• <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 ?

    用于遙感圖像目標(biāo)快速匹配識(shí)別的改進(jìn)混合溢出樹算法

    2016-11-10 05:26:12陳彥彤樸永杰王燦進(jìn)
    光學(xué)精密工程 2016年9期
    關(guān)鍵詞:二進(jìn)制結(jié)點(diǎn)內(nèi)存

    陳彥彤,徐 偉,樸永杰,王燦進(jìn),陳 娟

    (1.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所,吉林 長(zhǎng)春 130033;2.中國(guó)科學(xué)院大學(xué),北京 100049)

    ?

    用于遙感圖像目標(biāo)快速匹配識(shí)別的改進(jìn)混合溢出樹算法

    陳彥彤1,2,徐偉1*,樸永杰1,王燦進(jìn)1,陳娟1

    (1.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所,吉林 長(zhǎng)春 130033;2.中國(guó)科學(xué)院大學(xué),北京 100049)

    提出一種基于標(biāo)記的混合溢出樹(SHSPT)特征匹配算法,用于遙感圖像的目標(biāo)匹配識(shí)別。針對(duì)特征數(shù)據(jù)建立和預(yù)處理,提出了基于中心點(diǎn)的數(shù)據(jù)分割方法,通過(guò)定義數(shù)據(jù)密集區(qū)域的中心,舍去邊緣稀疏數(shù)據(jù),提取出分割后的數(shù)據(jù)。進(jìn)行特征匹配時(shí),使用二進(jìn)制數(shù)組表示數(shù)據(jù)空間,標(biāo)記分割后的特征向量數(shù)據(jù),通過(guò)比特操作計(jì)算特征向量間的距離,縮短計(jì)算時(shí)間。最后對(duì)特征匹配方法進(jìn)行改進(jìn),采用待匹配特征距離的均值代替尺度不變特征變換(SIFT)匹配算法的次臨近特征距離,從而得到更多的匹配點(diǎn)。實(shí)驗(yàn)證明,基于標(biāo)記的混合溢出樹特征匹配算法占用內(nèi)存空間比傳統(tǒng)的混合溢出樹算法減少約68%,匹配準(zhǔn)確度與原算法接近,匹配時(shí)間平均縮短了約32.8%,解決了航天遙感圖像數(shù)據(jù)量大,特征維數(shù)較高,匹配識(shí)別時(shí)間長(zhǎng),占用計(jì)算機(jī)內(nèi)存大等問(wèn)題。

    遙感目標(biāo)識(shí)別;特征標(biāo)記;數(shù)據(jù)分割;圖像匹配;混合溢出樹算法

    1 引 言

    近年來(lái),我國(guó)航天遙感技術(shù)不斷發(fā)展,遙感圖像在空間分辨率、時(shí)間分辨率和光譜分辨率方面不斷提高,其應(yīng)用領(lǐng)域也愈加廣闊[1]。特別是在軍事方面,遙感圖像目標(biāo)匹配識(shí)別對(duì)于戰(zhàn)場(chǎng)偵察、戰(zhàn)術(shù)規(guī)劃、軍事測(cè)繪、海洋監(jiān)測(cè)等都有著重要的戰(zhàn)略意義[2-3]。

    目標(biāo)匹配識(shí)別技術(shù)[4-7]主要是利用特征匹配來(lái)識(shí)別目標(biāo),特征匹配是從兩組特征點(diǎn)集中找到兩兩距離最臨近的特征匹配對(duì),匹配對(duì)的集合即為所識(shí)別到的目標(biāo)[8-10]。目前尋找特征匹配對(duì)的方法大致可分為兩種,一種是窮舉法[11],即將數(shù)據(jù)集中的點(diǎn)與查詢點(diǎn)逐一進(jìn)行距離比較,這種方法不需要進(jìn)行數(shù)據(jù)預(yù)處理,實(shí)現(xiàn)簡(jiǎn)單,但是搜索效率較低,不適用于大規(guī)模數(shù)據(jù)集的檢索;第二種是建立數(shù)據(jù)索引,然后進(jìn)行快速匹配,例如M-tree[12]搜索算法、Kd-tree[13]搜索算法、寬度優(yōu)先搜索算法(Breadth First Search,BFS)[14]等。這些搜索算法雖然提高了搜索效率,但為保證搜索的準(zhǔn)確性,需要耗費(fèi)大量的時(shí)間進(jìn)行“回溯”操作,降低了搜索速度。

    針對(duì)這個(gè)問(wèn)題,學(xué)者們提出了很多改進(jìn)方案。其中Lee提出了Spill-tree算法[15],采用冗余分割的方式,避免了回溯操作,但同時(shí)也降低了查詢的準(zhǔn)確率;Moore提出了Hybrid Spill-tree的搜索策略[16],該方法結(jié)合了M-tree的深度優(yōu)先搜索算法(Depth First Search,DFS)[17]和Spill-tree的冗余分割算法,在非重疊結(jié)點(diǎn)使用回溯搜索,在重疊結(jié)點(diǎn)使用失敗搜索,從而提高了查詢精度,也適用于較高維數(shù)據(jù)的檢索,但面對(duì)遙感圖像大規(guī)模的數(shù)據(jù)量,仍然不能滿足快速處理的需求。

    目前對(duì)于遙感圖像的特征匹配仍然存在以下問(wèn)題:(1)遙感圖像背景復(fù)雜,特征數(shù)據(jù)分布較廣,這給建立數(shù)據(jù)索引時(shí)的數(shù)據(jù)分割帶來(lái)了困難;(2)遙感圖像數(shù)據(jù)量巨大,且生成的特征維數(shù)較高,給算法的計(jì)算效率和計(jì)算機(jī)存儲(chǔ)帶來(lái)挑戰(zhàn);(3)在高分辨情況下,特征的獨(dú)特性不高,傳統(tǒng)的特征匹配方法會(huì)導(dǎo)致大量的誤匹配。針對(duì)這些問(wèn)題,本文提出了適用于遙感圖像的基于標(biāo)記的混合溢出樹特征匹配識(shí)別方法(Signed Hybrid Spill-tree,SHSPT),首先通過(guò)篩選數(shù)據(jù)中心點(diǎn)的分割方式,更準(zhǔn)確地對(duì)大規(guī)模遙感數(shù)據(jù)進(jìn)行分割;然后應(yīng)用基于二進(jìn)制標(biāo)記的方法,提高特征匹配速度,降低計(jì)算機(jī)存儲(chǔ)占用空間;最后通過(guò)改進(jìn)尺度不變特征變換(Scale Invariant Feature Transform,SIFT)的特征匹配方法,提出了基于比值的K臨近均值匹配,從而能得到更多的匹配點(diǎn),并去除誤匹配點(diǎn),優(yōu)化匹配結(jié)果。

