• <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LBP和SVM的工件圖像特征識別研究

    2016-02-26 02:58:18吳益紅江娟娟畢運(yùn)鋒
    關(guān)鍵詞:支持向量機(jī)特征提取

    吳益紅,許 鋼,江娟娟,畢運(yùn)鋒

    (安徽工程大學(xué) 安徽檢測技術(shù)與節(jié)能裝置省級實(shí)驗(yàn)室,安徽 蕪湖 241000)

    ?

    引用格式:吳益紅,許鋼,江娟娟,等.基于LBP和SVM的工件圖像特征識別研究[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2016(1):77-84.

    Citation format:WU Yi-hong, XU Gang, JIANG Juan-juan,et al.Research on Workpiece Image Feature Recognition Based on LBP and SVM[J].Journal of Chongqing University of Technology(Natural Science),2016(1):77-84.

    基于LBP和SVM的工件圖像特征識別研究

    吳益紅,許鋼,江娟娟,畢運(yùn)鋒

    (安徽工程大學(xué)安徽檢測技術(shù)與節(jié)能裝置省級實(shí)驗(yàn)室,安徽 蕪湖241000)

    摘要:針對工業(yè)現(xiàn)場諸如粉塵、光照、遮擋、攝像機(jī)抖動等復(fù)雜環(huán)境下工件目標(biāo)的識別問題,提出一種基于局部二值模式(local binary pattern, LBP)和支持向量機(jī)(support vector machine, SVM)的組合模型,對工件圖像進(jìn)行特征提取與類別判定。運(yùn)用基本LBP模式、LBP等價(jià)模式以及LBP旋轉(zhuǎn)不變模式,并結(jié)合多種去噪方法對工件圖片進(jìn)行特征提取,得出LBP特征直方圖。根據(jù)這些特征直方圖,利用分類模型對工件進(jìn)行分類識別。實(shí)驗(yàn)結(jié)果表明:基于均值濾波去噪的LBP基本特征算子較好地滿足了工件圖像的特征提取要求,為后續(xù)的工件圖片分類提供了保障,使得圖片識別準(zhǔn)確率達(dá)96%,識別效果較佳。

    關(guān)鍵詞:工件圖像;局部二值模式;支持向量機(jī);特征提取;工件分類

    在復(fù)雜環(huán)境中正確識別出目標(biāo)物體,是工業(yè)機(jī)器人實(shí)現(xiàn)有效分揀、目標(biāo)定位以及視覺跟蹤的前提和基礎(chǔ),其識別結(jié)果的正確與否直接影響機(jī)器人裝配操作的準(zhǔn)確性。然而,復(fù)雜環(huán)境下圖像易出現(xiàn)模糊、缺損、噪聲污染等降質(zhì)問題,對工業(yè)機(jī)器人的識別結(jié)果產(chǎn)生嚴(yán)重影響??焖贉?zhǔn)確地提取并識別出工件圖片對于機(jī)器人現(xiàn)場實(shí)時(shí)操作具有至關(guān)重要的意義。

    LBP指局部二值模式,由芬蘭奧盧大學(xué)的T.ojala等[1]提出,可以對圖像局部紋理特征信息進(jìn)行高效的度量和提取。因具有旋轉(zhuǎn)不變性和灰度不變性及理論簡單、效果良好等優(yōu)點(diǎn),LBP被廣泛應(yīng)用于機(jī)器視覺、生物醫(yī)學(xué)、人臉識別等領(lǐng)域[2]。

    文獻(xiàn)[3]提出一種多尺度LBP傅里葉直方圖與主動形狀模型相結(jié)合的方法并運(yùn)用于人臉表情識別,結(jié)果表明:該方法在人機(jī)交互方面有一定的應(yīng)用價(jià)值。文獻(xiàn)[4]提出一種基于多尺度LBP子模式特征的人臉描述與識別方法,對光照、人臉表情和位置的變化具有較高的魯棒性。文獻(xiàn)[5]將LBP用于X射線圖像的增強(qiáng)、邊緣提取和缺陷識別等應(yīng)用中,針對X射線圖像的特點(diǎn),從圖像的檢測效果和檢測時(shí)間2個(gè)方面提高了工業(yè)X射線圖像的檢測效率。

    SVM是一種較好的基于混沌理論的非線性預(yù)測分類算法。與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)基于經(jīng)驗(yàn)風(fēng)險(xiǎn)不同的是,SVM基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化,能夠有效避免過擬合、泛化能力差等不足[6]。由于其通用性好、魯棒性強(qiáng)、計(jì)算簡單、效果良好,故被廣泛地應(yīng)用于機(jī)器學(xué)習(xí)、模式識別、回歸預(yù)測等領(lǐng)域[7]。

    文獻(xiàn)[8]采用區(qū)域直方圖作為圖像特征支持向量,利用SVM實(shí)現(xiàn)對圖像數(shù)據(jù)庫的檢索和分類。文獻(xiàn)[9]采用常用的灰度共生矩陣方法提取圖像紋理特征,作為圖像特征支持向量,采用一對一方法構(gòu)建出多分類SVM分類器實(shí)現(xiàn)了Brodatz紋理庫中的圖像分類。

    本文提出一種基于去噪的LBP基本算子和SVM的對工件圖像進(jìn)行分類識別的算法,結(jié)合LBP在圖像特征提取上的優(yōu)勢,在兼顧識別的實(shí)時(shí)性和正確率的基礎(chǔ)上,利用SVM分類器完成對降質(zhì)圖像中各種類型不同形態(tài)工件的識別。本文對工業(yè)現(xiàn)場拍攝的圖片集進(jìn)行實(shí)驗(yàn),通過比較不同的LBP算子,驗(yàn)證去噪的LBP基本算子和SVM組合算法在工件圖片特征提取與識別分類中的高效性。圖1為本文采用的5類工件圖片(從左至右分別為1~5類,每類各列舉一例)。

    圖1 5類工件圖片

    1LBP提取圖像特征

    1.1LBP算子

    LBP算子是一種灰度尺度恒定的紋理算子,來自局部鄰域紋理的普通定義。其基本思想:以中心點(diǎn)像素的灰度值作為閾值,與它的鄰域比較,得到二進(jìn)制碼來表述局部紋理特征。本文利用3種不同的LBP算子,分別為基本LBP算子、LBP等價(jià)模式算子和LBP旋轉(zhuǎn)不變算子,對工件圖像進(jìn)行特征提取,找出最適合于工件圖像特征提取的LBP算子。

