• <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 ?

    采用圖像處理的織物縫紉平整度自動評估

    2017-06-05 14:58:10潘如如高衛(wèi)東
    紡織學(xué)報(bào) 2017年4期
    關(guān)鍵詞:縫紉特征參數(shù)平整度

    張 寧, 潘如如, 高衛(wèi)東

    (生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué)), 無錫 江蘇 214122)

    采用圖像處理的織物縫紉平整度自動評估

    張 寧, 潘如如, 高衛(wèi)東

    (生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué)), 無錫 江蘇 214122)

    為解決織物縫紉平整度客觀自動評估時(shí)分類正確率低的問題,提出了一種基于灰度共生矩陣、小波分析和反向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合的織物縫紉平整度的自動評估方法。首先采集標(biāo)準(zhǔn)縫紉圖像,將圖像的灰度級降至16級,計(jì)算圖像在0°和90°方向上的灰度共生矩陣并將其歸一化,提取灰度共生矩陣的能量、熵、對比度和相關(guān)性4個(gè)特征參數(shù),并分別對特征參數(shù)在0°和90°方向上取均值;同時(shí),運(yùn)用Haar小波在第6個(gè)分析尺度上提取并計(jì)算圖像的水平細(xì)節(jié)系數(shù)的標(biāo)準(zhǔn)差。然后將提取的這5個(gè)特征參數(shù)輸入到BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練和識別,并對標(biāo)準(zhǔn)縫紉圖像進(jìn)行了評估。評估結(jié)果顯示:提出的算法與單獨(dú)采用灰度共生矩陣特征、小波特征相比,具有較高的分類正確率,分類效果穩(wěn)定。

    縫紉平整度; 灰度共生矩陣; 小波分析; BP神經(jīng)網(wǎng)絡(luò)

    在服裝加工縫合或洗滌過程中,由于面料的力學(xué)性能、縫紉機(jī)器參數(shù)、操作不當(dāng)和洗滌條件等因素的影響,在接縫線的兩側(cè)產(chǎn)生一定程度的褶皺,稱為縫紉平整度??p紉平整度是質(zhì)量控制的重要指標(biāo),直接影響到服裝的外觀效果。目前對于織物縫紉平整度的評估,主要是通過人工將縫紉試樣與ISO 7770:2009《紡織品洗滌后織物接縫外觀平整度的評定方法》或AATCC 88B—2006《織物經(jīng)多次家庭洗滌后縫線平整度測定》標(biāo)準(zhǔn)的圖像相對照,為試樣評定相應(yīng)的等級。這種方法不僅耗時(shí)費(fèi)力,而且易受主觀因素的影響。通過計(jì)算機(jī)技術(shù)來主觀、快速、準(zhǔn)確地實(shí)現(xiàn)對織物縫紉平整度的自動評估,可避免人為因素的影響,提高分類正確率。

    目前,在織物縫紉平整度的客觀評估研究中,主要是通過特征提取和分類識別2部分來完成。首先提取圖像的特征向量作為分類的依據(jù),然后利用分類方法或分類器實(shí)現(xiàn)對縫紉平整度的自動評估。特征提取的方法主要有圖像的灰度投影、傅里葉分析[1]、表面粗糙度[2]、分形理論[3]、小波分析[4]和灰度共生矩陣[5]等,分類方法或分類器主要有模糊C均值聚類(FCM)分析、模糊模式識別[6]、回歸分析[1]、人工神經(jīng)網(wǎng)絡(luò)[5,7]和支持向量機(jī)等??p紉試樣圖像采集系統(tǒng)主要分為二維和三維2種方式,在二維的采集系統(tǒng)中,主要采用照相機(jī)或掃描儀來采集圖像;對于三維的采集系統(tǒng),F(xiàn)an等[8]利用激光掃描儀和切比雪夫波段過濾器來提取織物表面平行于接縫線的輪廓。Koehl等[9]提出了一種三維數(shù)字化系統(tǒng)來生成三維縫合試樣模型。Kang等[10]使用了一種三維的、非接觸的掃描系統(tǒng)。在現(xiàn)有的這些研究中,很多的特征提取方法只是提取全局或局部的特征,不能全面地反映不同縫紉等級之間的差異,分類正確率的大致范圍在80%~90%之間不等,分類正確率有待于提高。

