中文字幕人妻丝袜制服| 欧美性长视频在线观看| 18禁美女被吸乳视频| 天天躁日日躁夜夜躁夜夜| 国产成人精品在线电影| 精品国产国语对白av| 成人亚洲精品一区在线观看| 亚洲欧美一区二区三区久久| videosex国产| 色播在线永久视频| 黑丝袜美女国产一区| 久久国产亚洲av麻豆专区| 男女床上黄色一级片免费看| 色视频在线一区二区三区| 91麻豆精品激情在线观看国产 | 老司机午夜十八禁免费视频| 黑人巨大精品欧美一区二区蜜桃| 一区二区av电影网| 99国产极品粉嫩在线观看| 国产精品美女特级片免费视频播放器 | 女性生殖器流出的白浆| 日日爽夜夜爽网站| 丝袜喷水一区| 在线观看免费日韩欧美大片| 成人永久免费在线观看视频 | 午夜老司机福利片| 免费日韩欧美在线观看| 午夜福利一区二区在线看| 久久久久久久久久久久大奶| av网站在线播放免费| 激情视频va一区二区三区| 男女下面插进去视频免费观看| 黄片播放在线免费| 激情视频va一区二区三区| 亚洲熟妇熟女久久| 十分钟在线观看高清视频www| 免费在线观看视频国产中文字幕亚洲| 国产精品久久久人人做人人爽| 国产黄频视频在线观看| 国产日韩一区二区三区精品不卡| 久久久久久久国产电影| 亚洲欧美一区二区三区黑人| 男男h啪啪无遮挡| 亚洲熟妇熟女久久| 真人做人爱边吃奶动态| av有码第一页| 色综合婷婷激情| 女人久久www免费人成看片| 中文字幕av电影在线播放| 欧美激情极品国产一区二区三区| 精品高清国产在线一区| 成人亚洲精品一区在线观看| 搡老熟女国产l中国老女人| 婷婷丁香在线五月| 国产真人三级小视频在线观看| 首页视频小说图片口味搜索| 久久精品熟女亚洲av麻豆精品| 国产精品 欧美亚洲| 一进一出好大好爽视频| 黄片播放在线免费| 女性生殖器流出的白浆| 夜夜骑夜夜射夜夜干| 免费女性裸体啪啪无遮挡网站| 色婷婷久久久亚洲欧美| 久久精品91无色码中文字幕| 精品国产超薄肉色丝袜足j| 麻豆国产av国片精品| 亚洲国产成人一精品久久久| 色婷婷av一区二区三区视频| 精品一区二区三卡| 黄色丝袜av网址大全| 亚洲av美国av| 国产av国产精品国产| 久久精品人人爽人人爽视色| av不卡在线播放| 亚洲黑人精品在线| 动漫黄色视频在线观看| bbb黄色大片| 精品国产一区二区三区四区第35| 多毛熟女@视频| 国产男靠女视频免费网站| 国产成人欧美在线观看 | 亚洲av日韩在线播放| 国产精品99久久99久久久不卡| 日韩大码丰满熟妇| 丝袜在线中文字幕| 性少妇av在线| 日韩视频在线欧美| 成人影院久久| 大香蕉久久网| 免费在线观看视频国产中文字幕亚洲| 男女边摸边吃奶| 国产无遮挡羞羞视频在线观看| 国产欧美日韩综合在线一区二区| 无遮挡黄片免费观看| 国产精品久久电影中文字幕 | 国产欧美日韩精品亚洲av| 丁香六月欧美| 肉色欧美久久久久久久蜜桃| 一二三四在线观看免费中文在| 欧美乱妇无乱码| 亚洲 国产 在线| 少妇的丰满在线观看| 日韩欧美一区视频在线观看| 久久99热这里只频精品6学生| 亚洲av日韩精品久久久久久密| 午夜福利影视在线免费观看| 男女边摸边吃奶| 黄色 视频免费看| 精品一区二区三区四区五区乱码| 亚洲国产看品久久| 天堂8中文在线网| 91成年电影在线观看| 亚洲va日本ⅴa欧美va伊人久久| 久久天躁狠狠躁夜夜2o2o| 国产精品久久久久久精品古装| 国产麻豆69| 国产又色又爽无遮挡免费看| 久久人人爽av亚洲精品天堂| 天天添夜夜摸| 九色亚洲精品在线播放| 午夜精品久久久久久毛片777| 亚洲精品在线观看二区| 国产亚洲午夜精品一区二区久久| 老汉色av国产亚洲站长工具| 国产成+人综合+亚洲专区| 欧美精品人与动牲交sv欧美| 