    2 中心點(diǎn)數(shù)據(jù)分割

    數(shù)據(jù)分割是建立數(shù)據(jù)索引的第一步,Hybrid Spill-tree算法通過(guò)選取給定數(shù)據(jù)集中距離最遠(yuǎn)的點(diǎn)作為端點(diǎn),然后將數(shù)據(jù)以遞增的方式排序,采用冗余分割的方式把數(shù)據(jù)平均分為兩組。但在實(shí)際應(yīng)用中,往往會(huì)因?yàn)閿?shù)據(jù)分布的不均勻或偏移較大,導(dǎo)致冗余分割后的重疊節(jié)點(diǎn)較少。根據(jù)文獻(xiàn)[13]方法,對(duì)一組分布不均勻的二維數(shù)據(jù)集{a,b,c,d,e,f,g,h,i}進(jìn)行分割,若采取平均分割的方式,則數(shù)據(jù)集被分為{a,b,c,d,e,f}和{g,h,i},如圖1(a)所示。若以中心點(diǎn)e為分割點(diǎn),雖然數(shù)據(jù)被平均分為{a,b,c,d,e}和{e,f,g,h,i},但依然無(wú)法判斷處于冗余區(qū)域中待匹配點(diǎn)的歸屬問(wèn)題,如圖1(b)所示。

    (a)平均分割方式(a)Average separate method(b)中心點(diǎn)分割方式(b)Center point separate method

    本文采用基于“中心點(diǎn)”的方法,構(gòu)建分裂樹。假定數(shù)據(jù)集為{a,b,c,d,e,f,g,h,i},具體步驟如下:

    (1)以中心點(diǎn)e(mid)作為數(shù)據(jù)中心,令數(shù)據(jù)密集端的a點(diǎn)作為左端點(diǎn)(left point),在右端選取到e的距離與a到e的距離最接近的點(diǎn)作為右端點(diǎn)(right point),在這里為h點(diǎn),然后舍去數(shù)據(jù)稀疏端的邊緣點(diǎn)i,如圖2所示。

    圖2 中心點(diǎn)的分割示意圖

    (2)過(guò)中心點(diǎn)e作一條垂直于坐標(biāo)軸的直線L,將數(shù)據(jù)集平均分為兩部分,再作兩條與L距離都為t的平行分割直線LL和LR,將它們分別作為區(qū)域RC與LC的邊界,在坐標(biāo)軸上選取距離右端點(diǎn)為2t的兩點(diǎn)M、N,這樣就將數(shù)據(jù)分為3組,如圖3所示。

    圖3 分裂樹構(gòu)建示意圖

    (3)對(duì)于數(shù)據(jù)集中的任意一點(diǎn)x,定義x到左端點(diǎn)的距離為D(left,x),x到M的距離為D(M,x),x到N的距離為D(N,x),則:

    (1)

    原數(shù)據(jù)集被冗余分割為兩組,其中LC={a,b,c,d,e},RC={d,e,f,g,h},重疊部分為{d,e}。

    3 二進(jìn)制數(shù)據(jù)標(biāo)記

    二進(jìn)制數(shù)據(jù)能夠大幅降低計(jì)算機(jī)的存儲(chǔ)空間,并且簡(jiǎn)化數(shù)據(jù)運(yùn)算。根據(jù)二維數(shù)據(jù)集{a,b,c,d,e,f},以點(diǎn)的形式在坐標(biāo)軸上表示,因此,本文提出將平面劃分為不同的區(qū)域,把數(shù)據(jù)集以區(qū)域代碼的形式表示出來(lái),如圖4所示。

    圖4 二進(jìn)制數(shù)據(jù)空間

    通過(guò)二進(jìn)制數(shù)據(jù)空間,將數(shù)據(jù)集以二進(jìn)制的形式表示出來(lái),如表1所示。

    表1 標(biāo)記后的數(shù)據(jù)集

    二進(jìn)制數(shù)組將數(shù)據(jù)空間劃分為16個(gè)數(shù)據(jù)子空間,根據(jù)二進(jìn)制數(shù)據(jù)空間,原始數(shù)據(jù)被轉(zhuǎn)換為二進(jìn)制數(shù)組的形式,但會(huì)出現(xiàn)不同數(shù)據(jù)對(duì)應(yīng)同一標(biāo)記的情況,如表1中:c(0.3,0.7),d(0.4,0.6),對(duì)應(yīng)同一標(biāo)記0110。根據(jù)二進(jìn)制數(shù)據(jù)空間,不同數(shù)據(jù)對(duì)應(yīng)同一標(biāo)記的概率P為:

    P=(1/2n)D,

    (2)

    其中:n為二進(jìn)制數(shù)據(jù)空間的比特個(gè)數(shù);D為數(shù)據(jù)的向量維數(shù)。在實(shí)際應(yīng)用中,由于遙感圖像的特征維數(shù)較高,這種情況發(fā)生的概率較小,因此并不會(huì)影響最終的匹配識(shí)別結(jié)果。

    4 SHSPT特征匹配

    針對(duì)遙感圖像數(shù)據(jù)量大、特征分布廣的特點(diǎn),本文提出基于二進(jìn)制標(biāo)記的SHSPT數(shù)據(jù)搜索算法,其構(gòu)造過(guò)程如下:首先對(duì)每個(gè)SIFT算法生成的128維遙感圖像特征數(shù)據(jù)進(jìn)行標(biāo)記處理,將特征數(shù)據(jù)的兩個(gè)維度作為一組,共需要標(biāo)記64組,如圖5所示。為了提高標(biāo)記的精度,采用4位二進(jìn)制數(shù)進(jìn)行標(biāo)記,因此可將特征空間劃分為256(24×24)個(gè)子空間。

