• <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 ?

    一種對Gamma分布的SAR圖像相干斑去噪方法

    2014-10-28 19:53:10宋發(fā)興楊獻超郭健高留洋劉東升
    計算技術(shù)與自動化 2014年3期
    關(guān)鍵詞:粒子群優(yōu)化BP神經(jīng)網(wǎng)絡

    宋發(fā)興+楊獻超+郭健+高留洋+劉東升

    收稿日期:2013-09-04

    基金項目:國防十二五預研基金項目(40405070102)

    作者簡介:宋發(fā)興(1981—),男,廣東梅州人,工程師,研究方向:分布式仿真、電子對抗。

    通訊聯(lián)系人,E-mail:songfx1981@163.com

    文章編號:1003-6199(2014)03-0092-05

    摘 要:鑒于Gamma分布的SAR圖像相干斑經(jīng)對數(shù)變換后可近似為高斯分布,提出一種基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡復原去噪算法。首先用高斯噪聲對無噪圖像進行模糊處理,然后將結(jié)果和原圖像組成訓練對,用于訓練優(yōu)化后的神經(jīng)網(wǎng)絡,最后利用訓練好的神經(jīng)網(wǎng)絡對SAR圖像進行復原,從而達到去除相干斑的目的。實驗表明,該算法能有效解決傳統(tǒng)去噪算法在圖像失真、邊緣模糊方面的問題,收斂速度快,迭代次數(shù)少,歸一化均方誤差(NMSE)和峰值噪比(PSNR)效果更好。

    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡;粒子群優(yōu)化;合成孔徑雷達圖像;去噪

    中圖分類號:TP751 文獻標識碼:A

    A Denoising Method Aiming at the Speckle of Gamma Distribution SAR Image

    SONG Fa-xing,YANG Xian-chao,GUO Jian, GAO Liu-yang

    (LEETC,Jiyuan,Henan 459000,China)

    Abstract:After processing by logarithmic transformation, the Gamma distribution speckle of SAR images are analogous to Gasussian distribution. In view of this, a BP neural network restoration denoising method based on particle swarm optimization is proposed. Firstly,noiseless images are process by Gasussian noise.then,the result image and the noiseless images are made training pair,which is used in training the optimizational BP neural network.Lastly,using the BP neural network to restore SAR Images for the purpose of removing speckle.The experiment shows, compared with traditional denoising algorithm, the method can effectively solve the problem of image distortion and edge burring, have fast convergence rate and less iterations,is better in normalized mean square error (NMSE) and peak signal-to-noise ratio (PSNR).

    Key words:BP neural network; particle swarm optimization; SAR image;denoising

    1 引 言

    合成孔徑雷達(SAR)是二戰(zhàn)以后發(fā)展起來的一種高分辨力成像雷達,在軍事和民用方面都具有重要的應用價值,它可以全天候、遠距離地得到類似光學照相的高分辨力圖像。目前國內(nèi)外廣泛開展SAR圖像處理研究,其相干斑抑制算法是一個研究熱點。相干斑噪聲是SAR圖像所固有的,它的來由是因為SAR作為一種相干成像系統(tǒng),具有后向散射成像特征。相干斑噪聲的存在嚴重減低了圖像的可編譯程度,影響了對目標進行檢測和識別。

    將SAR圖像看成確定的RCS對一個隨機的平穩(wěn)相干斑調(diào)制過程,可將相干斑視為乘性噪聲,特別是在服從Gamma分布情況下。對SAR圖像的去噪方法主要分為多視處理和空域濾波兩大類[1]。多視處理是早期使用的方法,是在成像過程中以犧牲分辨率為代價來抑制相干斑噪聲的一種方法??沼驗V波算法是在成像后對像素進行處理,以達到抑制噪聲和保持邊緣細節(jié)目的,在抑制噪聲的同時,損傷了目標的可分辨性。而小波變換的基函數(shù)是各向同性,對圖像的表示不是最稀疏的,去噪效果不明顯[2]。

    本文針對Gamma分布的相干斑噪聲,采用一種對圖像進行復原的方法,以達到抑制噪聲的目的。圖像復原的目的是根據(jù)合適的最優(yōu)化準則得到和原始退化圖像盡可能接近的清晰圖像。傳統(tǒng)的復原方法運用原始退化圖像和噪聲的統(tǒng)計特性進行降噪復原,但其前提條件是點擴散函數(shù)已知,這一點經(jīng)常得不到滿足。BP神經(jīng)網(wǎng)絡的神經(jīng)元可以在不清楚點擴散函數(shù)的基礎(chǔ)上實現(xiàn)原始圖像和噪聲圖像之間的非線性映射[3]。但是BP算法本身也存在易陷入局部最小、收斂速度較慢的問題。粒子群算法由簡單個體組成群落并利用個體之間的互動行為模擬搜索全局最優(yōu)解,容易實現(xiàn)而且參數(shù)需求較少,可彌補傳統(tǒng)神經(jīng)網(wǎng)絡學習算法存在的不足。因此可采用粒子群算法對BP網(wǎng)絡進行優(yōu)化,將結(jié)果用于相干斑噪聲的抑制。其測試結(jié)果和傳統(tǒng)去噪方法進行比較表明,均方誤差(NMSE)較小,峰值信噪比(PSNR)較大,去噪效果優(yōu)于小波去噪算法。

    2 基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡去噪

    設計

    2.1 Gamma分布的SAR圖像相干斑模型

    將SAR圖像的表達式看成確定的RCS對一個隨機的平穩(wěn)相干斑的調(diào)制過程,這就引出相干斑作為乘性噪聲的描述,特別是單通道SAR圖像中。則SAR圖像表示為無噪信號和相干斑噪聲的乘積[4]:

    z(k,l)=x(k,l)·v(k,l) (1)

    其中z(k,l)是圖像在(k,l)位置的像素值,是觀測信號,即被噪聲污染的圖像;x(k,l)是無噪信號,是期望的雷達反射信號;v(k,l)為相干斑噪聲。

    對式(1),Lee提出了相應的線性近似:

    z(k,l)=·x(k,l)+x(k,l)·(v(k,l)-)(2)

    其中是噪聲v(k,l)的均值,且=1,于是

    z(k,l)=x(k,l)+n(k,l) (3)

    n(k,l)=x(k,l)·(v(k,l)-),n(k,l)具有0均值和標準差σ=x(k,l)·σ,這就為近似的加性噪聲提供了依據(jù)。對服從Gamma分布的SAR圖像乘性噪聲,具體的做法是對其進行對數(shù)處理,使之成為加性噪聲,則噪聲分布可近似為高斯分布[5]。