    本文提出了一種基于灰度共生矩陣、小波分析和反向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合的織物縫紉平整度的自動評估方法。通過采集標(biāo)準(zhǔn)縫紉試樣圖像,運(yùn)用灰度共生矩陣提取能量、熵、對比度和相關(guān)性4個(gè)特征參數(shù),代表縫紉圖像的全局信息,同時(shí)運(yùn)用小波分析提取水平細(xì)節(jié)系數(shù),代表縫紉圖像的局部細(xì)節(jié)信息,將二者的特征參數(shù)相結(jié)合作為特征向量輸入到BP神經(jīng)網(wǎng)絡(luò)中集成,實(shí)現(xiàn)對織物縫紉平整度的自動評估,具有較高的分類正確率。

    1 縫紉圖像的采集與預(yù)處理

    1.1 圖像采集

    圖1示出圖像的采集系統(tǒng)。由相機(jī)(Canon Rebel EOS 1000D)、試樣平臺(RPS Studio, RS-CS1070)、支架和光源(Canon, Speedlite 270EX II)4部分組成。相機(jī)通過一個(gè)USB3接口與電腦相連,設(shè)置在AE程式拍攝模式,拍攝速度和光圈可通過編程的方式設(shè)置。在試樣的一側(cè)采用傾斜的光照方式,可增強(qiáng)起皺部分的亮度變化。

    圖1 圖像采集系統(tǒng)Fig.1 Image acquisition system

    為得到穩(wěn)定的分類結(jié)果,為后續(xù)的研究尋找穩(wěn)定的方法,實(shí)驗(yàn)中采用ISO 7770:2009《紡織品洗滌后織物接縫外觀平整度的評定方法》的縫紉試樣作為采集圖像的實(shí)驗(yàn)樣本,用于分類識別部分的訓(xùn)練集和預(yù)測集。采用的相機(jī)分辨率為3 888像素×2 592像素,對應(yīng)的物理尺寸為152 mm×102 mm的可視區(qū)域,即0.039 mm/像素的分辨率。圖2示出采集的一幅經(jīng)預(yù)裁剪后的標(biāo)準(zhǔn)縫紉圖像。

    圖2 經(jīng)預(yù)裁剪后的標(biāo)準(zhǔn)縫紉圖像Fig.2 Normative seam image after pre-cropping

    1.2 圖像預(yù)處理

    對于采集到的縫紉試樣圖像,首先采用Canny邊緣檢測算法檢測接縫線的位置;然后采用Hough變換檢測接縫線傾斜的角度,并將其旋轉(zhuǎn)相應(yīng)角度,使得接縫線處于水平位置;接著以接縫線為中心,在接縫線兩側(cè)裁剪圖像,裁剪后的圖像為2 000 像素×200像素;最后為消除傾斜光照導(dǎo)致的圖像亮度不均,對圖像進(jìn)行亮度均衡化,得到亮度均勻的圖像。圖像的預(yù)處理流程如圖3所示。

    圖3 圖像預(yù)處理流程Fig.3 Pre-processing flow of seam image. (a) Position of seam-line; (b) Adjusted seam image after rectifying; (c) Seam image after cropping; (d) Seam image after intensity adjustment

    2 縫紉圖像特征參數(shù)的提取

    2.1 灰度共生矩陣

    2.1.1 灰度共生矩陣及其參數(shù)

    灰度共生矩陣是通過計(jì)算圖像中一定距離和一定方向上的2點(diǎn)灰度之間的相關(guān)性來描述紋理的常用方法,反映了圖像在方向、相鄰間隔、變化幅度及快慢上的綜合信息。設(shè)f(x,y)為一幅大小為M×N的二維數(shù)字圖像,灰度級別為G,則滿足一定空間關(guān)系的灰度共生矩陣為

    P(i,j)=#{(x1,y1),(x2,y2)∈

    M×N|f(x1,y1)=i,f(x2,y2)=j}

    (1)