    圖5 遙感圖像特征標(biāo)記方式

    然后由Hybrid Spill-tree算法和中心點(diǎn)數(shù)據(jù)分割方法可知,閾值ρ<1,實(shí)驗(yàn)中取為0.7。對(duì)每個(gè)根結(jié)點(diǎn)v,設(shè)其包含的點(diǎn)數(shù)為N(v),使用重疊緩沖區(qū)分裂點(diǎn)集,若其任意子結(jié)點(diǎn)包含的點(diǎn)數(shù)超過(guò)ρ*N(v),則停止分裂,將t設(shè)為0,即該結(jié)點(diǎn)的左右子樹沒(méi)有重疊區(qū)域,并且標(biāo)記v為一個(gè)非重疊的結(jié)點(diǎn);若該結(jié)點(diǎn)的兩個(gè)子結(jié)點(diǎn)包含的點(diǎn)數(shù)均不超過(guò)ρ*N(v),則標(biāo)記為重疊結(jié)點(diǎn)。這樣可以保證每次分裂后,子結(jié)點(diǎn)包含的點(diǎn)數(shù)均小于父結(jié)點(diǎn)包含的點(diǎn)數(shù),最后SHSPT的索引深度為O(log(n))。

    SHSPT算法中,在非重疊結(jié)點(diǎn)使用回溯搜索,在重疊結(jié)點(diǎn)使用Defeatist搜索,通過(guò)標(biāo)記數(shù)據(jù),可以在特征匹配階段使用異或運(yùn)算,以大幅提高匹配速度。

    5 基于比值的K臨近均值匹配

    原有的SIFT特征匹配利用最鄰近匹配特征d(1)和次鄰近匹配特征d(2)的比值[18],如公式(3)所示:

    d(1)/d(2)≤t.

    (3)

    (4)

    實(shí)驗(yàn)中K取總數(shù)據(jù)的5%,t=0.85toriginal,toriginal與原匹配方法的閾值相同時(shí),認(rèn)為特征正確匹配。

    6 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證算法的效率,本文取M-tree、Hybrid Spill-tree算法作為對(duì)比算法,做了3組實(shí)驗(yàn):(1)3種算法占用計(jì)算機(jī)內(nèi)存空間統(tǒng)計(jì)實(shí)驗(yàn);(2)特征匹配準(zhǔn)確度對(duì)比實(shí)驗(yàn);(3)特征匹配時(shí)間對(duì)比實(shí)驗(yàn)。本文實(shí)驗(yàn)的硬件環(huán)境為:Intel(R) Core(TM) i5-4570 CPU@3.2 GHz,4 G內(nèi)存,Window 7系統(tǒng);實(shí)驗(yàn)軟件平臺(tái)為Visual Studio2010 + OpenCV 2.4.11。實(shí)驗(yàn)選用美國(guó)Astrium和Digital Globe公司的高分辨遙感影像數(shù)據(jù)庫(kù)中的600幅圖像進(jìn)行算法驗(yàn)證,其中包含Spot6衛(wèi)星拍攝的像元分辨率為1.5 m的圖像200幅,以圖6(a)為例;QuickBird衛(wèi)星拍攝的像元分辨率為0.61 m的圖像200幅,以圖6(b)為例;WorldView-2衛(wèi)星拍攝的像元分辨率為0.5 m 的圖像200幅,以圖6為例。

    (a)北京機(jī)場(chǎng)圖像(a)Beijing airport (b)墨西哥機(jī)場(chǎng)圖像(b)Mexico airport (c)紐約機(jī)場(chǎng)圖像(c)New York airport

    6.1計(jì)算機(jī)內(nèi)存占用實(shí)驗(yàn)

    實(shí)驗(yàn)中使用M-tree、Hybrid Spill-tree、SHSPT三種算法,對(duì)SIFT提取到的特征進(jìn)行匹配識(shí)別,其中3幅遙感圖像中包含的特征向量數(shù)據(jù)分別為2 721組、4 177組和10 782組,每個(gè)數(shù)據(jù)為128維,圖7(彩圖見(jiàn)期刊電子版)顯示的是3種算法計(jì)算機(jī)內(nèi)存占用情況對(duì)比。

    圖7 3種算法占用內(nèi)存對(duì)比

    如圖7所示,M-tree算法平均占用內(nèi)存量為63.03 MB,占用量適中;而Hybrid Spill-tree算法平均占用內(nèi)存量為103.7 MB,占用量較大,這主要因?yàn)槠洳捎昧巳哂喾指畹乃惴ǎ幱谌哂鄥^(qū)域的特征數(shù)據(jù)需要重復(fù)占用內(nèi)存空間,從而增大了內(nèi)存消耗;SHSPT算法平均占用內(nèi)存僅為33.2 MB,相比于Hybrid Spill-tree算法減少了68%。這是因?yàn)镾HSPT將提取到的特征向量轉(zhuǎn)變?yōu)榱硕M(jìn)制數(shù)組,在計(jì)算機(jī)的存儲(chǔ)機(jī)制中,原有算法為浮點(diǎn)型數(shù)據(jù),每個(gè)數(shù)據(jù)需要4個(gè)字節(jié)的存儲(chǔ)空間,即32比特,而本文算法中每?jī)山M數(shù)據(jù)僅需1個(gè)字節(jié)即8比特?cái)?shù)據(jù),大幅節(jié)省了占用空間。

    6.2特征匹配識(shí)別精確度比較

    遙感圖像目標(biāo)匹配識(shí)別的關(guān)鍵因素是匹配識(shí)別的精確程度,實(shí)驗(yàn)中使用3種算法對(duì)3幅遙感圖像分別進(jìn)行飛機(jī)目標(biāo)的匹配識(shí)別,但本文算法使用了改進(jìn)后的匹配方法,識(shí)別結(jié)果如圖8~10(彩圖見(jiàn)期刊電子版)所示。

    (a)M-Tree(b)Hybrid Spill-Tree(c)SHSPT

    (a)M-Tree (b)Hybrid Spill-Tree (c)SHSPT

    (a)M-Tree (b)Hybrid Spill-Tree (c)SHSPT

    從實(shí)驗(yàn)結(jié)果可以看出,M-tree算法的匹配準(zhǔn)確度最好,Hybrid Spill-Tree算法和本文算法由于都采用了冗余分割的方式,導(dǎo)致誤匹配點(diǎn)增加,但本文算法通過(guò)改進(jìn)特征匹配方法,獲得了更多的匹配點(diǎn),最終提高了匹配識(shí)別的正確率,結(jié)果優(yōu)于Hybrid Spill-Tree算法,且與M-tree 算法的準(zhǔn)確率接近。表2為3種算法匹配識(shí)別正確率的統(tǒng)計(jì)結(jié)果。