    2.2 粒子群優(yōu)化算法

    粒子群算法(Particle Swarm Optimization,PSO)是由Eberhart博士和kennedy博士提出的一種基于迭代的進化計算技術(shù),是基于群體進化的算法,具有全局搜索能力。它采用簡單的速度-位移模型,具有特有的記憶模式。系統(tǒng)初始化為一組隨機解,通過迭代進化搜尋最優(yōu)解。與遺傳算法相比,粒子在解空間追隨最優(yōu)的粒子搜索的方法,減少了交叉(crossover)和變異(mutation)的遺傳操作,不需要借助問題的特征信息,可動態(tài)追蹤當前的搜尋情況,自適應的調(diào)整搜尋策略,有助于解決局部最小的問題,具有很強的魯棒性[6]。

    對于多維空間的搜索問題,算法用速度空間表示粒子變化狀態(tài),用位置表征問題解。根據(jù)單個粒子k時刻的歷史最優(yōu)值pkid和全部粒子搜索到的最優(yōu)值pkgd,按照公式(1)、(2)推斷k+1的粒子變化情況和位置信息。

    Vk+1id=ωVkid+c1ξ(pkid-xkid)+c2η(pkgd-xkid)(4)

    xk+1id=xkid+rVk+1id (5)

    其中ω為慣性權(quán)重,用于保持原有速度;c1是粒子歷史最優(yōu)值的權(quán)重系數(shù);c2是粒子追蹤群體最優(yōu)值的權(quán)重系數(shù),體現(xiàn)了粒子之間的認知調(diào)整和信息共享。r為位置更新時候的速度變化約束因子。

    2.3 用于圖像復原去噪的PSO-BP設計

    2.3.1 粒子群算法的實現(xiàn)步驟

    基于PSO-BP的復原算法,必須建立合理的粒子模型和搜索空間。粒子群優(yōu)化算法的搜索過程體現(xiàn)在多維空間的速度變化,神經(jīng)網(wǎng)絡訓練過程主要是權(quán)重的更新,也就是粒子群的速度偏置導致的位置改變應與權(quán)重更新相對應。神經(jīng)網(wǎng)絡的學習過程實質(zhì)上是粒子搜索最佳位置的過程。粒子群算法的實現(xiàn)步驟為:

    步驟一:初始化族群,以隨機的方式給每個粒子賦予初始的位置和速度;

    步驟二:計算目標函數(shù),找出到目前為止的搜索過程中的單個粒子的歷史最優(yōu)值pkid;

    步驟三:計算所有粒子搜索到的整體最佳解pkgd;

    步驟四:根據(jù)公式(4)、公式(5),更新每個粒子的速度和位置。

    步驟五:回到步驟二,直到獲得收斂結(jié)果為止。

    2.3.2 神經(jīng)網(wǎng)絡結(jié)構(gòu)的設計

    神經(jīng)網(wǎng)絡結(jié)構(gòu)設計包括網(wǎng)絡層次、網(wǎng)絡節(jié)點數(shù)以及網(wǎng)絡傳輸函數(shù)三個方面。

    2.3.2.1 網(wǎng)絡層次

    RobertHecht-Nielson在1989年證明了一個三層的BP網(wǎng)絡可以完成任意的n 維到m 維的映射,因此采用單隱含層的BP網(wǎng)絡可滿足圖像復原要求。

    2.3.2.2 網(wǎng)絡節(jié)點

    由圖像退化的理論可知,退化圖像像素是自身像素和該點相鄰像素的干擾模糊之和,圖像中點像素的灰度值在退化過程中和鄰域內(nèi)其它像素點的灰度值關(guān)系密切,距離越小,影響越大。具有相同灰度值的像素點,如果其周圍相關(guān)的像素點灰度值不同,退化后的灰度值就會差別較大。因此對像素點的分析可通過研究該點的鄰域來完成。本文采用3×3的滑動窗口結(jié)構(gòu)來提取特征,當窗口滑過整幅模糊圖像時,即可得到BP網(wǎng)絡的輸入矩陣,因此輸入層節(jié)點為9;作為圖像復原網(wǎng)絡,輸出層節(jié)點數(shù)為1;隱含節(jié)點的數(shù)目影響B(tài)P神經(jīng)網(wǎng)絡的學習性能,為了獲取較好的復原效果,隱含節(jié)點的選擇可通過最小平方誤差準則來選取,試驗表明,隱蔽層節(jié)點數(shù)為20時,能達到較小的平方誤差和較快的斂速度,是最優(yōu)的隱蔽層節(jié)點數(shù)[6]。

    2.3.2.3 網(wǎng)絡傳輸函數(shù)

    BP網(wǎng)絡是采用誤差反推的方式調(diào)整網(wǎng)絡權(quán)重,其誤差計算要求網(wǎng)絡傳輸函數(shù)處處可導。采用Sigmoid函數(shù)作為傳輸函數(shù)是因為該函數(shù)的導數(shù)可用自身函數(shù)來表示,從而能減少計算量。

    3 參數(shù)訓練和算法性能分析

    3.1 圖像數(shù)據(jù)預處理

    選擇三層前饋神經(jīng)網(wǎng)絡,輸入節(jié)點為9,隱含層節(jié)點為20,輸出節(jié)點為1,用PSO初始化網(wǎng)絡權(quán)重,網(wǎng)絡傳輸函數(shù)選取為Sigmoid函數(shù)。

    1)對無噪圖像進行高斯模糊,將結(jié)果圖像和無噪圖像分別進行數(shù)據(jù)預處理。

    2)采用1.3.2.2描述的滑動窗口法提取輸入輸出矩陣,將高斯模糊圖像作為輸入,無噪圖像作為輸出。

    3)訓練粒子群優(yōu)化后的神經(jīng)網(wǎng)絡,得出相應的網(wǎng)絡權(quán)重。

    4)輸入測試圖像到訓練好的神經(jīng)網(wǎng)絡,得出測試圖像的輸出矩陣

    5)對輸出矩陣進行處理,得到復原后的圖像。

    3.2 圖像數(shù)據(jù)預處理

    在圖像復原去噪之前,因為SAR原始圖像灰度偏暗,不容易觀察去噪效果,所以采用灰度均衡化的方法提高了對比度。并利用對數(shù)變換將SAR圖像中的相干斑噪聲轉(zhuǎn)換為加性噪聲,同時為了加快收斂速度,需要對圖像進行灰度處理,將圖像的灰度值區(qū)間[0,255]歸一化到[0,1],從而減少運算量,方便數(shù)據(jù)的處理。

    3.3 PSO參數(shù)設置

    粒子群算法中,設置不同的參數(shù)將對粒子群算法的優(yōu)化性能產(chǎn)生較大影響。用于圖像復原的PSO參數(shù)設置為:

    ω(i)=ωmax -ωmax -ωmin imax ×i(6)

    式(4)、(5)、(6)中,imax 為最大迭代次數(shù),權(quán)重范圍限制在[ωmin ,ωmax ]之間,c1、c2取值為2,ξ、η為[0,1]區(qū)間的隨機數(shù)。粒子個數(shù)為20,網(wǎng)絡權(quán)重為0.9。