    其中,#{x}表示集合{x}中的元素個(gè)數(shù)[11],P為G×G的矩陣。

    假設(shè)在θ方向上,2個(gè)像素之間的距離為d,則其灰度共生矩陣可表示為P(I,j,d,θ)。θ的取值為0°、45°、90°、135°,d的取值一般與圖像有關(guān),可根據(jù)實(shí)驗(yàn)來確定。在本文實(shí)驗(yàn)中,角度θ選擇0°和90°,距離d選擇4[5]。由于該實(shí)驗(yàn)中的縫紉試樣圖像的灰度級為256,灰度級過大將導(dǎo)致運(yùn)算量增加,影響處理速度,所以在計(jì)算灰度共生矩陣之前需要對圖像進(jìn)行降級處理。本文選用等級為16[12-13]的灰度級,以減少運(yùn)算量,提高程序的處理速度。

    在相應(yīng)的參數(shù)確定之后,分別計(jì)算2個(gè)像素之間的距離為4時(shí),圖像在0°和90°方向上的灰度共生矩陣,并對矩陣進(jìn)行歸一化處理。

    2.1.2 特征參數(shù)的提取

    根據(jù)計(jì)算得到圖像的灰度共生矩陣,可從中提取特征值來分析圖像的局部模式和排列規(guī)則等信息。Haralick等提取了14種特征值[11],但是Ulaby等[14]研究發(fā)現(xiàn)這些特征之間存在著冗余,一般選用能量、熵、對比度和相關(guān)性這4個(gè)特征值作為圖像分類的依據(jù),定義如下。

    1)能量:

    (2)

    2)熵:

    (3)

    3)對比度:

    (4)

    4)相關(guān)性:

    (5)

    其中:

    對于每幅圖像,在提取特征參數(shù)時(shí),首先計(jì)算0°和90°方向上灰度共生矩陣的4個(gè)特征參數(shù),然后分別對不同的特征值在2個(gè)方向上取均值,可得到4個(gè)特征參數(shù)。采用這樣的處理方式,可抑制方向分量對紋理特征的影響。

    2.2 小波分析

    2.2.1 小波分析理論

    小波分析技術(shù)是一種在不同尺度上分析圖像紋理細(xì)節(jié)的方法,可通過伸縮和平移等運(yùn)算功能對函數(shù)或信號進(jìn)行多尺度細(xì)化分析。小波分析在時(shí)域和頻域都能表征信號的局部信息,能有效地從信號中提取信息。

    以一維信號為例,小波變換是以小波函數(shù)Ψa,τ(t)為基底對信號f(t)進(jìn)行分解,小波函數(shù)是由同一基底函數(shù)Ψ(t)經(jīng)平移、伸縮得到的一組函數(shù),如式(6)、(7)所示:

    (6)

    (7)

    式中:a為伸縮因子;τ為平移因子。

    利用小波變換,可將信號通過低通和高通濾波器分解為近似系數(shù)和細(xì)節(jié)系數(shù),逐步進(jìn)行多尺度細(xì)化,最終達(dá)到高頻處時(shí)間細(xì)分、低頻處頻率細(xì)分,可聚焦到信號的任意細(xì)節(jié)。

    2.2.2 二維離散小波變換

    縫紉圖像可被看作是一個(gè)由低頻信號(圖像的主體)、高頻信號(噪聲和邊緣)及中高頻信號(縫紉不平整造成的褶皺)迭加的復(fù)雜信號,小波分析的時(shí)頻局域化特別適合提取這類信號的特征信息[15]。對于這樣的二維信號,通常采用二維離散小波變換進(jìn)行處理。二維離散小波變換是對二維圖像信號在水平和垂直方向作相同的一維離散小波變換,得到4組系數(shù)[Aj,Hj,Vj,Dj]。其中,Aj為第j層的近似系數(shù),Hj、Vj、Dj分別為第j層的水平、垂直和對角細(xì)節(jié)系數(shù)。