    表2 3種算法匹配識(shí)別正確率比較

    6.3計(jì)算復(fù)雜度比較

    在計(jì)算復(fù)雜度對(duì)比實(shí)驗(yàn)中,分別比較了3種算法在特征匹配上的耗時(shí),并得到每種算法的總耗時(shí),如表3所示。

    從表3可以看出,M-tree算法的耗時(shí)最長(zhǎng),這主要因?yàn)槠洳捎昧嘶厮莸乃阉鞣绞?,Hybrid Spill-tree算法耗時(shí)次之,而本文算法耗時(shí)最短,且隨著圖像特征點(diǎn)的增加,算法的優(yōu)勢(shì)更加明顯。這是因?yàn)楸疚姆椒ú捎昧硕M(jìn)制的匹配方式,在匹配時(shí)可以通過(guò)異或方式計(jì)算特征間的距離,比傳統(tǒng)的計(jì)算歐式距離的方法計(jì)算量更小。

    表3 特征提取算法耗時(shí)比較

    7 結(jié) 論

    本文在Hybrid Spill-tree算法的基礎(chǔ)上,提出一種基于標(biāo)記的混合溢出樹的特征匹配算法,并應(yīng)用于遙感圖像的目標(biāo)匹配識(shí)別。在特征數(shù)據(jù)建立和預(yù)處理階段,采用基于中心點(diǎn)的分割方式,解決了由于數(shù)據(jù)偏移導(dǎo)致的冗余分割區(qū)域特征點(diǎn)過(guò)少的問(wèn)題;在特征匹配階段,采用標(biāo)記的方式,將遙感圖像特征向量轉(zhuǎn)換為二進(jìn)制數(shù)據(jù),以減少計(jì)算機(jī)內(nèi)存消耗,并通過(guò)異或運(yùn)算度量特征向量間的距離,以縮短計(jì)算時(shí)間;最后改進(jìn)了SIFT特征匹配方法,采用K鄰近匹配特征距離的均值代替次鄰近距離,最大限度地保留了匹配特征點(diǎn)。實(shí)驗(yàn)證明,應(yīng)用SHSPT搜索算法對(duì)遙感圖像進(jìn)行目標(biāo)匹配識(shí)別時(shí),計(jì)算機(jī)內(nèi)存占用量較傳統(tǒng)算法減少約68%,匹配的準(zhǔn)確度更高,耗時(shí)縮短了約32.8%,適用于遙感圖像目標(biāo)的快速匹配識(shí)別。

    [1]金光,徐偉. “吉林一號(hào)”小型高分辨率多光譜遙感衛(wèi)星[J]. 空間對(duì)地觀測(cè)工程與技術(shù),2014,12(2):25-32.

    JIN G, XU W. Light weight high resolution multispectral small satellite [J].SpaceEarthObservationEngineeringAndTechnology, 2014, 12(2): 25-32. (in Chinese)

    [2]陳彥彤,王紹舉. 高分辨遙感圖像目標(biāo)識(shí)別技術(shù)綜述[J]. 中國(guó)光學(xué),2014,7(增):17-23.CHEN Y T, WANG SH J. Review of target recognition technology for high resolution remote sensing image [J].ChineseOptics, 2014, 7(S): 17-23. (in Chinese)

    [3]張仲瑜,焦淑紅. 多特征融合的紅外艦船目標(biāo)檢測(cè)方法[J]. 紅外與激光工程,2015,44(增):29-34.

    ZHANG ZH Y, JIAO SH H. Infrared ship target detection method based on multiple feature fusion [J].InfraredandLaserEngineering, 2015, 44(S): 29-34. (in Chinese)

    [4]田浩南,張葉. 基于邊緣及特征點(diǎn)匹配的立體圖像質(zhì)量評(píng)價(jià)[J]. 液晶與顯示,2015,30(4):666-672.

    TIAN H N, ZHANG Y. Quality evaluation of stereo image based on edge and characteristic point matching [J].ChineseJournalofLiquidCrystalsandDisplays, 2015, 30(4): 666-672. (in Chinese)

    [5]BURGHARDT T, DAMEN D. Correspondence,matching and recognition [J].InternationalJournalofComputerVision, 2015, 113(3): 161-162.

    [6]趙立榮,朱瑋,曹永剛,等. 改進(jìn)的加速魯棒特征算法在特征匹配中的應(yīng)用[J]. 光學(xué) 精密工程,2013,21(12):3263-3271.ZHAO L R, ZHU W, CAO Y G,etal.. Application of improved SURF algorithm to feature matching [J].Opt.PrecisionEng., 2013, 21(12): 3263-3271. (in Chinese)[7]張博研,李廣澤,武星星. Quickbird遙感影像的車輛自動(dòng)檢測(cè)與運(yùn)動(dòng)參數(shù)估計(jì)[J]. 液晶與顯示,2015,30(4):687-694.

    ZHANG B Y, LI G Z, WU X X. Speed estimation and automatic detection of moving vehicle from Quickbird satellite image [J].ChineseJournalofLiquidCrystalsandDisplays, 2015, 30(4): 687-694. (in Chinese)

    [8]ZAMIR A R, SHAH M. Image Geo-Localization based on multiple nearest neighbor feature matching using generalized graphs [J].IEEETrans.onPatternAnalysisandMachineIntelligence, 2014, 36(8): 1546-1558.

    [9]邵振峰,陳敏. 尺度旋轉(zhuǎn)以及亮度穩(wěn)健的高分辨率影像直線特征匹配[J]. 光學(xué) 精密工程,2013,21(3):790-798.

    SHAO ZH F, CHEN M. Line-based matching for high-resolution images with robustness for scale, rotation andillumination [J].Opt.PrecisionEng., 2013, 21(3): 790-798. (in Chinese)

    [10]王志強(qiáng),程紅,楊桄,等. 全局圖像配準(zhǔn)的目標(biāo)快速定位方法[J]. 紅外與激光工程,2015,44(增):225-229.

    WANG ZH Q, CHENG H, YANG G,etal.. Fast target location method of global image registration [J].InfraredandLaserEngineering, 2015, 44(S): 225-229. (in Chinese)

    [11]CHOI H H, BAE S J. Fast parallelk-NN search in high-dimensional spaces[C].Proc.oftheFourthInternationalConferenceonCreativeContentTechnologies, 2012: 32-37.

    [12]LIU B Y, SADEGHI F, TAPPEN M. Probabilistic label trees for efficient large scale image classification [C]. 2013IEEEConferenceonComputerVisionandPatternRecognition(CVPR), 2013: 843-850.