    3.4 學習訓練

    訓練樣本取自某國家重點實驗室圖像庫,選取20幅典型圖像進行參數(shù)的學習訓練。圖1為其中具有代表性的一組樣本。圖1中(a1)mountain為機載SAR獲取的原始圖像,(a2)mountain_gaussian為采用方差64和均方差400的高斯噪聲進行模糊得到的模糊圖像。分別將20幅原始圖像和模糊圖像作為訓練對,利用1.3.2.2描述的滑動窗口法分別得到相關(guān)輸入矩陣和輸出矩陣,代入PSO-BP網(wǎng)絡進行訓練,得到相關(guān)的神經(jīng)網(wǎng)絡權(quán)重和節(jié)點閾值矩陣。

    3.5 圖像復原去噪

    用于測試的圖像同樣取自某國家重點實驗室圖像庫,選取50幅典型圖像進行測試。分別將50幅具有Gamma分布的相干斑模糊圖像,首先進行對數(shù)變換處理,將相干斑乘性噪聲轉(zhuǎn)化為加性噪聲,以符合訓練實驗中利用高斯噪聲模糊的依據(jù),然后分別采用小波去噪算法和PSO-BP圖像復原去噪算法進行去噪。圖2展示了其中一幅典型圖像的去噪效果。其中為了突出觀察效果,在去噪方法使用后,對測試用例圖像、小波去噪圖像以及PSO-BP復原去噪圖像進行了直方圖均衡化處理。

    圖2中,(b1)是相干斑具有Gamma分布特征的SAR圖像,用來測試小波去噪和PSO-BP神經(jīng)網(wǎng)絡的去噪效果,(b2)為采用小波閾值去噪算法得到的實驗效果,(b3)是本文提出的采用PSO-BP網(wǎng)絡復原的SAR圖像去噪算法得到的實驗效果圖。評估圖像好壞的一個重要因素是主觀視覺效果,從圖2主觀視覺來看,采用小波算法去除噪聲得到的圖像不僅存在大量的噪點,而且邊緣模糊,產(chǎn)生了偽Gibbs振蕩,嚴重影響了圖像質(zhì)量。采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡復原去噪方法,不僅改善了傳統(tǒng)去噪算法處理圖像所存在的缺陷,而且在圖像目標體征保留方面效果較好,圖像細節(jié)得到了較大的改善。

    對收斂速度和迭代次數(shù)進行算術(shù)平均可以得出: 當粒子數(shù)為40時,BP神經(jīng)網(wǎng)絡的收斂速度為413.060S,迭代次數(shù)為378次。PSO-BP神經(jīng)網(wǎng)絡的收斂速度為272.375S,迭代次數(shù)為214次,效果較好。

    用客觀評價標準歸一化均方誤差(NMSE)和峰值信噪比(PSNR)來說明圖像復原效果,均方誤差反映了原始圖像和復原圖像的全局差異,是一種完全的參考度量方法,一般來說NMSE數(shù)值越小圖像復原效果越好,反之復原效果越差[8]。峰值信噪比用于評估最大值信號和背景噪聲的比值,它體現(xiàn)了有用像素點的比例,比值越大,圖像的效果越好。分別對50幅圖像計算BP網(wǎng)絡和PSO-BP網(wǎng)絡復原后的圖像均方誤差(NMSE)和峰值信噪比(PSNR),并對50組NMSE和PSNR進行算術(shù)平均,得到其均值如表1所示。

    表1 小波去噪和PSO-BP網(wǎng)絡去噪NMSE、PSNR均值

    表1表明,采用PSO-BP網(wǎng)絡進行圖像復原去噪,NMSE較小,PSNR較大,去噪效果優(yōu)于小波去噪算法。因此,PSO-BP網(wǎng)絡復原去噪是一種很好的SAR圖像去除相干斑的算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    4 結(jié)束語

    鑒于Gamma分布的SAR圖像相干斑可近似為高斯分布的特點,本文利用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡對圖像進行復原去噪,給出了具體的算法設計。在復原去噪前,對圖像進行對數(shù)變換,將乘性噪聲轉(zhuǎn)換為加性噪聲,然后進行高斯模糊,訓練結(jié)束后,對圖像進行灰度均衡化處理來比較去噪結(jié)果。傳統(tǒng)的去噪方法進行比較表明,該算法處理后的圖像標準歸一化均方誤差(NMSE)較小,峰值信噪比(PSNR)較大,去噪效果優(yōu)于小波去噪算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    參考文獻

    [1] 彭云輝.基于空域相關(guān)的激光陀螺信號濾波方法[J].紅外激光工程,2007,36(4):493-496.

    [2] 胡賀軍,高清維,盧一相等.基于方向波域混合高斯模型的SAR圖像去噪[J].計算機應用與軟件,2013,30(7):283-285.

    [3] 李軍梅,胡以華.基于主成分分析與BP神經(jīng)網(wǎng)絡的識別方法研究[J].紅外與激光工程,2005,34(6):719-723

    [4] 王燕.SAR圖像相干斑噪聲迭代濾波算法研究[C].西安電子科技大學研究生學術(shù)年會論文集,2006.

    [5] ARSENAULT H H,APRIL G. Properties of speckle integrated with a finite aperture and logarithmically transformed[J].J.Opt,SOC,1976:1160-1163.

    [6] 劉洪波,王秀坤,孟軍.神經(jīng)網(wǎng)絡基于粒子群優(yōu)化的學習算法研究[J].小型微型計算機系統(tǒng),2005,26(4):638-640

    [7] EBERHART R C, SHI Y. Comparison between genetic algorithms and particle swarm optimization[C]. Proc. 7th Ann. Conf. on Evolutionary Computation, Springer Verlag, Berlin, 1998: 611-616.

    [8] 彭自然,羅大庸.一種基于粒子群優(yōu)化算法的圖像盲復原方法[J].計算機技術(shù)與自動化,2007,26(2):108-110.