    通過選用合適的小波和分析尺度,可提取反映圖像紋理細(xì)節(jié)的系數(shù)。常用的小波有Haar小波、Coiflet order 1小波、Symlets order 4小波等[4],小波的種類和分析尺度可根據(jù)文獻(xiàn)[4]中提出的評估因子來確定,使得特征值呈現(xiàn)線性變化和評估因子的值最大。通過實(shí)驗(yàn)分析,當(dāng)選用Haar小波、分析尺度為6時(shí),特征值隨平整度等級的增加而增加,且評估因子的值最大。采用Haar小波、在分析尺度為6時(shí)分解圖像,并重構(gòu)水平細(xì)節(jié)系數(shù),計(jì)算水平細(xì)節(jié)系數(shù)的標(biāo)準(zhǔn)差作為圖像的特征參數(shù)。

    3 縫紉圖像特征參數(shù)的訓(xùn)練

    3.1 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò), 由輸入層、隱層和輸出層3部分組成。圖4示出BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)圖。

    圖4 BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)圖Fig.4 Structure of BP neural network model

    設(shè)輸入節(jié)點(diǎn)為xl,隱層節(jié)點(diǎn)為ym,輸出節(jié)點(diǎn)為zn,輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值為wlm,閾值為θm,隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值為vmn,閾值為θn,當(dāng)輸出節(jié)點(diǎn)的期望值為tn時(shí),該BP神經(jīng)網(wǎng)絡(luò)模型的隱層節(jié)點(diǎn)的輸出yl、輸出節(jié)點(diǎn)的實(shí)際輸出zm和輸出節(jié)點(diǎn)的誤差σ計(jì)算式如下所示。

    (8)

    (9)

    (10)

    在該BP神經(jīng)網(wǎng)絡(luò)模型中,輸入層接受輸入信息,經(jīng)隱層逐層處理和信息變換后,輸送到輸出層。如果輸出層得不到期望輸出,則轉(zhuǎn)入反向傳播,通過信息的正向傳播和誤差的反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,直至網(wǎng)絡(luò)輸出的誤差減少到可接受的程度,或者達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

    3.2 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

    3.2.1 節(jié)點(diǎn)數(shù)的確定

    為描述縫紉試樣圖像的特征,實(shí)驗(yàn)中提取了5個(gè)特征值F1、F2、F3、F4、F5,分別表示圖像灰度共生矩陣的能量、熵、對比度、相關(guān)性和小波水平細(xì)節(jié)系數(shù)。縫紉試樣的平整度等級劃分為1~5級,神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層節(jié)點(diǎn)數(shù)均設(shè)置為5。隱層節(jié)點(diǎn)數(shù)可根據(jù)輸入層、輸出層的層數(shù)和經(jīng)驗(yàn)式(11)確定其取值范圍。

    (11)

    式中:m、l、n分別為隱層、輸入層、輸出層的節(jié)點(diǎn)數(shù);c為1~10之間的整數(shù)。

    由式(11)可得,隱層節(jié)點(diǎn)數(shù)的范圍為4~13。通過設(shè)置不同的隱層節(jié)點(diǎn)數(shù),在BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練,直至結(jié)果穩(wěn)定,所得到的平均訓(xùn)練次數(shù)在節(jié)點(diǎn)數(shù)為7時(shí)趨于穩(wěn)定,實(shí)驗(yàn)中隱層的節(jié)點(diǎn)數(shù)設(shè)置為7。

    3.2.2 其他參數(shù)的確定

    在BP神經(jīng)網(wǎng)絡(luò)中,其他參數(shù)包括激勵(lì)函數(shù)、閾值、學(xué)習(xí)速率和訓(xùn)練次數(shù)。激勵(lì)函數(shù)選擇Sigmoid函數(shù),對于多層神經(jīng)網(wǎng)絡(luò),Sigmoid函數(shù)劃分的區(qū)域是由非線性的超平面組成的區(qū)域,分類效果比線性劃分準(zhǔn)確、合理,而且網(wǎng)絡(luò)的容錯(cuò)性較好。閾值的大小決定了Sigmoid函數(shù)曲線變換的梯度,本文中輸入、輸出函數(shù)的閾值θm和θn的初始值均選擇為0.3,學(xué)習(xí)速率為0.06[16],設(shè)置神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)為 2 000,訓(xùn)練所要達(dá)到的精度為1×10-4。