    1.1.1LBP 基本算子

    LBP基本算子即原始的LBP。原始的LBP在一個(gè)3×3矩陣窗口中定義,每個(gè)窗口值代表一個(gè)像素點(diǎn)的灰度值。如圖2所示,將中心點(diǎn)灰度值與外圍8個(gè)點(diǎn)灰度值進(jìn)行比較,大于中間像素點(diǎn)的灰度值的數(shù)值置為1,否則為0。然后,按所處的位置不同,給8個(gè)處理后的值以不同權(quán)值,逐個(gè)相加得到的結(jié)果定義為該區(qū)域內(nèi)的LBP值。

    圖2 基本LBP算子

    1.1.2LBP等價(jià)模式算子

    LBP等價(jià)模式這樣定義:當(dāng)LBP算子的循環(huán)二進(jìn)制數(shù)從0到1或從1到0跳變最多有2次時(shí),如00000000或者00110000,這些二進(jìn)制模式都屬于等價(jià)模式類??梢园凑杖缦鹿接?jì)算二進(jìn)制模式是否是等價(jià)模式:

    (1)

    式中若某種模式計(jì)算得到的U(GP)不大于2,則被看作等價(jià)模式。通過這樣的改進(jìn),模式類別由之前的2P種降低到P(P-1)+2種,有效減少了模式類別。

    通過等價(jià)模式計(jì)算可以簡化模式種類,還可降低高頻噪聲干擾,并且不損失圖像信息,有效降低了特征數(shù)據(jù)的維數(shù),提高了分類效率。

    1.1.3LBP旋轉(zhuǎn)不變模式算子

    基于LBP的灰度不變性和旋轉(zhuǎn)不變性,Maenpaa等[11]提出了旋轉(zhuǎn)不變的LBP算子。LBP旋轉(zhuǎn)模式通過不斷旋轉(zhuǎn)圖像的圓形領(lǐng)域,得到一系列的LBP值,選取其中的最小值作為最終的LBP值,用公式表示為

    (2)

    其中:LBPri表示LBP旋轉(zhuǎn)不變算子;ROR(x,i)為旋轉(zhuǎn)函數(shù),可以將x循環(huán)右移i(i

    圖3描述了LBP旋轉(zhuǎn)不變模式的計(jì)算過程。其中,最上面代表原始LBP值,通過循環(huán)旋轉(zhuǎn),得到中間8個(gè)LBP值,取其中的最小值(即00001111)作為中間8種LBP模式的旋轉(zhuǎn)不變模式值。

    圖3 LBP旋轉(zhuǎn)不變模式

    旋轉(zhuǎn)不變模式在增強(qiáng)LBP算子魯棒性的同時(shí),顯著減少了LBP模式的類別,有利于特征分類。

    1.2LBP特征譜直方圖

    工件圖像的特征譜只反映了工件圖片的局部特征,不適合直接采用LBP特征譜進(jìn)行工件特征提取。為了獲得更加豐富、切合度更高的特征,一般的做法是將LBP特征譜轉(zhuǎn)變成LBP直方圖序列。

    本文將該序列作為鑒別特征進(jìn)行工件識別分類。提取LBP工件圖像直方圖序列的具體過程如圖4所示。

    圖4 提取LBP工件圖像直方圖序列的具體過程

    2SVM與libSVM工具箱

    2.1SVM圖像分類原理

    SVM由Vapnik于1995年提出[12],其本質(zhì)是在訓(xùn)練數(shù)據(jù)中找出適合構(gòu)造最優(yōu)分類超平面的支持向量。對于圖像分類這種非線性分類問題,SVM的主要思路是通過非線性變換將輸入空間數(shù)據(jù)映射到高維特征向量空間,在該空間中構(gòu)造出最優(yōu)分類超平面,進(jìn)行線性分類,再映射回原數(shù)據(jù)空間,實(shí)現(xiàn)原空間下的非線性分類。SVM通過引入核函數(shù)降低了高維空間下數(shù)據(jù)計(jì)算的復(fù)雜度,但是引入核函數(shù)會產(chǎn)生偏差,故通過引入?yún)⒘克沙谙禂?shù)g和懲罰系數(shù)c,從而使得模型推廣能力提高,復(fù)雜性和經(jīng)驗(yàn)風(fēng)險(xiǎn)降低。

    2.2libSVM工具箱

    由臺灣大學(xué)林智仁(Lin Chih-Jen)教授等開發(fā)的SVM模式識別與回歸開源軟件包可以解決如圖像識別等諸多分類問題(C-SVR、-SVC等),在國內(nèi)外學(xué)術(shù)研究機(jī)構(gòu)被廣泛使用[13-14]。libSVM的使用步驟:

    1) 特征數(shù)據(jù)歸一化

    由于作為圖像特征數(shù)據(jù)的輸入測試集和訓(xùn)練集屬性的取值不屬于同一個(gè)數(shù)量級,輸入變量差異較大,因此在建立模型之前,需將數(shù)據(jù)進(jìn)行歸一化預(yù)處理[15]。

    對訓(xùn)練集和測試集進(jìn)行歸一化采用的歸一化映射如下:

    (3)

    式中:xi,yi∈Rn;xmin=min(x);xmax=max(x)。歸一化使原始數(shù)據(jù)被映射到[0,1]范圍內(nèi),即yi[0,1],i=1,2,…,n, 這種歸一化方式稱為[0,1]區(qū)間歸一化。

    在Matlab中,mapminmax函數(shù)可以實(shí)現(xiàn)上述的歸一化,mapminmax函數(shù)所采用的映射為

    (4)

    其中:xmax,xmin分別是原始數(shù)據(jù)x的最大值和最小值;ymin和ymax是映射的范圍參數(shù),可調(diào)節(jié)。如果把ymin和ymax分別置為0和1,此時(shí)的映射函數(shù)即為上面的[0,1]歸一化,也可以設(shè)置為-1和1,此時(shí)的映射函數(shù)即為[-1,1]歸一化。

    2) SVM參數(shù)選取

    核函數(shù)的參數(shù)選取影響到分類的性能,在利用libSVM進(jìn)行圖像分類前,首先需要對RBF核函數(shù)進(jìn)行參數(shù)尋優(yōu),然后進(jìn)行交叉檢驗(yàn)。在所有參數(shù)中,最重要的是c和g。其中c是設(shè)置C-SVC、e-SVR和v-SVR的參數(shù);g對核函數(shù)中的gamma函數(shù)進(jìn)行設(shè)置。

    libSVM利用K-CV交叉驗(yàn)證方法確定最優(yōu)化參數(shù)值,函數(shù)實(shí)現(xiàn)形式是SVMcgForClass,輸出得到的最優(yōu)參數(shù)值bestmse、bestc、bestg分別表示最優(yōu)均方誤差以及最優(yōu)的c、g值。