    3.3 PSO參數(shù)設置

    粒子群算法中,設置不同的參數(shù)將對粒子群算法的優(yōu)化性能產(chǎn)生較大影響。用于圖像復原的PSO參數(shù)設置為:

    ω(i)=ωmax -ωmax -ωmin imax ×i(6)

    式(4)、(5)、(6)中,imax 為最大迭代次數(shù),權(quán)重范圍限制在[ωmin ,ωmax ]之間,c1、c2取值為2,ξ、η為[0,1]區(qū)間的隨機數(shù)。粒子個數(shù)為20,網(wǎng)絡權(quán)重為0.9。

    3.4 學習訓練

    訓練樣本取自某國家重點實驗室圖像庫,選取20幅典型圖像進行參數(shù)的學習訓練。圖1為其中具有代表性的一組樣本。圖1中(a1)mountain為機載SAR獲取的原始圖像,(a2)mountain_gaussian為采用方差64和均方差400的高斯噪聲進行模糊得到的模糊圖像。分別將20幅原始圖像和模糊圖像作為訓練對,利用1.3.2.2描述的滑動窗口法分別得到相關(guān)輸入矩陣和輸出矩陣,代入PSO-BP網(wǎng)絡進行訓練,得到相關(guān)的神經(jīng)網(wǎng)絡權(quán)重和節(jié)點閾值矩陣。

    3.5 圖像復原去噪

    用于測試的圖像同樣取自某國家重點實驗室圖像庫,選取50幅典型圖像進行測試。分別將50幅具有Gamma分布的相干斑模糊圖像,首先進行對數(shù)變換處理,將相干斑乘性噪聲轉(zhuǎn)化為加性噪聲,以符合訓練實驗中利用高斯噪聲模糊的依據(jù),然后分別采用小波去噪算法和PSO-BP圖像復原去噪算法進行去噪。圖2展示了其中一幅典型圖像的去噪效果。其中為了突出觀察效果,在去噪方法使用后,對測試用例圖像、小波去噪圖像以及PSO-BP復原去噪圖像進行了直方圖均衡化處理。

    圖2中,(b1)是相干斑具有Gamma分布特征的SAR圖像,用來測試小波去噪和PSO-BP神經(jīng)網(wǎng)絡的去噪效果,(b2)為采用小波閾值去噪算法得到的實驗效果,(b3)是本文提出的采用PSO-BP網(wǎng)絡復原的SAR圖像去噪算法得到的實驗效果圖。評估圖像好壞的一個重要因素是主觀視覺效果,從圖2主觀視覺來看,采用小波算法去除噪聲得到的圖像不僅存在大量的噪點,而且邊緣模糊,產(chǎn)生了偽Gibbs振蕩,嚴重影響了圖像質(zhì)量。采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡復原去噪方法,不僅改善了傳統(tǒng)去噪算法處理圖像所存在的缺陷,而且在圖像目標體征保留方面效果較好,圖像細節(jié)得到了較大的改善。

    對收斂速度和迭代次數(shù)進行算術(shù)平均可以得出: 當粒子數(shù)為40時,BP神經(jīng)網(wǎng)絡的收斂速度為413.060S,迭代次數(shù)為378次。PSO-BP神經(jīng)網(wǎng)絡的收斂速度為272.375S,迭代次數(shù)為214次,效果較好。

    用客觀評價標準歸一化均方誤差(NMSE)和峰值信噪比(PSNR)來說明圖像復原效果,均方誤差反映了原始圖像和復原圖像的全局差異,是一種完全的參考度量方法,一般來說NMSE數(shù)值越小圖像復原效果越好,反之復原效果越差[8]。峰值信噪比用于評估最大值信號和背景噪聲的比值,它體現(xiàn)了有用像素點的比例,比值越大,圖像的效果越好。分別對50幅圖像計算BP網(wǎng)絡和PSO-BP網(wǎng)絡復原后的圖像均方誤差(NMSE)和峰值信噪比(PSNR),并對50組NMSE和PSNR進行算術(shù)平均,得到其均值如表1所示。

    表1 小波去噪和PSO-BP網(wǎng)絡去噪NMSE、PSNR均值

    表1表明,采用PSO-BP網(wǎng)絡進行圖像復原去噪,NMSE較小,PSNR較大,去噪效果優(yōu)于小波去噪算法。因此,PSO-BP網(wǎng)絡復原去噪是一種很好的SAR圖像去除相干斑的算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    4 結(jié)束語

    鑒于Gamma分布的SAR圖像相干斑可近似為高斯分布的特點,本文利用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡對圖像進行復原去噪,給出了具體的算法設計。在復原去噪前,對圖像進行對數(shù)變換,將乘性噪聲轉(zhuǎn)換為加性噪聲,然后進行高斯模糊,訓練結(jié)束后,對圖像進行灰度均衡化處理來比較去噪結(jié)果。傳統(tǒng)的去噪方法進行比較表明,該算法處理后的圖像標準歸一化均方誤差(NMSE)較小,峰值信噪比(PSNR)較大,去噪效果優(yōu)于小波去噪算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    參考文獻

    [1] 彭云輝.基于空域相關(guān)的激光陀螺信號濾波方法[J].紅外激光工程,2007,36(4):493-496.

    [2] 胡賀軍,高清維,盧一相等.基于方向波域混合高斯模型的SAR圖像去噪[J].計算機應用與軟件,2013,30(7):283-285.

    [3] 李軍梅,胡以華.基于主成分分析與BP神經(jīng)網(wǎng)絡的識別方法研究[J].紅外與激光工程,2005,34(6):719-723

    [4] 王燕.SAR圖像相干斑噪聲迭代濾波算法研究[C].西安電子科技大學研究生學術(shù)年會論文集,2006.

    [5] ARSENAULT H H,APRIL G. Properties of speckle integrated with a finite aperture and logarithmically transformed[J].J.Opt,SOC,1976:1160-1163.

    [6] 劉洪波,王秀坤,孟軍.神經(jīng)網(wǎng)絡基于粒子群優(yōu)化的學習算法研究[J].小型微型計算機系統(tǒng),2005,26(4):638-640

    [7] EBERHART R C, SHI Y. Comparison between genetic algorithms and particle swarm optimization[C]. Proc. 7th Ann. Conf. on Evolutionary Computation, Springer Verlag, Berlin, 1998: 611-616.

    [8] 彭自然,羅大庸.一種基于粒子群優(yōu)化算法的圖像盲復原方法[J].計算機技術(shù)與自動化,2007,26(2):108-110.

    3.3 PSO參數(shù)設置

    粒子群算法中,設置不同的參數(shù)將對粒子群算法的優(yōu)化性能產(chǎn)生較大影響。用于圖像復原的PSO參數(shù)設置為:

    ω(i)=ωmax -ωmax -ωmin imax ×i(6)

    式(4)、(5)、(6)中,imax 為最大迭代次數(shù),權(quán)重范圍限制在[ωmin ,ωmax ]之間,c1、c2取值為2,ξ、η為[0,1]區(qū)間的隨機數(shù)。粒子個數(shù)為20,網(wǎng)絡權(quán)重為0.9。

    3.4 學習訓練

    訓練樣本取自某國家重點實驗室圖像庫,選取20幅典型圖像進行參數(shù)的學習訓練。圖1為其中具有代表性的一組樣本。圖1中(a1)mountain為機載SAR獲取的原始圖像,(a2)mountain_gaussian為采用方差64和均方差400的高斯噪聲進行模糊得到的模糊圖像。分別將20幅原始圖像和模糊圖像作為訓練對,利用1.3.2.2描述的滑動窗口法分別得到相關(guān)輸入矩陣和輸出矩陣,代入PSO-BP網(wǎng)絡進行訓練,得到相關(guān)的神經(jīng)網(wǎng)絡權(quán)重和節(jié)點閾值矩陣。