    [13]BINDICK S, STIEBLER M, KRAFCZYK M. Fast kd-tree-based hierarchical radiosity for radiative heat transport problems [J].InternationalJournalforNumericalMethodsinEngineering, 2011, 86(9): 1082-1100.

    [14]CHEN Y, XU M, LIU H L,etal.. An improved image mosaic based on Canny edge and an 18-dimensional descriptor [J].Optik, 2014, 125(17): 4745-4750.

    [15]LI Z H, NEE A Y C, ONG S K,etal.. Tampered image detection using image matching [C]. 5thInternationalConferenceonComputerGraphics,ImagingandVisualization(CGIV), 2008: 174-179.

    [16]LEE H J, KIM H L, CHANG J W. An efficient high-dimensional indexing scheme using a clustering technique for content-based retrieval [C].Proc.oftheInternationalConferenceonComputationalScienceandEngineering, 2009: 318-323.

    [17]MAHMUD M S, SARKER U, ISLAM M M. A greedy approach in path selection for DFS based maze-map discovery algorithm for an autonomous robot [C].Proc.ofInternationalConferenceonComputerandInformationTechnology(ICCIT), 2012: 22-24.

    [18]ANDREA COSTANZO, IRENE AMERINI, ROBERTO CALDELLI. Forensic analysis of SIFT keypoint removal and injection [J].IEEETrans.OnInformationForensicsandSecurity, 2014, 9(9): 1450-1464.

    陳彥彤(1989-),男,遼寧沈陽(yáng)人,博士研究生,2012年于吉林大學(xué)獲得學(xué)士學(xué)位,主要從事模式識(shí)別及機(jī)器視覺(jué)方面的研究。E-mail: chenyantong1@yeah.net

    導(dǎo)師簡(jiǎn)介:

    徐偉(1981-),男,黑龍江大慶人,博士,研究員,2003年于吉林大學(xué)獲得學(xué)士學(xué)位,2008年于中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所獲得博士學(xué)位,主要從事星載一體化衛(wèi)星技術(shù)及高可靠一體化航天電子學(xué)系統(tǒng)等方面的研究。E-mail: xwciomp@126.com

    (版權(quán)所有未經(jīng)許可不得轉(zhuǎn)載)

    Improved hybrid spill-tree algorithm for fast target matching recognition of satellite images

    CHEN Yan-tong1, 2, XU Wei1*, PIAO Yong-jie1, WANG Can-jin1, CHEN Juan1

    (1.ChangchunInstituteofOptics,F(xiàn)ineMechanicsandPhysics,ChineseAcademyofSciences,Changchun130033,China;2.UniversityofChineseAcademyofSciences,Beijing100049,China)*Correspondingauthor,E-mail:xwciomp@126.com

    An improved Hybrid Spill-tree algorithm based on the signed method defined as Signed Hybrid Spill-tree (SHSPT) was proposed for target matching of remote sensing images. For establishing data and preprocessing, a data separate method based on a center point was proposed, the separated data were extracted by defining the center of dense data, and the edge data were abandoned. In the feature matching, binary array were used to express the data space and to mark the feature vector. Then, the bit operation was used to compute the distance between the feature vectors and to shorten the computing time. Finally, the feature matching algorithm was improved. The average value of the feature distance was used to replace the secondary characteristic distance from the Scale Invariant Feature Transform(SIFT)matching algorithm to obtain more matching points. The test results show that the computer memory by proposed algorithm is reduced 68% than that of traditional hybrid spill-tree method, and matching accuracy is closed to that of the traditional one. In addition, the method reduces 32.8% matching time. It solves the problems of remote sensing images in larger data amounts, higher dimensions, longer matching time and larger computer memory.

    remote target recognition; feature mark; data partition; image matching; hybrid spill-tree algorithm

    2016-01-18;

    2016-03-04.

    國(guó)家863高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目(No.2012AA121502)