    3實(shí)驗(yàn)部分

    3.1模型建立

    從原始工件圖片數(shù)據(jù)里選定訓(xùn)練集和測試集,進(jìn)行圖片數(shù)據(jù)預(yù)處理和特征提取,之后用SVM對訓(xùn)練集的特征數(shù)據(jù)進(jìn)行訓(xùn)練,得到訓(xùn)練模型,然后再用得到的模型來預(yù)測測試集的分類標(biāo)簽,得出分類準(zhǔn)確率。模型算法流程見圖5。

    圖5 模型算法流程

    其中,預(yù)處理包括圖片亮度增強(qiáng)、灰度化等;LBP特征提取包括對圖片進(jìn)行去噪、提取LBP紋理特征以及獲得LBP直方圖;訓(xùn)練SVM則包括數(shù)據(jù)歸一化、設(shè)置標(biāo)簽以及參數(shù)選擇等。下面將對模型的每一步驟展開實(shí)驗(yàn)設(shè)計(jì)。

    3.2預(yù)處理與LBP特征提取

    3.2.1選定測試集和訓(xùn)練集

    實(shí)驗(yàn)在Matlab R2012a平臺上運(yùn)行,計(jì)算機(jī)運(yùn)行環(huán)境為Pentium G2030T,2.60 GHz處理器。本文建立了一個(gè)工件圖片的小樣本數(shù)據(jù)集,采用5類(每類16幅)共80幅,每幅像素大小為300×200的工件圖片集。使用交叉驗(yàn)證法來選定最好的訓(xùn)練集和測試集,采用的訓(xùn)練集和測試集分別為每類圖片的前11幅和后5幅,即55幅作為訓(xùn)練集,25幅作為測試集。

    3.2.2圖片亮度增強(qiáng)與灰度化

    由圖1可知:工件圖片的亮度普遍偏低。為了不影響特征提取的精確度,在對圖像進(jìn)行特征提取前,需對各圖片進(jìn)行亮度增強(qiáng)處理。本文采用的方法是調(diào)節(jié)圖片的對比度,由函數(shù)imadjust(x,stret、chlim(x),[0 1])實(shí)現(xiàn)。

    通常,在對圖像進(jìn)行處理前會將其轉(zhuǎn)換成灰度圖像,這樣在保留圖像的整體和局部信息的同時(shí)可以有效降低字節(jié)數(shù),提高數(shù)據(jù)處理速度。本文利用加權(quán)平均法,將RGB三個(gè)分量分配不同的權(quán)值,實(shí)現(xiàn)圖像的灰度化處理。按照人眼對RGB 3個(gè)分量的敏感度不同,設(shè)定以下3個(gè)權(quán)值以得到較好的灰度圖像:

    0.11B(i, j)A

    (5)

    其中:f(i,j)為轉(zhuǎn)換后的灰度圖像在(i,j)處的灰度值;R(i,j)、G(i,j)和B(i,j)分別為(i,j)處的紅色值、綠色值以及藍(lán)色值。

    3.2.3LBP特征提取

    雖然LBP 算子具有旋轉(zhuǎn)不變性和灰度不變性等顯著優(yōu)點(diǎn),但LBP的抗噪性較差,所以不能直接運(yùn)用LBP對處理過的灰度圖像進(jìn)行特征提取。本文采用多種去噪方式和LBP結(jié)合來提取圖像特征。如采用1.2節(jié)所述方法提取各訓(xùn)練集和測試集圖片的LBP紋理圖像,并進(jìn)一步得到特征譜直方圖,以此作為各工件的特征進(jìn)行訓(xùn)練和測試分類。

    3.3libSVM對圖片的訓(xùn)練和預(yù)測

    3.3.1數(shù)據(jù)歸一化

    libSVM在對圖片特征數(shù)據(jù)進(jìn)行訓(xùn)練和測試之前,需要對數(shù)據(jù)進(jìn)行歸一化。本文根據(jù)2.2節(jié)所述歸一化方法,設(shè)定歸一化范圍為[0,1]。

    3.3.2訓(xùn)練和測試

    1) 標(biāo)簽標(biāo)記

    首先分別對訓(xùn)練集和測試集進(jìn)行標(biāo)簽標(biāo)記。具體做法如下:

    ① 載入數(shù)據(jù),使用load workpiece.mat;

    ② 將第1~5類工件圖片的前11幅作為訓(xùn)練集,剩下的5幅作為測試集:

    train_workpiece=[wp1(1:11,:);wp2(1:11,:); …;wp5(1:11,:)];

    test_workpiece=[wp1(12:16,:); wp2(12:16,:); …; wp5(12:16,:)];

    ③ 將相應(yīng)的標(biāo)簽提取出來:

    train_workpiece_label=[wp1_label(1:11);…;wp5_label(1:11)];

    test_workpiece_label=[wp1_label(11:16);…;wp5_label(11:16)];

    2) 訓(xùn)練與測試

    libSVM工具箱提供了訓(xùn)練函數(shù)和測試函數(shù)。

    訓(xùn)練函數(shù):

    model=SVMtrain(train_label,train_matrix,[‘libSVM_options’])

    其中:model為訓(xùn)練得到的分類模型;train_label為訓(xùn)練集標(biāo)簽;train_matrix為訓(xùn)練集屬性,即訓(xùn)練集圖片特征,一般以矩陣形式給出;libSVM_options為一些參數(shù)選擇,一般為懲罰參數(shù)c、核函數(shù)參數(shù)g。本文中c、g采用2.2節(jié)提到的交差驗(yàn)證法得到。

    測試函數(shù):

    [predicted_label,accuray]=

    SVMpredict(test_label,test_matrix,[‘libSVM_options’])

    其中:predicted_label為預(yù)測得到的測試集標(biāo)簽;accuray為分類準(zhǔn)確率;test_label為測試集標(biāo)簽;test_matrix測試集屬性,即測試集圖片特征,一般以矩陣形式給出;libSVM_options是一些參數(shù)選擇函數(shù)。

    4結(jié)果與分析

    本文針對LBP的抗噪性差這一缺點(diǎn),采用小波去噪以及常用的5種去噪方式,即圓形區(qū)域均值濾波、對比度增強(qiáng)濾波、高斯低通濾波、5×5中值濾波、3×3均值濾波對圖片進(jìn)行去噪處理,并采用不同的LBP算子與SVM結(jié)合進(jìn)行分類。經(jīng)過試驗(yàn)得到的部分結(jié)果如表1~3所示。