    3.5 圖像復原去噪

    用于測試的圖像同樣取自某國家重點實驗室圖像庫,選取50幅典型圖像進行測試。分別將50幅具有Gamma分布的相干斑模糊圖像,首先進行對數(shù)變換處理,將相干斑乘性噪聲轉(zhuǎn)化為加性噪聲,以符合訓練實驗中利用高斯噪聲模糊的依據(jù),然后分別采用小波去噪算法和PSO-BP圖像復原去噪算法進行去噪。圖2展示了其中一幅典型圖像的去噪效果。其中為了突出觀察效果,在去噪方法使用后,對測試用例圖像、小波去噪圖像以及PSO-BP復原去噪圖像進行了直方圖均衡化處理。

    圖2中,(b1)是相干斑具有Gamma分布特征的SAR圖像,用來測試小波去噪和PSO-BP神經(jīng)網(wǎng)絡的去噪效果,(b2)為采用小波閾值去噪算法得到的實驗效果,(b3)是本文提出的采用PSO-BP網(wǎng)絡復原的SAR圖像去噪算法得到的實驗效果圖。評估圖像好壞的一個重要因素是主觀視覺效果,從圖2主觀視覺來看,采用小波算法去除噪聲得到的圖像不僅存在大量的噪點,而且邊緣模糊,產(chǎn)生了偽Gibbs振蕩,嚴重影響了圖像質(zhì)量。采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡復原去噪方法,不僅改善了傳統(tǒng)去噪算法處理圖像所存在的缺陷,而且在圖像目標體征保留方面效果較好,圖像細節(jié)得到了較大的改善。

    對收斂速度和迭代次數(shù)進行算術(shù)平均可以得出: 當粒子數(shù)為40時,BP神經(jīng)網(wǎng)絡的收斂速度為413.060S,迭代次數(shù)為378次。PSO-BP神經(jīng)網(wǎng)絡的收斂速度為272.375S,迭代次數(shù)為214次,效果較好。

    用客觀評價標準歸一化均方誤差(NMSE)和峰值信噪比(PSNR)來說明圖像復原效果,均方誤差反映了原始圖像和復原圖像的全局差異,是一種完全的參考度量方法,一般來說NMSE數(shù)值越小圖像復原效果越好,反之復原效果越差[8]。峰值信噪比用于評估最大值信號和背景噪聲的比值,它體現(xiàn)了有用像素點的比例,比值越大,圖像的效果越好。分別對50幅圖像計算BP網(wǎng)絡和PSO-BP網(wǎng)絡復原后的圖像均方誤差(NMSE)和峰值信噪比(PSNR),并對50組NMSE和PSNR進行算術(shù)平均,得到其均值如表1所示。

    表1 小波去噪和PSO-BP網(wǎng)絡去噪NMSE、PSNR均值

    表1表明,采用PSO-BP網(wǎng)絡進行圖像復原去噪,NMSE較小,PSNR較大,去噪效果優(yōu)于小波去噪算法。因此,PSO-BP網(wǎng)絡復原去噪是一種很好的SAR圖像去除相干斑的算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    4 結(jié)束語

    鑒于Gamma分布的SAR圖像相干斑可近似為高斯分布的特點,本文利用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡對圖像進行復原去噪,給出了具體的算法設計。在復原去噪前,對圖像進行對數(shù)變換,將乘性噪聲轉(zhuǎn)換為加性噪聲,然后進行高斯模糊,訓練結(jié)束后,對圖像進行灰度均衡化處理來比較去噪結(jié)果。傳統(tǒng)的去噪方法進行比較表明,該算法處理后的圖像標準歸一化均方誤差(NMSE)較小,峰值信噪比(PSNR)較大,去噪效果優(yōu)于小波去噪算法,能有效抑制斑點噪聲,在邊緣保持和紋理細節(jié)處理方面效果較好。

    參考文獻

    [1] 彭云輝.基于空域相關(guān)的激光陀螺信號濾波方法[J].紅外激光工程,2007,36(4):493-496.

    [2] 胡賀軍,高清維,盧一相等.基于方向波域混合高斯模型的SAR圖像去噪[J].計算機應用與軟件,2013,30(7):283-285.

    [3] 李軍梅,胡以華.基于主成分分析與BP神經(jīng)網(wǎng)絡的識別方法研究[J].紅外與激光工程,2005,34(6):719-723

    [4] 王燕.SAR圖像相干斑噪聲迭代濾波算法研究[C].西安電子科技大學研究生學術(shù)年會論文集,2006.

    [5] ARSENAULT H H,APRIL G. Properties of speckle integrated with a finite aperture and logarithmically transformed[J].J.Opt,SOC,1976:1160-1163.

    [6] 劉洪波,王秀坤,孟軍.神經(jīng)網(wǎng)絡基于粒子群優(yōu)化的學習算法研究[J].小型微型計算機系統(tǒng),2005,26(4):638-640

    [7] EBERHART R C, SHI Y. Comparison between genetic algorithms and particle swarm optimization[C]. Proc. 7th Ann. Conf. on Evolutionary Computation, Springer Verlag, Berlin, 1998: 611-616.

    [8] 彭自然,羅大庸.一種基于粒子群優(yōu)化算法的圖像盲復原方法[J].計算機技術(shù)與自動化,2007,26(2):108-110.