    1004-924X(2016)09-2310-08

    TP753

    A

    10.3788/OPE.20162409.2310

    猜你喜歡
    二進(jìn)制結(jié)點(diǎn)內(nèi)存
    用二進(jìn)制解一道高中數(shù)學(xué)聯(lián)賽數(shù)論題
    有趣的進(jìn)度
    二進(jìn)制在競(jìng)賽題中的應(yīng)用
    “春夏秋冬”的內(nèi)存
    Ladyzhenskaya流體力學(xué)方程組的確定模與確定結(jié)點(diǎn)個(gè)數(shù)估計(jì)
    基于Raspberry PI為結(jié)點(diǎn)的天氣云測(cè)量網(wǎng)絡(luò)實(shí)現(xiàn)
    基于內(nèi)存的地理信息訪問(wèn)技術(shù)
    一個(gè)生成組合的新算法
    基于DHT全分布式P2P-SIP網(wǎng)絡(luò)電話穩(wěn)定性研究與設(shè)計(jì)
    上網(wǎng)本為什么只有1GB?
    亚洲精品中文字幕在线视频| 亚洲人成网站在线播| 中文字幕免费在线视频6| 国产一区有黄有色的免费视频| 免费大片黄手机在线观看| 亚洲一区二区三区欧美精品| 在线观看三级黄色| 插阴视频在线观看视频| 女的被弄到高潮叫床怎么办| 91精品一卡2卡3卡4卡| 美女大奶头黄色视频| 亚洲综合色惰| 国产在视频线精品| 夜夜爽夜夜爽视频| 欧美精品人与动牲交sv欧美| 有码 亚洲区| 一级毛片我不卡| 嘟嘟电影网在线观看| 考比视频在线观看| 国产极品天堂在线| 久久久久人妻精品一区果冻| 国产亚洲一区二区精品| 久久精品国产亚洲av涩爱| 久久99精品国语久久久| 午夜免费鲁丝| 中文字幕免费在线视频6| 亚洲国产日韩一区二区| 国产极品粉嫩免费观看在线 | 黄色视频在线播放观看不卡| 日韩视频在线欧美| 国产av精品麻豆| 搡女人真爽免费视频火全软件| 久久97久久精品| 国产一级毛片在线| 久久久久国产网址| 久久免费观看电影| 婷婷色综合大香蕉| 久久久国产一区二区| 一边亲一边摸免费视频| 搡女人真爽免费视频火全软件| 日韩av免费高清视频| 国产亚洲午夜精品一区二区久久| 精品少妇内射三级| 午夜老司机福利剧场| 国产在视频线精品| 春色校园在线视频观看| 国语对白做爰xxxⅹ性视频网站| 精品久久久精品久久久| 校园人妻丝袜中文字幕| 日本wwww免费看| 大话2 男鬼变身卡| 欧美三级亚洲精品| 满18在线观看网站| 亚洲精品久久久久久婷婷小说| 亚洲欧美成人综合另类久久久| 中文精品一卡2卡3卡4更新| 啦啦啦中文免费视频观看日本| 日本欧美国产在线视频| 秋霞在线观看毛片| 欧美 日韩 精品 国产| 国产精品久久久久久久久免| 久久精品国产鲁丝片午夜精品| 高清毛片免费看| 免费黄频网站在线观看国产| 在线观看一区二区三区激情| 久久精品熟女亚洲av麻豆精品| 日韩精品免费视频一区二区三区 | 国产精品国产三级国产专区5o| 飞空精品影院首页| 久久精品熟女亚洲av麻豆精品| 伊人亚洲综合成人网| 色哟哟·www| 国产成人aa在线观看| 另类亚洲欧美激情| av免费观看日本| av在线播放精品| 亚洲人成网站在线播| 人人妻人人澡人人爽人人夜夜| 菩萨蛮人人尽说江南好唐韦庄| 国模一区二区三区四区视频| 青春草视频在线免费观看| 制服丝袜香蕉在线| 大片电影免费在线观看免费| 国产 精品1| av专区在线播放| 天天躁夜夜躁狠狠久久av| 午夜久久久在线观看| 热re99久久国产66热| 欧美精品亚洲一区二区| 亚洲欧美中文字幕日韩二区| 我要看黄色一级片免费的| 亚州av有码| 尾随美女入室| 亚洲国产最新在线播放| av国产精品久久久久影院| 99九九在线精品视频| 国产精品一二三区在线看| 老司机影院成人| 女性被躁到高潮视频| 最近的中文字幕免费完整| 免费看av在线观看网站| 久久毛片免费看一区二区三区| 成人亚洲欧美一区二区av| 我的老师免费观看完整版| 纵有疾风起免费观看全集完整版| 天堂8中文在线网| 丝袜在线中文字幕| 欧美最新免费一区二区三区| 国产精品三级大全| 欧美日韩亚洲高清精品| 你懂的网址亚洲精品在线观看| 啦啦啦在线观看免费高清www| 久久久久精品性色| 不卡视频在线观看欧美| 97超视频在线观看视频| 水蜜桃什么品种好| 性高湖久久久久久久久免费观看| 中文精品一卡2卡3卡4更新| 51国产日韩欧美| 夜夜爽夜夜爽视频| 在线精品无人区一区二区三| 美女脱内裤让男人舔精品视频| 久久99精品国语久久久| 欧美日韩精品成人综合77777| 只有这里有精品99| 高清av免费在线| 久久久精品94久久精品| 午夜福利影视在线免费观看| 亚洲av综合色区一区| 久久99精品国语久久久| 看非洲黑人一级黄片| 最后的刺客免费高清国语| 精品久久久噜噜| 一级,二级,三级黄色视频| 免费大片18禁| 丝袜喷水一区| 国产精品无大码| 18禁在线无遮挡免费观看视频| 国产高清三级在线| 久久久久久久久久久久大奶| 久久 成人 亚洲| videos熟女内射| 人成视频在线观看免费观看| 国产高清有码在线观看视频| 男人添女人高潮全过程视频| 久久精品久久久久久噜噜老黄| 一本久久精品| 欧美激情国产日韩精品一区| 欧美精品国产亚洲| 亚洲精品国产av蜜桃| 国产av精品麻豆| 国产男女内射视频| 成人二区视频| 91久久精品电影网| 校园人妻丝袜中文字幕| 日韩电影二区| 少妇人妻 视频| 免费日韩欧美在线观看| 一个人看视频在线观看www免费| 久久精品国产自在天天线| 中文字幕精品免费在线观看视频 | 国产精品久久久久久久电影| 亚洲av电影在线观看一区二区三区| 999精品在线视频| 国产成人精品在线电影| 在线观看三级黄色| 亚洲欧美日韩另类电影网站| 亚洲图色成人| 国产不卡av网站在线观看| 欧美日本中文国产一区发布| 国产av码专区亚洲av| 亚洲成色77777| 制服诱惑二区| 美女xxoo啪啪120秒动态图| 免费黄色在线免费观看| 久久婷婷青草| 大话2 男鬼变身卡| xxx大片免费视频| 亚洲精品成人av观看孕妇| 