    表1 基本LBP算子在不同去噪方法下的分類結(jié)果

    等價(jià)模式在不同去噪方法下的分類結(jié)果

    旋轉(zhuǎn)不變模式在不同去噪方法下的分類結(jié)果

    由表1~3可知:表1的模式在分類準(zhǔn)確率和耗時(shí)方面的總體效果最好,表2、3的模式則在這兩方面均顯示出較低的水平。這是因?yàn)榈葍r(jià)模式雖能代表絕大多數(shù)圖像的有效信息,然而圖像紋理的多樣性使得每一類圖像都有其各自的特點(diǎn)和關(guān)鍵信息。這種固定的等價(jià)模式并不適用于任何種類的圖像。采用等價(jià)模式時(shí)常發(fā)現(xiàn)混合模式的數(shù)量很大,特別是在工件圖片這種受光照或局部變化較明顯的圖像中,這對于特征提取的準(zhǔn)確性和穩(wěn)定性都是不利的。旋轉(zhuǎn)不變性的LBP算子丟失了方向性,這在工件圖像這種方向性比較重要的圖片中也是非常不利的。

    由于紋理圖像的興趣點(diǎn)通常散布在圖片的整個(gè)區(qū)域內(nèi),而工件圖像包含了較多背景像素點(diǎn),因此在一定程度上來說,它并非嚴(yán)格意義上的紋理圖片。通過使用和對比幾種不同的LBP算子,結(jié)合不同的去噪模式,得出LBP基本算子最適合識別工件圖像。圖6是LBP基本算子的計(jì)算過程,其中:黑色點(diǎn)是去除噪聲的點(diǎn);虛線指濾波器作用范圍??梢园l(fā)現(xiàn):采樣點(diǎn)在半徑為2的圓的實(shí)線上,這樣,LBP基本算子能獲得大范圍的特征信息,避免了頻譜混疊,控制了采樣點(diǎn)個(gè)數(shù),有效減少了計(jì)算數(shù)量,適合本文工件圖片的特征提取。

    圖6 本文的LBP

    本文在圖像分類精度評價(jià)中,首先采用表1~3中的分類準(zhǔn)確率進(jìn)行評估。但是要獲得一個(gè)好的分類結(jié)果,除了需要較高的準(zhǔn)確率外,還需知道其具體的實(shí)測情況。評估分類可信度的一個(gè)基本工具是混淆矩陣(confusion matrix)。本文列出分類準(zhǔn)確率較高的基于3×3均值濾波、對比度增強(qiáng)濾波以及基于高斯低通濾波3種方法的混淆矩陣,分別對其分類可信度進(jìn)行評估測試。表4~6是這3種方法的混淆矩陣(表中的1~5類分別表示圖1中的1~5類圖片)。

    表4 基于均值濾波方法的混淆矩陣

    表5 基于對比度增強(qiáng)濾波方法的混淆矩陣

    表6 基于高斯低通濾波方法的混淆矩陣

    混淆矩陣的每一列代表了實(shí)際測得信息,每一列中的數(shù)值等于實(shí)際測得的圖片在分類圖像中對應(yīng)于相應(yīng)類別的數(shù)量。例如,表4中第2列中的‘1’表示在實(shí)際測得的結(jié)果中有1個(gè)第4類圖像被測分為第1類圖像;混淆矩陣的每一行代表了工件圖像的分類信息,每一行中的數(shù)值等于分類器在實(shí)測圖片相應(yīng)類別中的數(shù)量。

    本文參與測試的工件圖片數(shù)為25幅,分為5類,每類5幅?;煜仃囍忻恳恍袌D片數(shù)之和為5,表示5個(gè)樣本。例如,表4中的第4行表示有4個(gè)樣本正確分類,有1個(gè)樣本被錯(cuò)分成2類圖片。每一列數(shù)目之和表示此次分類中被分成某類的圖片總數(shù)。由表4~6可以看出:表4,即基于均值濾波去噪的LBP對圖像進(jìn)行特征提取并與SVM結(jié)合進(jìn)行圖片分類時(shí),分類效果最好。

    在混淆矩陣中,除了可以直觀地看到分類結(jié)果的好壞之外,還可根據(jù)各行各列的數(shù)據(jù)得到潛在的分類結(jié)果數(shù)據(jù):TP(true positive,真正類,被模型預(yù)測為正的正樣本),F(xiàn)N(false negative,假負(fù)類,被模型預(yù)測為負(fù)的正樣本),F(xiàn)P(false positive,假正類,被模型預(yù)測為正的負(fù)樣本),TN(true negative,真負(fù)類,被模型預(yù)測為負(fù)的負(fù)樣本)。根據(jù)這4個(gè)數(shù)據(jù)及其相關(guān)關(guān)系,繪制出受試者工作特征曲線(receiver operator characteristic curve,ROC),如圖7所示。

    圖7 ROC曲線

    ROC曲線可以通過描述真正類率TPR=TP/(TP+FN)和負(fù)正類率FPR=FP/(FP+FN)來實(shí)現(xiàn)。在ROC曲線中,分類模型越好就越靠近圖形的左上方,而一個(gè)隨機(jī)猜測模型則位于連接點(diǎn)(TPR=0,F(xiàn)PR=0)和(TPR=1,F(xiàn)PR=1)的主對角線上。

    ROC曲線下方的面積(area under the ROC curve, AUC)提供了評價(jià)模型性能的另一種方法。如果模型是完美的,那么它的AUC=1;如果模型是簡單隨機(jī)猜測模型,那么它的AUC=0.5;如果一個(gè)模型優(yōu)于另一個(gè),則它的AUC相對較大。由此,從圖7中可以得到基于均值濾波的方法最靠近左上角,其AUC為0.999 3,明顯大于其他兩種方法(0.982 5,0.787 5)。這說明了基于均值濾波的LBP與SVM分類器結(jié)合的模型分類效果最好。

    5結(jié)束語

    本文將基于紋理特征的算法LBP運(yùn)用于工件圖片的特征提取,在運(yùn)用LBP各模式與多尺度結(jié)合提取特征的過程中,得出最好的實(shí)驗(yàn)結(jié)果是和工件圖像特點(diǎn)契合度較高的基本LBP算子。由于LBP對噪聲十分敏感,故本文采用多種去噪方式與LBP算子結(jié)合來處理圖片,最后使用SVM模型對LBP提取的特征進(jìn)行分類識別。實(shí)驗(yàn)結(jié)果表明:基于均值濾波去噪的LBP算子與SVM結(jié)合結(jié)果準(zhǔn)確率最高,同時(shí)也證明了LBP對非明顯紋理圖像的工件圖片進(jìn)行處理的可行性。

    由于主流物體分類與識別數(shù)據(jù)庫中沒有特定的工件圖片集,因此本文方法有一定的局限性。采集的樣本數(shù)目雖滿足一般的小樣本集要求,但仍然較少,這也會影響分類效果。擁有研究特定的樣本集、擴(kuò)大樣本集數(shù)目是下一步要解決的問題。

    參考文獻(xiàn):

    [1]OJALAT,PIETIKAINENM,HARWOODD.Acomparativestudyoftexturemeasureswithclassificationbasedonfeaturedistributions[J].PatternRecognition,1996,29(1):51-59.