    猜你喜歡
    粒子群優(yōu)化BP神經(jīng)網(wǎng)絡
    引入螢火蟲行為和Levy飛行的粒子群優(yōu)化算法
    就bp神經(jīng)網(wǎng)絡銀行選址模型的相關(guān)研究
    基于DEA—GA—BP的建設工程評標方法研究
    價值工程(2016年30期)2016-11-24 13:17:31
    基于BP神經(jīng)網(wǎng)絡的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復雜背景下的手勢識別方法
    BP神經(jīng)網(wǎng)絡在軟件質(zhì)量評價中的應用研究 
    軟件導刊(2016年9期)2016-11-07 18:25:50
    BP神經(jīng)網(wǎng)絡算法在數(shù)值預報產(chǎn)品釋用中的應用
    科技視界(2016年20期)2016-09-29 14:15:12
    能源總量的BP網(wǎng)絡與粒子群優(yōu)化預測
    科技視界(2016年20期)2016-09-29 11:58:53
    分簇競爭PSO測試用例自動生成算法
    軟件導刊(2015年12期)2016-01-05 06:30:06
    基于混合粒子群優(yōu)化的頻率指配方法研究
    亚洲国产精品一区二区三区在线| 精品一区二区三区av网在线观看 | 九草在线视频观看| 久久精品亚洲av国产电影网| 国产精品 欧美亚洲| 免费一级毛片在线播放高清视频 | 亚洲精品国产av成人精品| 欧美亚洲日本最大视频资源| 亚洲,欧美,日韩| 国产精品久久久久久人妻精品电影 | av天堂在线播放| 男女床上黄色一级片免费看| 免费人妻精品一区二区三区视频| 中文字幕最新亚洲高清| a 毛片基地| 日本五十路高清| 日本黄色日本黄色录像| 日本午夜av视频| 久久影院123| 在现免费观看毛片| 极品少妇高潮喷水抽搐| 最近中文字幕2019免费版| 波多野结衣一区麻豆| 一级毛片电影观看| a 毛片基地| 日韩视频在线欧美| 纵有疾风起免费观看全集完整版| 一级片'在线观看视频| 久久国产亚洲av麻豆专区| 亚洲三区欧美一区| 亚洲,欧美精品.| 黄片小视频在线播放| 99国产精品免费福利视频| 欧美激情 高清一区二区三区| 国产真人三级小视频在线观看| 一个人免费看片子| 日韩 欧美 亚洲 中文字幕| 亚洲人成网站在线观看播放| 18禁国产床啪视频网站| 国产精品二区激情视频| 五月开心婷婷网| 丝袜美腿诱惑在线| 999久久久国产精品视频| 欧美+亚洲+日韩+国产| 极品少妇高潮喷水抽搐| 国产xxxxx性猛交| 考比视频在线观看| 捣出白浆h1v1| 欧美xxⅹ黑人| e午夜精品久久久久久久| 免费一级毛片在线播放高清视频 | 国产精品一区二区精品视频观看| 亚洲第一av免费看| a级毛片在线看网站| 亚洲综合色网址| 一本综合久久免费| 男人添女人高潮全过程视频| 伊人亚洲综合成人网| 精品欧美一区二区三区在线| 老司机亚洲免费影院| 日本91视频免费播放| 人人妻人人澡人人爽人人夜夜| 操出白浆在线播放| av国产久精品久网站免费入址| av线在线观看网站| 香蕉丝袜av| 亚洲国产av影院在线观看| 亚洲成人手机| 久久久国产欧美日韩av| 国产成人精品久久二区二区91| 久久久久国产一级毛片高清牌| av电影中文网址| 亚洲精品一区蜜桃| 男女之事视频高清在线观看 | 少妇粗大呻吟视频| 国产亚洲欧美在线一区二区| 成人国产av品久久久| 天天影视国产精品| 9191精品国产免费久久| 精品卡一卡二卡四卡免费| 欧美日韩黄片免| 精品人妻1区二区| 80岁老熟妇乱子伦牲交| h视频一区二区三区| 国产伦理片在线播放av一区| 欧美日本中文国产一区发布| 人人妻人人澡人人爽人人夜夜| 久久精品国产亚洲av高清一级| 天天操日日干夜夜撸| 这个男人来自地球电影免费观看| 欧美日韩一级在线毛片| 国产精品亚洲av一区麻豆| 多毛熟女@视频| 久久人人爽av亚洲精品天堂| 色播在线永久视频| 无限看片的www在线观看| 欧美亚洲日本最大视频资源| 国产成人精品在线电影| 久9热在线精品视频| 50天的宝宝边吃奶边哭怎么回事| 亚洲 国产 在线| 人妻一区二区av| 嫁个100分男人电影在线观看 | 亚洲国产毛片av蜜桃av| a级毛片在线看网站| 欧美中文综合在线视频| 午夜激情av网站| 国产免费又黄又爽又色| 男女边摸边吃奶| 丰满人妻熟妇乱又伦精品不卡| 一边摸一边做爽爽视频免费| 美女高潮到喷水免费观看| 日韩一卡2卡3卡4卡2021年| 老司机亚洲免费影院| 国产av一区二区精品久久| 十八禁人妻一区二区| 日本av手机在线免费观看| 嫩草影视91久久| 51午夜福利影视在线观看| 高清av免费在线| 欧美日韩精品网址| av有码第一页| 欧美日韩亚洲国产一区二区在线观看 | 日本五十路高清| 男女免费视频国产| 欧美日韩视频高清一区二区三区二| 亚洲国产欧美日韩在线播放| 免费观看人在逋| 一边亲一边摸免费视频| 少妇粗大呻吟视频| 亚洲av日韩在线播放| 夫妻午夜视频| 18禁观看日本| 免费女性裸体啪啪无遮挡网站| 多毛熟女@视频| 超碰97精品在线观看| 国产在线免费精品| www.精华液| 亚洲av综合色区一区| 五月开心婷婷网| 狂野欧美激情性xxxx| 精品福利观看| 亚洲,欧美精品.| 18禁黄网站禁片午夜丰满| 久久精品国产综合久久久| 日本欧美视频一区| 69精品国产乱码久久久| 久久久久网色| 19禁男女啪啪无遮挡网站| 日韩一卡2卡3卡4卡2021年| 欧美性长视频在线观看| 飞空精品影院首页| 一区二区三区激情视频| 亚洲欧美一区二区三区黑人| 男女午夜视频在线观看| 丰满饥渴人妻一区二区三| 久热爱精品视频在线9| 久久精品久久久久久久性| 黄色 视频免费看| 丝袜喷水一区| 精品人妻1区二区| 国产野战对白在线观看| 亚洲成人免费av在线播放| 久久精品熟女亚洲av麻豆精品| av视频免费观看在线观看| 亚洲伊人色综图| 欧美老熟妇乱子伦牲交| 国产女主播在线喷水免费视频网站| 少妇的丰满在线观看| 91九色精品人成在线观看| 欧美+亚洲+日韩+国产| 国产一级毛片在线| 97人妻天天添夜夜摸| 日本五十路高清| 视频区欧美日本亚洲| 国产一区亚洲一区在线观看| 2021少妇久久久久久久久久久| 