    3.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

    根據(jù)確定的BP神經(jīng)網(wǎng)絡(luò)的參數(shù),借助現(xiàn)有的函數(shù)在MatLab程序下實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建。對于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,具體的實(shí)現(xiàn)步驟如下:1)初始化神經(jīng)網(wǎng)絡(luò),設(shè)置確定好的各項(xiàng)參數(shù),其余的參數(shù)選擇默認(rèn)值;2)提取圖像的特征值作為訓(xùn)練樣本,與相對應(yīng)的期望輸出的等級輸入到網(wǎng)絡(luò)中;3)反復(fù)訓(xùn)練,調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,直至網(wǎng)絡(luò)輸出誤差的平方和最小,或者達(dá)到設(shè)定的學(xué)習(xí)次數(shù)為止。

    選擇每個(gè)等級5幅圖像,共25幅縫紉試樣圖像,分別提取其特征值作為訓(xùn)練集。圖5示出神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中均方誤差的收斂過程。從圖中可看出,訓(xùn)練收斂時(shí)的訓(xùn)練次數(shù)為265,說明構(gòu)建的神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測能力。

    圖5 神經(jīng)網(wǎng)絡(luò)的誤差收斂過程Fig.5 Error convergence process of neural network

    4 評估結(jié)果與分析

    為驗(yàn)證上述算法的正確性,采集另外25幅標(biāo)準(zhǔn)縫紉試樣圖像作為預(yù)測樣本,提取其特征參數(shù),輸入到構(gòu)建的神經(jīng)網(wǎng)絡(luò)中進(jìn)行識別分類。通過上述算法提取的特征參數(shù)以及神經(jīng)網(wǎng)絡(luò)自動評估產(chǎn)生的等級G1與標(biāo)準(zhǔn)試樣的等級G2的對比結(jié)果如表1所示。

    從表1中的對比結(jié)果可看出,通過神經(jīng)網(wǎng)絡(luò)自動評估產(chǎn)生的等級G1與標(biāo)準(zhǔn)試樣的等級G2完全吻合,分類正確率達(dá)到了100%。這說明提取的5個(gè)特征值可表征不同的縫紉試樣等級,可用于織物縫紉平整度的自動評估。

    為驗(yàn)證算法的優(yōu)越性,將本文算法中灰度共生矩陣及小波特征的分類結(jié)果與前人所采用方法小波特征[4]、灰度共生矩陣特征[5]的結(jié)果相對比,結(jié)果如表2所示。從表中可看出,灰度共生矩陣及小波特征綜合了二者的特征信息,與單獨(dú)的灰度共生矩陣特征、小波特征相比,正確率較高,具有較好的分類效果。

    5 結(jié)束語

    通過采集標(biāo)準(zhǔn)織物縫紉試樣圖像并進(jìn)行預(yù)處理,運(yùn)用灰度共生矩陣和小波分析相結(jié)合的方法,提取圖像的5個(gè)特征參數(shù)作為特征值,輸入到BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類和識別,實(shí)現(xiàn)織物縫紉平整度的自動評估。本文提出的算法將圖像的全局信息和局部細(xì)節(jié)信息相結(jié)合,可更為全面地表征不同等級的圖像信息,具有較高的分類正確率。

    表1 特征參數(shù)和縫紉平整度等級Tab.1 Characteristic parameters and grades of seam-puckering

    表2 不同方法分類結(jié)果的對比Tab.2 Comparison of classification results among different methods

    為得到穩(wěn)定的分類結(jié)果,目前在分類識別時(shí),作為訓(xùn)練集和預(yù)測集的圖像,均是標(biāo)準(zhǔn)的縫紉圖像,但是在實(shí)際的縫紉試樣圖像中,由于光照條件、面料種類和織物組織結(jié)構(gòu)等因素的影響,使得實(shí)際的縫紉試樣在評估時(shí)存在較多的不確定性;因此,根據(jù)現(xiàn)有的方法,對實(shí)際的縫紉試樣圖像的評估將是進(jìn)一步的研究方向。

    FZXB

    [1] MARIOLIS I G, DERMATAS E S. Automatic classification of seam pucker images based on ordinal quality grades[J]. Formal Pattern Analysis & Applications, 2011, 16(3): 447-457.