    [2]劉偉鋒,李樹娟,王延江.人臉表情的LBP特征分析[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(2):149-152.

    [3]王麗,李瑞峰,王珂.多尺度局部二值模式傅里葉直方圖特征的表情識別[J].計(jì)算機(jī)應(yīng)用,2014,34(7):2036-2039.

    [4]黃非非.基于LBP的人臉識別研究[D].重慶:重慶大學(xué),2009.

    [5]畢碧.局部二值模式的改進(jìn)及其在工業(yè)X射線圖像中的應(yīng)用研究[D].重慶:重慶大學(xué),2012.

    [6]高錦.基于SVM的圖像分類[D].西安:西北大學(xué),2010.

    [7]王曉云.基于SVM的圖像分類算法優(yōu)化實(shí)現(xiàn)[J].信息安全與通信保密,2013(2):59-62.

    [8]王亮申.基于SVM的圖像分類[J].計(jì)算機(jī)應(yīng)用與軟件,2005,22(5):98-99.

    [9]章智儒.SVM在圖像分類中的應(yīng)用[J].信息技術(shù),2009,8(25):133-134.

    [10]OJALAT,PIETIKAINENM,MAENPAAT.Multiresolutiongrayscaleandrotationinvarianttextureclassificationwithlocalbinarypatterns[J].IEEETrans.onPatternAnalysisandMachineIntelligence,2002,24(7):971-987.

    [11]MAENPAAT,PIETIKAINENM.Textureanalysiswithlocalbinarypatterns.HandbookofPatternRecognitionandComputerVision[M].3rded.WorldScientific,Singapore,2001:711-736.

    [12]CORTESC,VAPNIKV.SupportvectornetworksMachineLearning[J].MachineIntelligence,2002,24(7):971-987.

    [13]LINCJ.APracticalGuidetoSupportVectorClassification[Z].Taiwan:NationalTaiwanUniversity,Initialversion:,2010.

    [14]CHANGCC,LINCJ.LIBSVM:ALibraryforSupportVectorMachines[Z].Taiwan:NationalTaiwanUniversity,Initialversion:2001Lastupdated:March4,2013.

    [15]史峰,王小川.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京:北京航空航天大學(xué)出版社,2010:115-116.

    (責(zé)任編輯楊黎麗)

    Research on Workpiece Image Feature Recognition

    Based on LBP and SVM

    WU Yi-hong, XU Gang, JIANG Juan-juan,BI Yun-feng

    (Anhui Key Laboratory of Detection Technology and Automation Devices,

    Anhui Polytechnic University, Wuhu 241000, China)

    Abstract:Aiming at the problem of workpiece identification in the complex environment of industry field such as dust, light, shelter, and camera shake, this paper proposed a combined model based on local binary pattern (LBP for short) and support vector machine(SVM for short) for feature extraction and recognition of the workpiece images. By using basic LBP pattern, LBP uniform pattern and LBP rotation invariant pattern and combining with various noise attenuation, we extracted and analyzed workpiece image features, and obtained LBP feature histogram, and then classified and recognized the workpiece image by utilizing classification models according to these characteristics. The experimental results indicate that the basic LBP pattern on Mean Filter is more suitable for the feature extraction and provides guarantees for classification of the workpiece images, and the image recognition effect is better and the recognition rate is up to 96%.

    Key words:workpiece image; local binary pattern; support vector machine; feature extraction; workpiece classification

    文章編號:1674-8425(2016)01-0077-08

    中圖分類號:TP391.41

    文獻(xiàn)標(biāo)識碼:A

    doi:10.3969/j.issn.1674-8425(z).2016.01.013

    作者簡介:吳益紅(1989—),女,安徽宿州人,碩士研究生,主要從事智能信息處理及應(yīng)用、圖像處理等方面研究;許鋼(1972—),男,安徽蕪湖人,副教授,碩士生導(dǎo)師,主要從事數(shù)字信號處理、機(jī)器人視覺研究。

    基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(61271377);安徽省高等教育提升計(jì)劃省級自然科學(xué)研究一般項(xiàng)目(2014B02)