99久久人妻综合| 老汉色av国产亚洲站长工具| 欧美日韩一级在线毛片| 99久久99久久久精品蜜桃| 麻豆乱淫一区二区| 80岁老熟妇乱子伦牲交| 日本wwww免费看| 久久 成人 亚洲| 国产精品一二三区在线看| 宅男免费午夜| 69精品国产乱码久久久| 侵犯人妻中文字幕一二三四区| 99久久99久久久精品蜜桃| 成年动漫av网址| 亚洲欧美精品自产自拍| 91精品伊人久久大香线蕉| 亚洲图色成人| 纵有疾风起免费观看全集完整版| 成人18禁高潮啪啪吃奶动态图| 一边摸一边做爽爽视频免费| 亚洲视频免费观看视频| 国产伦人伦偷精品视频| 国产一区二区在线观看av| 9热在线视频观看99| 午夜福利一区二区在线看| 人人妻人人澡人人看| 丁香六月欧美| 嫩草影视91久久| 一级,二级,三级黄色视频| 久久久久久久久免费视频了| 韩国高清视频一区二区三区| 色网站视频免费| 中文字幕色久视频| 高清欧美精品videossex| 欧美av亚洲av综合av国产av| 久久精品亚洲av国产电影网| 我要看黄色一级片免费的| 青春草视频在线免费观看| 性色av乱码一区二区三区2| 精品第一国产精品| 晚上一个人看的免费电影| 19禁男女啪啪无遮挡网站| 99久久精品国产亚洲精品| 99久久99久久久精品蜜桃| 少妇精品久久久久久久| 久久免费观看电影| 伦理电影免费视频| 日本91视频免费播放| 永久免费av网站大全| 男女边吃奶边做爰视频| 美女视频免费永久观看网站| 天堂俺去俺来也www色官网| 亚洲,欧美,日韩| 亚洲激情五月婷婷啪啪| 亚洲情色 制服丝袜| 黄网站色视频无遮挡免费观看| 国产精品国产av在线观看| 美女高潮到喷水免费观看| 国产熟女欧美一区二区| 成人三级做爰电影| 国产精品99久久99久久久不卡| 在线观看一区二区三区激情| 美女大奶头黄色视频| 国产精品欧美亚洲77777| 国产视频一区二区在线看| 欧美黑人精品巨大| 午夜老司机福利片| 亚洲欧美一区二区三区国产| 国产亚洲精品久久久久5区| 午夜久久久在线观看| 好男人电影高清在线观看| 久久天躁狠狠躁夜夜2o2o | 女人高潮潮喷娇喘18禁视频| 男女之事视频高清在线观看 | 午夜免费观看性视频| 成人手机av| 美国免费a级毛片| kizo精华| 男女边摸边吃奶| 亚洲国产精品一区三区| 亚洲第一av免费看| 一区在线观看完整版| 欧美精品亚洲一区二区| 十八禁网站网址无遮挡| 亚洲综合色网址| 老司机影院成人| 国产在线免费精品| 大片电影免费在线观看免费| 老汉色∧v一级毛片| 永久免费av网站大全| 黑人欧美特级aaaaaa片| 国产欧美日韩一区二区三区在线| 成人亚洲欧美一区二区av| 国产男人的电影天堂91| 国产精品国产三级国产专区5o| 久久精品人人爽人人爽视色| 久久性视频一级片| 中文精品一卡2卡3卡4更新| 99热网站在线观看| 亚洲国产av影院在线观看| 久久久久网色| 久久精品国产亚洲av高清一级| 中文精品一卡2卡3卡4更新| 免费日韩欧美在线观看| www.999成人在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲av综合色区一区| 美女高潮到喷水免费观看| 日韩大片免费观看网站| 国产亚洲av高清不卡| 欧美黑人欧美精品刺激| 丰满迷人的少妇在线观看| 久久精品熟女亚洲av麻豆精品| 免费人妻精品一区二区三区视频| 成人国语在线视频| 欧美 日韩 精品 国产| 国产av精品麻豆| 免费久久久久久久精品成人欧美视频| 女人被躁到高潮嗷嗷叫费观| 1024视频免费在线观看| 亚洲欧洲精品一区二区精品久久久| 精品国产国语对白av| 精品人妻一区二区三区麻豆| 国产三级黄色录像| 国产精品亚洲av一区麻豆| 热99国产精品久久久久久7| 免费高清在线观看日韩| 一级毛片电影观看| 女人被躁到高潮嗷嗷叫费观| 国产有黄有色有爽视频| 国产人伦9x9x在线观看| 亚洲精品一二三| 男人操女人黄网站| 咕卡用的链子| 午夜福利,免费看| 成年女人毛片免费观看观看9 | 黄色 视频免费看| 欧美激情极品国产一区二区三区| 国产人伦9x9x在线观看| 午夜影院在线不卡| 久久鲁丝午夜福利片| 激情五月婷婷亚洲| 久久久精品区二区三区| 日韩大码丰满熟妇| www.精华液| 国产xxxxx性猛交| 日本色播在线视频| 99热全是精品| 久久久国产精品麻豆| 我的亚洲天堂| 黄片小视频在线播放| 亚洲综合色网址| 免费黄频网站在线观看国产| 别揉我奶头~嗯~啊~动态视频 | 波多野结衣av一区二区av| 99精品久久久久人妻精品| netflix在线观看网站| 啦啦啦 在线观看视频| 又粗又硬又长又爽又黄的视频| 午夜免费成人在线视频| 欧美亚洲 丝袜 人妻 在线| 下体分泌物呈黄色| 欧美激情 高清一区二区三区| 国产欧美日韩综合在线一区二区| 国产成人免费无遮挡视频| 国产在线观看jvid| 又大又黄又爽视频免费| 97精品久久久久久久久久精品| 大陆偷拍与自拍| 国产97色在线日韩免费| 国产高清视频在线播放一区 | 成人黄色视频免费在线看| 日韩免费高清中文字幕av| 久久女婷五月综合色啪小说| av一本久久久久| avwww免费| 婷婷色综合大香蕉| 老司机深夜福利视频在线观看 | 狂野欧美激情性bbbbbb| 亚洲成人国产一区在线观看 | videos熟女内射| 国产av精品麻豆| 久久ye,这里只有精品| 午夜两性在线视频| 精品国产一区二区三区久久久樱花| 99久久99久久久精品蜜桃| 久久亚洲精品不卡| 一级毛片电影观看| 国产不卡av网站在线观看| av又黄又爽大尺度在线免费看| 国产亚洲精品第一综合不卡| 操出白浆在线播放| 精品人妻1区二区| 成年人黄色毛片网站| av不卡在线播放| 成人亚洲精品一区在线观看| 免费在线观看黄色视频的| 777久久人妻少妇嫩草av网站| 乱人伦中国视频| 亚洲天堂av无毛| 悠悠久久av| 亚洲一区二区三区欧美精品| 国产精品国产三级国产专区5o| 午夜福利在线免费观看网站| 一本综合久久免费| 午夜福利免费观看在线| 日韩免费高清中文字幕av| 久久鲁丝午夜福利片| 欧美黄色淫秽网站| 欧美+亚洲+日韩+国产| cao死你这个sao货| 亚洲精品成人av观看孕妇| 夫妻性生交免费视频一级片| 大片免费播放器 马上看| 欧美黑人欧美精品刺激| 亚洲免费av在线视频| 欧美成人精品欧美一级黄| 国产男女超爽视频在线观看| 国产在视频线精品| 