悠悠久久av| 亚洲免费av在线视频| 日韩欧美一区视频在线观看| 日日夜夜操网爽| 狠狠婷婷综合久久久久久88av| 黄色成人免费大全| 免费在线观看黄色视频的| 亚洲成人免费av在线播放| 黑人猛操日本美女一级片| 亚洲久久久国产精品| 亚洲欧美一区二区三区久久| 一级,二级,三级黄色视频| 飞空精品影院首页| 精品久久蜜臀av无| 欧美黑人欧美精品刺激| 国产亚洲精品一区二区www | 最近最新中文字幕大全电影3 | 69av精品久久久久久 | 免费不卡黄色视频| 国产免费av片在线观看野外av| 日日夜夜操网爽| 黄频高清免费视频| 精品国产超薄肉色丝袜足j| 性少妇av在线| 欧美午夜高清在线| 亚洲国产欧美网| 日韩人妻精品一区2区三区| 欧美日韩亚洲高清精品| 操美女的视频在线观看| 热99久久久久精品小说推荐| 午夜日韩欧美国产| 国产福利在线免费观看视频| 亚洲精品国产区一区二| 一本色道久久久久久精品综合| 国产精品国产av在线观看| 在线观看免费高清a一片| 纵有疾风起免费观看全集完整版| 亚洲国产欧美日韩在线播放| 婷婷丁香在线五月| 久久久久精品人妻al黑| 免费日韩欧美在线观看| 一区在线观看完整版| 搡老岳熟女国产| 91老司机精品| 18禁美女被吸乳视频| 999久久久精品免费观看国产| 亚洲免费av在线视频| 国产91精品成人一区二区三区 | 最近最新免费中文字幕在线| 亚洲 国产 在线| 亚洲欧洲日产国产| 视频区欧美日本亚洲| 777久久人妻少妇嫩草av网站| 精品国产乱码久久久久久小说| 精品一区二区三卡| 啦啦啦中文免费视频观看日本| 亚洲av日韩在线播放| 丝袜在线中文字幕| 国产亚洲欧美精品永久| 美女高潮到喷水免费观看| 曰老女人黄片| 国产成人av教育| 欧美变态另类bdsm刘玥| 中文字幕高清在线视频| 亚洲精华国产精华精| 999久久久国产精品视频| 国产精品久久电影中文字幕 | 国产成人精品久久二区二区91| 飞空精品影院首页| 美女扒开内裤让男人捅视频| 五月开心婷婷网| 国产精品免费视频内射| 日本一区二区免费在线视频| 精品人妻在线不人妻| 亚洲成人手机| 亚洲人成电影观看| 免费黄频网站在线观看国产| 人人妻人人添人人爽欧美一区卜| 满18在线观看网站| 亚洲专区中文字幕在线| 欧美中文综合在线视频| 色94色欧美一区二区| 在线观看免费视频日本深夜| 日本vs欧美在线观看视频| 久久久欧美国产精品| 9191精品国产免费久久| 91国产中文字幕| 亚洲国产毛片av蜜桃av| 久久国产精品人妻蜜桃| 丝袜美腿诱惑在线| 下体分泌物呈黄色| 1024视频免费在线观看| 国产精品1区2区在线观看. | 啦啦啦免费观看视频1| 精品午夜福利视频在线观看一区 | 成人免费观看视频高清| 精品国产乱子伦一区二区三区| 人妻一区二区av| 国精品久久久久久国模美| 亚洲人成77777在线视频| 国产亚洲精品一区二区www | 视频在线观看一区二区三区| 亚洲精品在线美女| 制服诱惑二区| 韩国精品一区二区三区| 成年女人毛片免费观看观看9 | 飞空精品影院首页| 日本vs欧美在线观看视频| 国产在线观看jvid| xxxhd国产人妻xxx| a级毛片在线看网站| 国产男靠女视频免费网站| 50天的宝宝边吃奶边哭怎么回事| 人成视频在线观看免费观看| av天堂在线播放| 人人妻人人添人人爽欧美一区卜| 亚洲黑人精品在线| 女人高潮潮喷娇喘18禁视频| 91老司机精品| 夜夜爽天天搞| 精品亚洲乱码少妇综合久久| 我的亚洲天堂| 国产精品 国内视频| 丁香六月天网| 一级毛片女人18水好多| 久久天躁狠狠躁夜夜2o2o| 波多野结衣av一区二区av| 一级毛片女人18水好多| 久久天躁狠狠躁夜夜2o2o|