国产在线免费精品| 高清av免费在线| 美女视频免费永久观看网站| 91久久精品电影网| 丰满少妇做爰视频| 欧美+日韩+精品| 成人国产av品久久久| 成人亚洲精品一区在线观看| 国产成人精品婷婷| 婷婷色av中文字幕| 在线看a的网站| 人人澡人人妻人| 狠狠精品人妻久久久久久综合| 满18在线观看网站| 久久午夜福利片| 午夜免费观看性视频| 哪个播放器可以免费观看大片| 国语对白做爰xxxⅹ性视频网站| 久久这里有精品视频免费| 男人操女人黄网站| 成年人午夜在线观看视频| 日日摸夜夜添夜夜添av毛片| 亚洲美女黄色视频免费看| 久久午夜综合久久蜜桃| 黄色视频在线播放观看不卡| 国产深夜福利视频在线观看| 欧美变态另类bdsm刘玥| 美女大奶头黄色视频| 久久久精品94久久精品| 久久久久国产精品人妻一区二区| 黄色欧美视频在线观看| 22中文网久久字幕| 91在线精品国自产拍蜜月| 日韩视频在线欧美| 亚洲欧美成人综合另类久久久| 男人爽女人下面视频在线观看| 亚洲久久久国产精品| www.色视频.com| 97精品久久久久久久久久精品| 日韩熟女老妇一区二区性免费视频| 有码 亚洲区| 欧美另类一区| 亚洲欧美日韩卡通动漫| 成人二区视频| 亚洲国产日韩一区二区| 男人操女人黄网站| 黄色怎么调成土黄色| 特大巨黑吊av在线直播| 制服丝袜香蕉在线| videossex国产| 午夜视频国产福利| 菩萨蛮人人尽说江南好唐韦庄| 狂野欧美白嫩少妇大欣赏| 久久精品人人爽人人爽视色| 中国国产av一级| 丁香六月天网| 亚洲精品久久久久久婷婷小说| 久久午夜福利片| 免费看不卡的av| 日日撸夜夜添| 国产精品久久久久久久久免| 久久免费观看电影| 国产在视频线精品| 亚洲在久久综合| 久久久久视频综合| 精品人妻一区二区三区麻豆| 一区在线观看完整版| 中文乱码字字幕精品一区二区三区| 国产在线免费精品| 久久综合国产亚洲精品| 大又大粗又爽又黄少妇毛片口| 婷婷色综合大香蕉| 欧美3d第一页| 日韩人妻高清精品专区| 91精品伊人久久大香线蕉| 日韩成人伦理影院| 夫妻午夜视频| 高清毛片免费看| 免费人妻精品一区二区三区视频| 国产精品久久久久成人av| 一个人看视频在线观看www免费| xxx大片免费视频| 免费黄网站久久成人精品| 午夜日本视频在线| 亚洲av免费高清在线观看| 国产在线免费精品| 综合色丁香网| 亚洲性久久影院| 国产成人精品婷婷| 在线观看一区二区三区激情| 精品一区二区免费观看| 特大巨黑吊av在线直播| 国产精品一国产av| 少妇 在线观看| 插逼视频在线观看| 少妇猛男粗大的猛烈进出视频| 国产av一区二区精品久久| 色吧在线观看| 晚上一个人看的免费电影| 亚洲激情五月婷婷啪啪| a级毛片黄视频| 免费高清在线观看日韩| 亚洲欧美日韩卡通动漫| 欧美激情国产日韩精品一区| 18禁在线播放成人免费| 精品一品国产午夜福利视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲人成网站在线播| 汤姆久久久久久久影院中文字幕| 国产成人aa在线观看| 久久国产精品大桥未久av| 久久青草综合色| 日韩欧美一区视频在线观看| 女人精品久久久久毛片| 伊人久久国产一区二区| 最黄视频免费看| 亚洲精品成人av观看孕妇| 成年美女黄网站色视频大全免费 | videosex国产| 高清不卡的av网站| 91精品三级在线观看| 国产视频首页在线观看| 大又大粗又爽又黄少妇毛片口| 精品久久久久久电影网| 成年av动漫网址| 国产精品成人在线| 亚洲五月色婷婷综合| 肉色欧美久久久久久久蜜桃| 亚洲综合精品二区| 亚洲人成77777在线视频| 国产综合精华液| 午夜视频国产福利| 亚洲欧洲日产国产| 亚洲三级黄色毛片| 久久人人爽人人爽人人片va| 丁香六月天网| 国产精品国产三级国产av玫瑰| 三上悠亚av全集在线观看| 国产精品偷伦视频观看了| 欧美xxxx性猛交bbbb| 亚洲久久久国产精品| 一本—道久久a久久精品蜜桃钙片| 在现免费观看毛片| 亚洲精品久久成人aⅴ小说 | 亚洲综合色惰| 国产在视频线精品| 日韩一区二区视频免费看| 午夜福利网站1000一区二区三区| 美女视频免费永久观看网站| 肉色欧美久久久久久久蜜桃| 激情五月婷婷亚洲| 另类精品久久| 久久精品人人爽人人爽视色| 精品一区在线观看国产| 九九爱精品视频在线观看| 免费观看在线日韩| 亚洲欧洲国产日韩| 国精品久久久久久国模美| 老熟女久久久| 国产免费现黄频在线看| 日韩制服骚丝袜av| a 毛片基地| 亚洲,欧美,日韩| 精品国产一区二区久久| 亚洲精品国产av成人精品| 国产av一区二区精品久久| 国产黄色免费在线视频| 免费观看性生交大片5| 亚洲精品成人av观看孕妇| 高清视频免费观看一区二区| av福利片在线| 日本欧美国产在线视频| 精品人妻熟女毛片av久久网站| 亚洲欧洲日产国产| 蜜桃在线观看..| 91久久精品国产一区二区三区| 青春草视频在线免费观看| 在线观看三级黄色| 大又大粗又爽又黄少妇毛片口| av又黄又爽大尺度在线免费看| av黄色大香蕉| 一本—道久久a久久精品蜜桃钙片| 中文字幕人妻熟人妻熟丝袜美| 视频区图区小说| 亚洲国产成人一精品久久久| 26uuu在线亚洲综合色| 久久久久久久大尺度免费视频| av播播在线观看一区| 国产乱来视频区| 精品人妻偷拍中文字幕| 人妻系列 视频| 男女啪啪激烈高潮av片| 韩国高清视频一区二区三区| 国产精品一国产av| 熟妇人妻不卡中文字幕| 少妇人妻 视频| 亚洲不卡免费看| 最黄视频免费看| 亚洲人成网站在线播| 国产欧美日韩综合在线一区二区| 欧美成人午夜免费资源| 久久久久久伊人网av| 老女人水多毛片| 色婷婷av一区二区三区视频| 日本欧美视频一区| 有码 亚洲区| 精品一区在线观看国产| 高清在线视频一区二区三区| 爱豆传媒免费全集在线观看| 精品一品国产午夜福利视频| 久久午夜综合久久蜜桃| 日韩成人伦理影院| 国产av国产精品国产| 老司机影院成人| 色网站视频免费| 亚洲欧美清纯卡通| 亚洲av日韩在线播放| 女性被躁到高潮视频| 亚洲av日韩在线播放| 女性被躁到高潮视频| 91久久精品电影网| 