    收稿日期:2015-10-10

    猜你喜歡
    支持向量機(jī)特征提取
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
    基于SVM的煙草銷售量預(yù)測
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于DSP的直線特征提取算法
    曰老女人黄片| av又黄又爽大尺度在线免费看| 嫁个100分男人电影在线观看 | 欧美精品人与动牲交sv欧美| 久久女婷五月综合色啪小说| 色94色欧美一区二区| 亚洲成av片中文字幕在线观看| 午夜精品国产一区二区电影| 一本大道久久a久久精品| 亚洲av片天天在线观看| 国产激情久久老熟女| 性少妇av在线| 免费不卡黄色视频| 欧美日韩一级在线毛片| 91国产中文字幕| 日韩人妻精品一区2区三区| 成人亚洲欧美一区二区av| 国产一卡二卡三卡精品| 少妇被粗大的猛进出69影院| 国产日韩欧美在线精品| 成年av动漫网址| 亚洲自偷自拍图片 自拍| 国产成人av激情在线播放| 精品欧美一区二区三区在线| 久久这里只有精品19| 亚洲天堂av无毛| 国产高清不卡午夜福利| 亚洲第一青青草原| 一区二区三区激情视频| 侵犯人妻中文字幕一二三四区| 国产精品熟女久久久久浪| 精品国产国语对白av| 久久午夜综合久久蜜桃| 国产成人啪精品午夜网站| 首页视频小说图片口味搜索 | 亚洲精品第二区| 91九色精品人成在线观看| 天天躁日日躁夜夜躁夜夜| 精品少妇内射三级| 亚洲中文日韩欧美视频| 美女福利国产在线| 免费一级毛片在线播放高清视频 | 国产亚洲欧美精品永久| 桃花免费在线播放| 成人国产av品久久久| netflix在线观看网站| 制服人妻中文乱码| 亚洲精品国产一区二区精华液| 99热网站在线观看| 亚洲国产av影院在线观看| 日本vs欧美在线观看视频| 亚洲国产av新网站| 久久这里只有精品19| 精品国产一区二区久久| 久久久精品国产亚洲av高清涩受| 免费在线观看黄色视频的| 一区在线观看完整版| 女警被强在线播放| 亚洲欧洲国产日韩| 操美女的视频在线观看| 午夜老司机福利片| bbb黄色大片| 亚洲欧洲国产日韩| 欧美人与性动交α欧美精品济南到| 又大又爽又粗| 十八禁人妻一区二区| 一级,二级,三级黄色视频| 电影成人av| 免费看十八禁软件| 超色免费av| 香蕉国产在线看| 久久精品亚洲av国产电影网| 婷婷色麻豆天堂久久| 肉色欧美久久久久久久蜜桃| 亚洲第一青青草原| 成人国产一区最新在线观看 | 中国美女看黄片| 亚洲视频免费观看视频| 国产一级毛片在线| 欧美国产精品va在线观看不卡| 亚洲欧美一区二区三区国产| 精品少妇一区二区三区视频日本电影| 亚洲一区中文字幕在线| 亚洲一区中文字幕在线| 一级黄色大片毛片| 久久人人爽人人片av| 超碰97精品在线观看| 18禁观看日本| 国产野战对白在线观看| av天堂在线播放| 男女午夜视频在线观看| 波多野结衣av一区二区av| tube8黄色片| 久久毛片免费看一区二区三区| 精品国产一区二区三区四区第35| 成年动漫av网址| 考比视频在线观看| 亚洲精品美女久久av网站| 啦啦啦 在线观看视频| 国产亚洲欧美在线一区二区| 天天添夜夜摸| 久久人妻熟女aⅴ| 久久天躁狠狠躁夜夜2o2o | 欧美人与性动交α欧美软件| 欧美精品啪啪一区二区三区 | 国产片内射在线| 两个人看的免费小视频| 日日爽夜夜爽网站| 91九色精品人成在线观看| 天堂俺去俺来也www色官网| 嫩草影视91久久| 亚洲国产看品久久| 国产精品一区二区免费欧美 | 精品一区二区三区四区五区乱码 | 国产成人免费无遮挡视频| 亚洲精品国产av成人精品| 亚洲三区欧美一区| 亚洲国产成人一精品久久久| 热re99久久精品国产66热6| 亚洲图色成人| 午夜福利视频在线观看免费| 国产成人系列免费观看| 国产精品二区激情视频| 五月开心婷婷网| 免费观看av网站的网址| 亚洲欧美一区二区三区黑人| 国产成人精品久久二区二区91| 满18在线观看网站| 美女大奶头黄色视频| 一区在线观看完整版| 黄色片一级片一级黄色片| 菩萨蛮人人尽说江南好唐韦庄| 国产成人免费观看mmmm| 欧美少妇被猛烈插入视频| 国产男女内射视频| 国产一区二区 视频在线| 免费在线观看日本一区| 国产成人精品久久二区二区免费| av国产久精品久网站免费入址| 亚洲午夜精品一区,二区,三区| 丰满饥渴人妻一区二区三| 嫩草影视91久久| 日韩视频在线欧美| 久久久久精品人妻al黑| 亚洲欧美一区二区三区黑人| 欧美人与性动交α欧美精品济南到| 久久久精品国产亚洲av高清涩受| 国产亚洲午夜精品一区二区久久| 国产片内射在线| 免费一级毛片在线播放高清视频 | 我的亚洲天堂| 丝袜美足系列| 老司机影院成人| 欧美日韩黄片免| av线在线观看网站| 美女午夜性视频免费| 国产精品香港三级国产av潘金莲 | 99热网站在线观看| 精品欧美一区二区三区在线| 伦理电影免费视频| 免费一级毛片在线播放高清视频 | 日韩免费高清中文字幕av| av国产精品久久久久影院| 王馨瑶露胸无遮挡在线观看| 2021少妇久久久久久久久久久| 校园人妻丝袜中文字幕| 人人妻人人爽人人添夜夜欢视频| 午夜视频精品福利| 咕卡用的链子| 伊人亚洲综合成人网| 国产亚洲精品久久久久5区| 亚洲精品日韩在线中文字幕| 国产麻豆69| 久久国产精品人妻蜜桃| netflix在线观看网站| 亚洲欧美一区二区三区国产| 飞空精品影院首页| 男人舔女人的私密视频| 久久亚洲精品不卡| 看免费成人av毛片| 国产成人精品久久二区二区91| 亚洲熟女精品中文字幕| 七月丁香在线播放| 国产一区二区 视频在线| 欧美性长视频在线观看| 欧美亚洲日本最大视频资源| 国产又爽黄色视频| 久久鲁丝午夜福利片| 狠狠婷婷综合久久久久久88av| 欧美日韩视频精品一区| 国产成人啪精品午夜网站| 一级毛片我不卡| 国产一级毛片在线| 亚洲精品久久成人aⅴ小说| 亚洲人成77777在线视频| 只有这里有精品99| 各种免费的搞黄视频| 日日爽夜夜爽网站| 男人爽女人下面视频在线观看| 天天躁夜夜躁狠狠躁躁| 蜜桃在线观看..