日韩,欧美,国产一区二区三区| 亚洲精品久久午夜乱码| 午夜免费男女啪啪视频观看| 久久综合国产亚洲精品| 日韩欧美一区视频在线观看| 中文字幕最新亚洲高清| 欧美av亚洲av综合av国产av| 亚洲色图 男人天堂 中文字幕| 免费看av在线观看网站| 纵有疾风起免费观看全集完整版| 少妇 在线观看| 国产成人精品久久久久久| 手机成人av网站| 国产有黄有色有爽视频| 中文乱码字字幕精品一区二区三区| 国产亚洲欧美在线一区二区| 久久久久视频综合| 日韩视频在线欧美| 婷婷色综合大香蕉| 亚洲精品一区蜜桃| 99国产精品一区二区蜜桃av | 国产精品麻豆人妻色哟哟久久| 99热全是精品| 国产午夜精品一二区理论片| 18在线观看网站| 99久久综合免费| 国产欧美日韩一区二区三 | 我要看黄色一级片免费的| 久久久国产欧美日韩av| 伊人亚洲综合成人网| 王馨瑶露胸无遮挡在线观看| 天天影视国产精品| xxxhd国产人妻xxx| 精品一品国产午夜福利视频| 操出白浆在线播放| 亚洲午夜精品一区,二区,三区| 大香蕉久久网| 在线av久久热| 久久精品亚洲熟妇少妇任你| 亚洲国产看品久久| 精品一区二区三区四区五区乱码 | 亚洲成人手机| 巨乳人妻的诱惑在线观看| 这个男人来自地球电影免费观看| 免费一级毛片在线播放高清视频 | netflix在线观看网站| 亚洲人成网站在线观看播放| 国产精品免费大片| 考比视频在线观看| 国产精品欧美亚洲77777| 欧美黄色片欧美黄色片| 在线观看国产h片| 99国产精品免费福利视频| 久久这里只有精品19| 热99国产精品久久久久久7| 嫩草影视91久久| 久久精品久久久久久噜噜老黄| 97人妻天天添夜夜摸| 人成视频在线观看免费观看| 人人澡人人妻人| 国产在线免费精品| 黑人欧美特级aaaaaa片| 成人免费观看视频高清| 免费在线观看日本一区| 你懂的网址亚洲精品在线观看| 国产精品久久久久久精品古装| cao死你这个sao货| 亚洲午夜精品一区,二区,三区| 欧美精品一区二区大全| 老司机深夜福利视频在线观看 | 国产av精品麻豆| 热99国产精品久久久久久7| 大陆偷拍与自拍| 国产视频首页在线观看| 国产欧美亚洲国产| 黄色怎么调成土黄色| 国产免费现黄频在线看| 啦啦啦中文免费视频观看日本| 波野结衣二区三区在线| 99久久99久久久精品蜜桃| 纵有疾风起免费观看全集完整版| 女性被躁到高潮视频| 国产成人精品无人区| 夜夜骑夜夜射夜夜干| 美女大奶头黄色视频| 午夜日韩欧美国产| 日本a在线网址| 女人爽到高潮嗷嗷叫在线视频| 高清黄色对白视频在线免费看| 亚洲av片天天在线观看| 国产又色又爽无遮挡免| 国产男女内射视频| 十八禁网站网址无遮挡| 国精品久久久久久国模美| 黄频高清免费视频| 在线 av 中文字幕| 成人手机av| 免费看av在线观看网站| 日韩大片免费观看网站| 亚洲欧美色中文字幕在线| 青春草亚洲视频在线观看| 国产一卡二卡三卡精品| 男男h啪啪无遮挡| a级片在线免费高清观看视频| 亚洲,一卡二卡三卡| 国产在线免费精品| 亚洲国产精品成人久久小说| 成年美女黄网站色视频大全免费| 亚洲欧美激情在线| 69精品国产乱码久久久| 老熟女久久久| 欧美中文综合在线视频| 青春草视频在线免费观看| 色视频在线一区二区三区| 国产欧美日韩精品亚洲av| 亚洲国产欧美网| av有码第一页| 50天的宝宝边吃奶边哭怎么回事| 99国产综合亚洲精品| 精品国产国语对白av| 日韩av在线免费看完整版不卡| 中文乱码字字幕精品一区二区三区| 如日韩欧美国产精品一区二区三区| 丰满饥渴人妻一区二区三| 国产成人免费观看mmmm| videos熟女内射| 在线观看国产h片| 熟女av电影| 精品久久久精品久久久| 嫩草影视91久久| 久久99精品国语久久久| 国产在视频线精品| 国产精品成人在线| 国产精品一二三区在线看| e午夜精品久久久久久久| 中文字幕制服av| 成年人黄色毛片网站| 涩涩av久久男人的天堂| 极品人妻少妇av视频| 精品人妻1区二区| 久久ye,这里只有精品| 国产成人一区二区在线| 欧美性长视频在线观看| 国产精品 国内视频| 国产精品一区二区精品视频观看| 国产国语露脸激情在线看| 悠悠久久av| 精品国产一区二区久久| 国产不卡av网站在线观看| 国产精品一区二区免费欧美 | 精品国产超薄肉色丝袜足j| 日韩av不卡免费在线播放| 老熟女久久久| 成年女人毛片免费观看观看9 | 午夜影院在线不卡| 久久国产精品人妻蜜桃| 欧美激情 高清一区二区三区| 国产日韩一区二区三区精品不卡| 99精国产麻豆久久婷婷| av国产久精品久网站免费入址| 天天添夜夜摸| 欧美成人午夜精品| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品久久成人aⅴ小说| 自拍欧美九色日韩亚洲蝌蚪91| 两个人免费观看高清视频| 好男人视频免费观看在线| 欧美日韩亚洲综合一区二区三区_| 脱女人内裤的视频| 国产成人精品无人区| 97人妻天天添夜夜摸| 亚洲一码二码三码区别大吗| 美女国产高潮福利片在线看| 十八禁人妻一区二区| 人人妻,人人澡人人爽秒播 | 亚洲av成人不卡在线观看播放网 | netflix在线观看网站| 亚洲国产日韩一区二区| 91精品伊人久久大香线蕉| 亚洲,欧美精品.| 青青草视频在线视频观看| 欧美激情 高清一区二区三区| 少妇的丰满在线观看| 巨乳人妻的诱惑在线观看| 在线观看免费午夜福利视频| 亚洲午夜精品一区,二区,三区| 国产淫语在线视频| 欧美黄色淫秽网站| 亚洲一区中文字幕在线| 大香蕉久久网| 中文字幕av电影在线播放| 国产一区二区激情短视频 | 深夜精品福利| 国产精品三级大全| 免费在线观看完整版高清| 嫁个100分男人电影在线观看 | 欧美日韩黄片免| 亚洲av男天堂| 久久狼人影院| 亚洲七黄色美女视频| 一级毛片我不卡| 亚洲一区二区三区欧美精品| 一级黄色大片毛片| 精品少妇黑人巨大在线播放| 99九九在线精品视频| 国产亚洲精品久久久久5区| 国产精品久久久久久精品电影小说| 女人久久www免费人成看片| 久久人人爽av亚洲精品天堂| 国产一区二区激情短视频 | 国产黄色免费在线视频| 在现免费观看毛片| 超色免费av| 日日夜夜操网爽| 国产精品九九99| 国产在视频线精品| 亚洲精品美女久久av网站| 久久影院123| 欧美激情极品国产一区二区三区|