    [2] MARIOLIS I G, DERMATAS E S. Automated assessment of textile seam quality based on surface roughness estimation[J]. Journal of the Textile Institute, 2010, 101(7): 653-659.

    [3] KANG T J, PARK C, LEE J. Evaluation of seam pucker using fractal geometry[J]. Journal of the Textile Institute, 1999, 90(4): 621-636.

    [4] 李艷梅, 張渭源. 小波分析在織物縫紉平整度客觀評價(jià)中的應(yīng)用[J].紡織學(xué)報(bào), 2009, 30(10): 115-118. LI Yanmei, ZHANG Weiyuan. Application of wavelet analysis in evaluation on seam pucker of fabrics[J]. Journal of Textile Research, 2009, 30(10): 115-118.

    [5] MAK K L, LI Wei. A Neural network approach to objective evaluation of seam pucker[C]//Proceedings of the World Congress on Engineering. London:[s.n.], 2007: 2-4.

    [6] 楊曉波. 基于模糊模式識別的織物平整度等級評定[J].紡織學(xué)報(bào), 2005, 26(6): 15-17. YANG Xiaobo. Fabric smoothness grade assessment based on fuzzy pattern recognition[J]. Journal of Textile Research, 2005, 26(6): 15-17.

    [7] 潘永惠, 包芳, 王士同. 基于改進(jìn)RBF網(wǎng)絡(luò)的縫紉平整度模糊辨識系統(tǒng)[J].紡織學(xué)報(bào), 2008, 29(3): 76-79. PAN Yonghui, BAO Fang, WANG Shitong. A fuzzy evaluation system of garment seam smoothness based on improved RBF network[J]. Journal of Textile Research, 2008, 29(3): 76-79.

    [8] FAN J T, LU D, MACALPINE J M K, et al. Objective evaluation of pucker in three-dimensional garment seams[J]. Textile Research Journal, 1999, 69(7): 467-472.

    [9] KOEHL L, MIOU J C, ZENG X. Selecting Relevant Features From Fabric Images for Automated Quality Control of Seam Pucker Using Data Analysis and Human Experts Grading[M]. Berlin Heidelberg: Springer, 2007: 39-54.

    [10] KANG T J, KIM S C, SUL I H, et al. Fabric surface roughness evaluation using wavelet-fractal method: part I: wrinkle, smoothness and seam pucker[J]. Textile Research Journal, 2005, 75(11): 751-760.

    [11] HARALICK R M, SHANMUGAM K, DINSTEIN I. Textural features for image classification[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1973, 3(6): 610-621.

    [12] 高士忠. 基于灰度共生矩陣的織物紋理分析[J].計(jì)算機(jī)工程與設(shè)計(jì), 2008, 29(16): 4385-4387. GAO Shizhong. Analysis of fabric texture based on GLCM[J]. Computer Engineering and Design, 2008, 29(16): 4385-4387.

    [13] 曹瑜, 涂玲, 毋立芳. 身份認(rèn)證中灰度共生矩陣和小波分析的活體人臉檢測算法[J].信號處理, 2014, 30(7): 831-834. CAO Yu, TU Ling, WU Lifang. Face liveness detection using gray level co-occurrence matrix and wavelets analysis in identity authentication[J]. Journal of Signal Processing, 2014, 30(7): 831-834.

    [14] ULABY F T, KOUYATE F, BRISCO B, et al. Textural information in SAR images[J]. IEEE Transaction on Geoscience and Remote Sensing, 1986, 24(2): 235-245.

    [15] 李艷梅, 仇曉坤, 蔣真真. 縫紉平整度客觀評判模型的研究[J].絲綢, 2011, 48(4): 28-30. LI Yanmei, QIU Xiaokun, JIANG Zhenzhen. Research on objective evaluating model of seam pucker[J]. Journal of Silk, 2011, 48(4): 28-30.

    [16] 盧柳葉, 張青峰, 李光錄. 基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究[J].測繪科學(xué), 2012, 37(6): 140-142. LU Liuye, ZHANG Qingfeng, LI Guanglu. Image classification of remote sensing based on BP neural networks[J]. Science of Surveying and Mapping, 2012, 37(6): 140-142.