| 99国产综合亚洲精品| 国产色视频综合| 一本—道久久a久久精品蜜桃钙片| 在线观看国产h片| 天天躁日日躁夜夜躁夜夜| 丰满饥渴人妻一区二区三| 国产日韩欧美在线精品| 岛国毛片在线播放| 日本av手机在线免费观看| 亚洲自偷自拍图片 自拍| 美女视频免费永久观看网站| av欧美777| 国产精品.久久久| 亚洲精品自拍成人| 18禁裸乳无遮挡动漫免费视频| 中文字幕最新亚洲高清| 亚洲精品国产av成人精品| 免费在线观看影片大全网站 | 波野结衣二区三区在线| 又大又爽又粗| 色婷婷av一区二区三区视频| 亚洲精品av麻豆狂野| 午夜日韩欧美国产| 国语对白做爰xxxⅹ性视频网站| 另类精品久久| 免费黄频网站在线观看国产| 在线精品无人区一区二区三| 国产福利在线免费观看视频| 少妇人妻 视频| 国产高清国产精品国产三级| 欧美精品啪啪一区二区三区 | 人人澡人人妻人| www日本在线高清视频| 丝袜在线中文字幕| 巨乳人妻的诱惑在线观看| 国产一区二区三区综合在线观看| 视频在线观看一区二区三区| 国产一区亚洲一区在线观看| 好男人视频免费观看在线| 丰满饥渴人妻一区二区三| 国产精品国产av在线观看| 免费观看人在逋| 日本wwww免费看| 男女高潮啪啪啪动态图| 亚洲国产最新在线播放| 婷婷成人精品国产| avwww免费| 男女之事视频高清在线观看 | 91精品国产国语对白视频| 久久人人爽人人片av| 日本欧美视频一区| 国产精品一区二区在线观看99| 十八禁人妻一区二区| 国产精品免费大片| 婷婷色综合www| av线在线观看网站| 欧美激情极品国产一区二区三区| 两性夫妻黄色片| 夫妻午夜视频| 高清欧美精品videossex| 国产爽快片一区二区三区| www.999成人在线观看| 两性夫妻黄色片| 制服人妻中文乱码| 久久人人爽人人片av| 久久毛片免费看一区二区三区| 亚洲av日韩在线播放| 成年女人毛片免费观看观看9 | 色婷婷av一区二区三区视频| 一区二区三区四区激情视频| 一级毛片我不卡| 久久久久网色| 国产精品一二三区在线看| 亚洲精品国产区一区二| 妹子高潮喷水视频| 老司机靠b影院| 亚洲伊人色综图| 亚洲成人免费av在线播放| 精品国产一区二区三区四区第35| 久久精品熟女亚洲av麻豆精品| 精品一品国产午夜福利视频| 人妻 亚洲 视频| 另类亚洲欧美激情| 宅男免费午夜| 国产精品二区激情视频| 十八禁网站网址无遮挡| 黄色一级大片看看| 久久精品国产亚洲av高清一级| 国产精品一国产av| 精品欧美一区二区三区在线| 91精品伊人久久大香线蕉| 麻豆乱淫一区二区| 天天躁夜夜躁狠狠躁躁| videos熟女内射| 亚洲成人免费av在线播放| 99久久人妻综合| 欧美黑人欧美精品刺激| 国产黄频视频在线观看| 免费一级毛片在线播放高清视频 | 国产亚洲av片在线观看秒播厂| 19禁男女啪啪无遮挡网站| 国产精品一国产av| 91老司机精品| 一级黄色大片毛片| 国产一卡二卡三卡精品| 免费高清在线观看视频在线观看| 久久久久精品国产欧美久久久 | 多毛熟女@视频| 欧美成人午夜精品| 日韩视频在线欧美| 久久久久久久久久久久大奶| 免费久久久久久久精品成人欧美视频| 欧美日韩国产mv在线观看视频| 午夜精品国产一区二区电影| 两个人免费观看高清视频| 老司机影院成人| av线在线观看网站| 精品久久久久久久毛片微露脸 | 80岁老熟妇乱子伦牲交| 男女之事视频高清在线观看 | 在线观看免费高清a一片| 晚上一个人看的免费电影| 女人久久www免费人成看片| 美女主播在线视频| av在线播放精品| 乱人伦中国视频| 久久精品人人爽人人爽视色| bbb黄色大片| 亚洲中文日韩欧美视频| 自线自在国产av| 午夜福利在线免费观看网站| 久久久精品国产亚洲av高清涩受| 久久精品国产综合久久久| 97在线人人人人妻| 男女之事视频高清在线观看 | 丰满少妇做爰视频| 国产亚洲av片在线观看秒播厂| 久久中文字幕一级| av又黄又爽大尺度在线免费看| 欧美性长视频在线观看| 午夜福利视频在线观看免费| 久久人妻福利社区极品人妻图片 | 精品人妻一区二区三区麻豆| 人体艺术视频欧美日本| 国产男女内射视频| 欧美日韩国产mv在线观看视频| 日本五十路高清| 免费观看人在逋| 成年女人毛片免费观看观看9 | 人人妻人人添人人爽欧美一区卜| 手机成人av网站| kizo精华| 1024视频免费在线观看| 精品第一国产精品| 老司机靠b影院| 国产高清不卡午夜福利| 久久久久国产一级毛片高清牌| 不卡av一区二区三区| 日韩 欧美 亚洲 中文字幕| 欧美亚洲 丝袜 人妻 在线| 亚洲 欧美一区二区三区| videos熟女内射| 99国产精品一区二区蜜桃av | 久久ye,这里只有精品| 欧美成人午夜精品| 熟女av电影| 两性夫妻黄色片| 丁香六月欧美| 国产野战对白在线观看| 永久免费av网站大全| 男女高潮啪啪啪动态图| 久久久久久免费高清国产稀缺| 中文字幕人妻丝袜一区二区| 国产欧美日韩综合在线一区二区| 国产免费视频播放在线视频| www.