国产 精品1| 91午夜精品亚洲一区二区三区| 水蜜桃什么品种好| 亚洲精品亚洲一区二区| 久久久精品区二区三区| 欧美日韩精品成人综合77777| 女的被弄到高潮叫床怎么办| 又大又黄又爽视频免费| 在线观看人妻少妇| 18禁裸乳无遮挡动漫免费视频| 国产精品麻豆人妻色哟哟久久| 日韩大片免费观看网站| 欧美97在线视频| 有码 亚洲区| av视频免费观看在线观看| 久久午夜综合久久蜜桃| 免费看光身美女| 国产成人免费无遮挡视频| 国产在线免费精品| 亚洲精品国产av成人精品| 成年美女黄网站色视频大全免费 | 五月开心婷婷网| 毛片一级片免费看久久久久| 全区人妻精品视频| 男人爽女人下面视频在线观看| 欧美精品人与动牲交sv欧美| 在线免费观看不下载黄p国产| 亚洲精品视频女| 建设人人有责人人尽责人人享有的| 亚洲精品,欧美精品| 18禁动态无遮挡网站| 精品国产一区二区久久| 国产免费又黄又爽又色| 亚洲精品国产色婷婷电影| 亚洲久久久国产精品| 国精品久久久久久国模美| 国产白丝娇喘喷水9色精品| 国语对白做爰xxxⅹ性视频网站| 欧美三级亚洲精品| 亚洲精品成人av观看孕妇| 国产精品成人在线| 老熟女久久久| 亚洲综合色网址| 两个人免费观看高清视频| 伦理电影免费视频| www.av在线官网国产| 18禁在线无遮挡免费观看视频| 日本-黄色视频高清免费观看| 亚洲国产色片| av在线观看视频网站免费| 丝袜在线中文字幕| 国产一区二区在线观看av| 日本欧美视频一区| 久久午夜综合久久蜜桃| 久久久久久久久久久免费av| 五月天丁香电影| 亚洲精品自拍成人| 国产精品蜜桃在线观看| 桃花免费在线播放| 久久久精品免费免费高清| 9色porny在线观看| 五月开心婷婷网| 国产亚洲精品久久久com| 久久热精品热| 亚洲国产成人一精品久久久| 色吧在线观看| 国产精品人妻久久久久久| 精品少妇久久久久久888优播| 黑丝袜美女国产一区| 99久久精品国产国产毛片| 母亲3免费完整高清在线观看 | 中国国产av一级| 久久鲁丝午夜福利片| 国模一区二区三区四区视频| 纵有疾风起免费观看全集完整版| 免费看av在线观看网站| 日本vs欧美在线观看视频| 美女中出高潮动态图| 黑人欧美特级aaaaaa片| 性高湖久久久久久久久免费观看| 国产老妇伦熟女老妇高清| 91午夜精品亚洲一区二区三区| 久久毛片免费看一区二区三区| 久久女婷五月综合色啪小说| 中文精品一卡2卡3卡4更新| 黑人猛操日本美女一级片| 午夜福利视频在线观看免费| 国产精品一国产av| 国产精品一区www在线观看| 99精国产麻豆久久婷婷| 好男人视频免费观看在线| 伊人久久精品亚洲午夜| 黑人猛操日本美女一级片| 亚洲精品一区蜜桃| 制服诱惑二区| 少妇熟女欧美另类| 欧美精品一区二区大全| 国产亚洲精品久久久com| 一级毛片黄色毛片免费观看视频| 黄色毛片三级朝国网站| 日本黄色日本黄色录像| 亚洲精品久久午夜乱码| 国产伦理片在线播放av一区| a级毛片免费高清观看在线播放| 午夜免费观看性视频| 九色成人免费人妻av| 亚洲第一av免费看| 国产一区亚洲一区在线观看| av在线app专区| 欧美日韩精品成人综合77777| 亚洲av不卡在线观看| 国产精品成人在线| 人妻系列 视频| 国产午夜精品久久久久久一区二区三区| 免费看av在线观看网站| 色吧在线观看| 中国美白少妇内射xxxbb| 亚洲婷婷狠狠爱综合网| 纵有疾风起免费观看全集完整版| 蜜桃国产av成人99| 在线观看三级黄色| 日韩,欧美,国产一区二区三区| 成人无遮挡网站| 交换朋友夫妻互换小说| 欧美 日韩 精品 国产| 中文精品一卡2卡3卡4更新| 亚洲性久久影院| 婷婷色综合www| 国产精品国产三级专区第一集| 精品亚洲乱码少妇综合久久| 国产精品欧美亚洲77777| 日韩熟女老妇一区二区性免费视频| 久久久久网色| 99热国产这里只有精品6| 国产成人精品一,二区| 在线观看美女被高潮喷水网站| 99国产综合亚洲精品| 少妇熟女欧美另类| 亚洲国产av新网站| 欧美变态另类bdsm刘玥| 亚洲欧美日韩卡通动漫| 久久久久久久久久久久大奶| 香蕉精品网在线| 久久久国产一区二区| 大香蕉久久网| 午夜激情av网站| 国产伦精品一区二区三区视频9| 一区二区日韩欧美中文字幕 | 国产亚洲最大av| 日韩熟女老妇一区二区性免费视频| 精品一区二区三区视频在线| 精品国产乱码久久久久久小说| 亚洲三级黄色毛片| 黄色毛片三级朝国网站| 久久久久久久久久久久大奶| 成年av动漫网址| 少妇的逼好多水| videosex国产| a 毛片基地| 亚洲精品日韩av片在线观看| 久久国产精品男人的天堂亚洲 | 狂野欧美激情性bbbbbb| 精品国产一区二区久久| 另类亚洲欧美激情| 人妻人人澡人人爽人人| 街头女战士在线观看网站| 丝袜喷水一区| 啦啦啦中文免费视频观看日本| 日本-黄色视频高清免费观看| 韩国高清视频一区二区三区| 亚洲综合色惰| 国产精品99久久久久久久久| 久久国内精品自在自线图片| 成人黄色视频免费在线看| 夜夜爽夜夜爽视频| 国产成人a∨麻豆精品| 交换朋友夫妻互换小说| 婷婷成人精品国产| 午夜久久久在线观看| 国产精品.久久久| 97精品久久久久久久久久精品| 九九久久精品国产亚洲av麻豆| 久久亚洲国产成人精品v| 精品少妇内射三级| 在线观看免费日韩欧美大片 | 亚洲欧洲精品一区二区精品久久久 | 国产免费又黄又爽又色| 日日爽夜夜爽网站| 日韩一本色道免费dvd| 国产乱人偷精品视频| 久久综合国产亚洲精品| 寂寞人妻少妇视频99o| 久久久久久久国产电影| 国产精品免费大片| 99国产综合亚洲精品| 妹子高潮喷水视频| 又粗又硬又长又爽又黄的视频| 成人亚洲精品一区在线观看| 日韩一区二区三区影片| av又黄又爽大尺度在线免费看| 97超碰精品成人国产| 亚洲一级一片aⅴ在线观看| 久久精品国产亚洲av涩爱| 亚洲国产色片| 亚洲综合色惰| 欧美+日韩+精品| 国产成人aa在线观看| 成人国产av品久久久| 久久ye,这里只有精品| 久久久久久久久久人人人人人人| a级毛色黄片| 2018国产大陆天天弄谢| 欧美日韩综合久久久久久| 亚洲av综合色区一区| 国产精品欧美亚洲77777|