    Automatic seam-puckering evaluation using image processing

    ZHANG Ning, PAN Ruru, GAO Weidong

    (Key Laboratory of Eco-Textiles(Jiangnan University), Ministry of Education, Wuxi, Jiangsu 214122, China)

    In order to solve the problem on low-accuracy classification in objective automatic evaluation of seam-puckering, a novel method based on gray level co-occurrence matrix, wavelet analysis and back propagation(BP) network was proposed for automatic seam-puckering evaluation. Firstly, a standard seam image was captured and the gray level of the seam image was reduced to 16 level, the gray level co-occurrence matrix of the seam image in the direction of 0° and 90° were calculated and normalized, then four characteristic parameters including energy, entropy, contrast and correlation were extracted from the gray level co-occurrence matrix, and the mean values of the characteristic parameters were obtained in the direction of 0° and 90°, respectively. Meanwhile, the standard deviation of the horizontal detail coefficients of the seam image was extracted and calculated by using Haar wavelet on the sixth analysis scales. After that, five extracted characteristic parameters were input to the BP neural network for training and recognizing, and the standard seam image was evaluated. The evaluation results show that the proposed algorithm, compared with one adopting gray level co-occurrence matrix characteristic or wavelet characteristic alone, has higher correct classification rate and stable classification effect.

    seam-puckering; gray level co-occurrence matrix; wavelet analysis; BP network

    10.13475/j.fzxb.20160404106

    2016-04-14

    2016-10-19

    國家博士后基金項(xiàng)目(2013M541602);教育部博士點(diǎn)基金項(xiàng)目(20120093130001);江蘇省博士后基金項(xiàng)目(1301075C); 2014江蘇省研究生創(chuàng)新計(jì)劃項(xiàng)目(KYLX_1132);江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項(xiàng)目(蘇政辦發(fā)[2014]37號)