自偷自拍.com| 中文字幕另类日韩欧美亚洲嫩草| 免费久久久久久久精品成人欧美视频| 亚洲精品成人av观看孕妇| 国产精品九九99| 一级片'在线观看视频| 国产无遮挡羞羞视频在线观看| 亚洲人成77777在线视频| 精品欧美一区二区三区在线| 狂野欧美激情性bbbbbb| 亚洲男人天堂网一区| 免费高清在线观看视频在线观看| 国产成人免费无遮挡视频| 欧美+亚洲+日韩+国产| 久久人妻熟女aⅴ| 伦理电影免费视频| 黑人巨大精品欧美一区二区蜜桃| 黄色一级大片看看| 18禁黄网站禁片午夜丰满| 精品少妇内射三级| 一区福利在线观看| 久久精品亚洲av国产电影网| 啦啦啦视频在线资源免费观看| 国产深夜福利视频在线观看| 免费女性裸体啪啪无遮挡网站| 欧美中文综合在线视频| 免费看av在线观看网站| 精品久久久久久久毛片微露脸 | 99国产综合亚洲精品| √禁漫天堂资源中文www| 丝袜在线中文字幕| 亚洲九九香蕉| 制服人妻中文乱码| 久久久久久久大尺度免费视频| 最近中文字幕2019免费版| av天堂久久9| 纯流量卡能插随身wifi吗| 性色av乱码一区二区三区2| 亚洲综合色网址| 欧美成人精品欧美一级黄| 中文字幕人妻丝袜制服| 国产精品一区二区在线不卡| 亚洲图色成人| 亚洲av欧美aⅴ国产| 午夜免费鲁丝| 国产一区有黄有色的免费视频| 久久天躁狠狠躁夜夜2o2o | 日韩精品免费视频一区二区三区| 国产精品 国内视频| 美女福利国产在线| 精品视频人人做人人爽| 在线观看免费日韩欧美大片| av国产久精品久网站免费入址| 日本91视频免费播放| 一区二区三区精品91| 亚洲欧美一区二区三区久久| 久热这里只有精品99| 91国产中文字幕| 我要看黄色一级片免费的| 1024香蕉在线观看| 少妇人妻 视频| 欧美日韩精品网址| 久久久久精品人妻al黑| 一本色道久久久久久精品综合| 亚洲精品第二区| 色94色欧美一区二区| 国产成人啪精品午夜网站| 欧美亚洲日本最大视频资源| 夫妻性生交免费视频一级片| 亚洲一区中文字幕在线| 啦啦啦在线观看免费高清www| 婷婷色综合www| 少妇精品久久久久久久| 国产男女超爽视频在线观看| 国产精品秋霞免费鲁丝片| 亚洲国产欧美网| 精品亚洲成a人片在线观看| 亚洲人成77777在线视频| 99精品久久久久人妻精品| 中文字幕高清在线视频| 亚洲第一青青草原| 两人在一起打扑克的视频| 亚洲av综合色区一区| 亚洲av欧美aⅴ国产| 9191精品国产免费久久| 高清视频免费观看一区二区| 大码成人一级视频| 老熟女久久久| 中文欧美无线码| 女性被躁到高潮视频| 九草在线视频观看| 国产亚洲欧美精品永久| 久久久久久人人人人人| 麻豆av在线久日| 亚洲精品国产av成人精品| 人妻一区二区av| 精品久久蜜臀av无| 纯流量卡能插随身wifi吗| 免费看十八禁软件| 色播在线永久视频| 考比视频在线观看| 免费不卡黄色视频| 另类精品久久| 天天操日日干夜夜撸| 精品少妇内射三级| 亚洲精品一二三| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品一卡2卡三卡4卡5卡 | 啦啦啦啦在线视频资源| 最近最新中文字幕大全免费视频 | h视频一区二区三区| 人人妻人人澡人人看| 国产精品免费视频内射| 亚洲人成77777在线视频| 欧美大码av| 日韩电影二区| 精品国产一区二区久久| 一级a爱视频在线免费观看| 精品国产一区二区三区久久久樱花| xxxhd国产人妻xxx| 精品人妻在线不人妻| 国产一区二区在线观看av| 日韩中文字幕欧美一区二区 | 国精品久久久久久国模美| 久久毛片免费看一区二区三区| 99久久精品国产亚洲精品| 亚洲精品第二区| 欧美精品一区二区大全| 高清欧美精品videossex| 国产亚洲欧美在线一区二区| 久久ye,这里只有精品| 男女无遮挡免费网站观看| 99久久精品国产亚洲精品| 国产成人欧美| 亚洲av国产av综合av卡| 五月天丁香电影| 午夜福利在线免费观看网站| 久久人人爽av亚洲精品天堂| av欧美777| 欧美黄色淫秽网站| 麻豆乱淫一区二区| 捣出白浆h1v1| av福利片在线| 一本久久精品| 美女中出高潮动态图| 超色免费av| 亚洲精品av麻豆狂野| 新久久久久国产一级毛片| 精品免费久久久久久久清纯 | www.av在线官网国产| 少妇人妻久久综合中文| 五月天丁香电影| 蜜桃在线观看..| 国产国语露脸激情在线看| 一本大道久久a久久精品| 精品人妻在线不人妻| 免费观看a级毛片全部| 一本综合久久免费| 久久狼人影院| 在线观看免费日韩欧美大片| 真人做人爱边吃奶动态| 国产真人三级小视频在线观看| 日韩人妻精品一区2区三区| 天堂8中文在线网| 精品亚洲乱码少妇综合久久| 欧美xxⅹ黑人| 欧美大码av| 嫩草影视91久久| 国产福利在线免费观看视频| 亚洲欧洲精品一区二区精品久久久| 蜜桃国产av成人99| 欧美激情高清一区二区三区| 国产高清videossex| 三上悠亚av全集在线观看| 精品国产乱码久久久久久男人| 国产精品一区二区在线不卡| 久久精品aⅴ一区二区三区四区| 亚洲国产欧美在线一区| 欧美精品高潮呻吟av久久| 一本—道久久a久久精品蜜桃钙片| 黑人巨大精品欧美一区二区蜜桃| 日本色播在线视频| 国产精品久久久久久精品古装| 中文欧美无线码| 建设人人有责人人尽责人人享有的| 亚洲一区二区三区欧美精品| 一级黄色大片毛片| 日韩一本色道免费dvd| 老司机影院成人| 亚洲七黄色美女视频| 超碰成人久久| 亚洲七黄色美女视频| 在现免费观看毛片| 肉色欧美久久久久久久蜜桃| 一本久久精品| 中文字幕另类日韩欧美亚洲嫩草| 国产1区2区3区精品| 一二三四社区在线视频社区8| 色视频在线一区二区三区| 熟女av电影| 我的亚洲天堂| 九草在线视频观看| 在线观看免费高清a一片| 19禁男女啪啪无遮挡网站| 亚洲,一卡二卡三卡| 亚洲精品国产色婷婷电影| 亚洲精品国产区一区二| 欧美精品一区二区免费开放| 妹子高潮喷水视频| 亚洲天堂av无毛| 纯流量卡能插随身wifi吗| 亚洲天堂av无毛| 亚洲精品中文字幕在线视频| 日韩人妻精品一区2区三区| 丰满少妇做爰视频| 高清视频免费观看一区二区| 久久久久国产一级毛片高清牌| 妹子高潮喷水视频| av网站免费在线观看视频| 久久 成人 亚洲| 国产不卡av网站在线观看| 色婷婷av一区二区三区视频| 啦啦啦啦在线视频资源| 精品福利永久在线观看| 成年人午夜在线观看视频| 欧美在线一区亚洲| 亚洲欧美精品综合一区二区三区| 欧美日韩成人在线一区二区| 韩国高清视频一区二区三区| 精品熟女少妇八av免费久了| 人人妻,人人澡人人爽秒播 | 久久国产亚洲av麻豆专区| 夫妻性生交免费视频一级片| 我要看黄色一级片免费的| 男女下面插进去视频免费观看| 精品福利观看| 丝袜人妻中文字幕| 国产高清视频在线播放一区 | 中文字幕人妻熟女乱码|