    張寧(1992—),男,碩士生。研究方向?yàn)榛趫D像處理的織物模擬、模式識別。高衛(wèi)東,通信作者,E-mail: gaowd3@163.com。

    TS 941.16

    A

    猜你喜歡
    縫紉特征參數(shù)平整度
    自制焊鉗:熔鑄“鋼鐵縫紉師”的匠心
    動物界的縫紉大師
    學(xué)與玩(2022年6期)2022-10-28 09:18:32
    故障診斷中信號特征參數(shù)擇取方法
    基于特征參數(shù)化的木工CAD/CAM系統(tǒng)
    瀝青混凝土路面平整度的探索
    探討道路施工中如何提高瀝青路面的平整度
    橋面施工中平整度的控制
    江西建材(2018年1期)2018-04-04 05:26:16
    基于PSO-VMD的齒輪特征參數(shù)提取方法研究
    拉鏈的縫紉平整度與縫紉工藝參數(shù)的關(guān)系
    統(tǒng)計(jì)特征參數(shù)及多分類SVM的局部放電類型識別
    電測與儀表(2015年7期)2015-04-09 11:40:04
    国产一级毛片七仙女欲春2| 日韩大码丰满熟妇| 69av精品久久久久久| 日韩欧美一区二区三区在线观看| 免费av毛片视频| 99热只有精品国产| 国产成年人精品一区二区| 深夜精品福利| 国产成年人精品一区二区| av在线播放免费不卡| 日本五十路高清| 18禁黄网站禁片免费观看直播| 欧美av亚洲av综合av国产av| 欧美一区二区精品小视频在线| 久久香蕉精品热| 欧美日韩国产亚洲二区| 欧美高清成人免费视频www| 国产成人av激情在线播放| 丰满人妻熟妇乱又伦精品不卡| 国产高清videossex| 欧美一级毛片孕妇| aaaaa片日本免费| 久99久视频精品免费| 久久久久九九精品影院| 久久午夜亚洲精品久久| 成人av在线播放网站| 成人午夜高清在线视频| 婷婷精品国产亚洲av在线| 亚洲一区中文字幕在线| 一本综合久久免费| 久久精品国产综合久久久| 国产av麻豆久久久久久久| 色综合婷婷激情| 黑人操中国人逼视频| 午夜精品一区二区三区免费看| 在线观看舔阴道视频| 女同久久另类99精品国产91| 国产精品久久久久久亚洲av鲁大| 男女做爰动态图高潮gif福利片| 巨乳人妻的诱惑在线观看| 国产精品久久久久久精品电影| 女生性感内裤真人,穿戴方法视频| 88av欧美| 免费av毛片视频| 日本精品一区二区三区蜜桃| 国产av不卡久久| 90打野战视频偷拍视频| 香蕉丝袜av| 欧美zozozo另类| 1024视频免费在线观看| 一本一本综合久久| 成年人黄色毛片网站| 好男人在线观看高清免费视频| 热99re8久久精品国产| 国模一区二区三区四区视频 | 成人永久免费在线观看视频| 久久伊人香网站| 精品久久蜜臀av无| 好男人在线观看高清免费视频| 一本一本综合久久| 欧美色欧美亚洲另类二区| 亚洲av电影不卡..在线观看| 日韩欧美在线二视频| 男男h啪啪无遮挡| 欧美乱码精品一区二区三区| 欧美一区二区精品小视频在线| 久久天堂一区二区三区四区| 听说在线观看完整版免费高清| 男女视频在线观看网站免费 | 999精品在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 久久久久性生活片| 成熟少妇高潮喷水视频| 欧美日韩亚洲综合一区二区三区_| 久久香蕉国产精品| 欧美zozozo另类| 欧美乱妇无乱码| 一卡2卡三卡四卡精品乱码亚洲| 91大片在线观看| 看片在线看免费视频| 白带黄色成豆腐渣| 日韩免费av在线播放| 欧美av亚洲av综合av国产av| 两个人免费观看高清视频| 日韩欧美一区二区三区在线观看| 亚洲九九香蕉| 亚洲国产精品成人综合色| 女警被强在线播放| 天天一区二区日本电影三级| 久久中文看片网| 一本一本综合久久| 国产午夜精品论理片| 亚洲国产精品999在线| 少妇裸体淫交视频免费看高清 | 在线观看www视频免费| 99精品欧美一区二区三区四区| 欧美色视频一区免费| 99精品在免费线老司机午夜| 亚洲自拍偷在线| 亚洲欧美一区二区三区黑人| 九色国产91popny在线| 999久久久精品免费观看国产| 88av欧美| 麻豆av在线久日| aaaaa片日本免费| 国产精品 欧美亚洲| 精品久久久久久久久久久久久| 一级毛片高清免费大全| 村上凉子中文字幕在线| 麻豆国产97在线/欧美 | 亚洲av成人一区二区三| 三级男女做爰猛烈吃奶摸视频| 国产亚洲精品第一综合不卡| 一级a爱片免费观看的视频| 国产精品,欧美在线| 午夜福利免费观看在线| 午夜福利免费观看在线| 国产精品爽爽va在线观看网站| 国产伦人伦偷精品视频| 桃红色精品国产亚洲av| 色综合婷婷激情| 18禁黄网站禁片免费观看直播| 一级片免费观看大全| 欧美久久黑人一区二区| 久久人人精品亚洲av| 国产伦人伦偷精品视频| 男女那种视频在线观看| 亚洲真实伦在线观看| 两个人视频免费观看高清| 国内久久婷婷六月综合欲色啪| 日本黄色视频三级网站网址| 久久久国产精品麻豆| 成人av在线播放网站| www.精华液| 色尼玛亚洲综合影院| 亚洲av片天天在线观看| 亚洲欧美精品综合一区二区三区| 久久久久久人人人人人| 男人舔女人下体高潮全视频| 床上黄色一级片| 岛国在线免费视频观看| 在线观看午夜福利视频| 别揉我奶头~嗯~啊~动态视频| 中出人妻视频一区二区| 国产高清videossex| 国产激情偷乱视频一区二区| 久久久久免费精品人妻一区二区| 国产乱人伦免费视频| 悠悠久久av| 男人舔奶头视频| av欧美777| 18禁美女被吸乳视频| 国产日本99.免费观看| 免费一级毛片在线播放高清视频| 国产一区二区三区视频了| 丰满的人妻完整版| 岛国视频午夜一区免费看| 51午夜福利影视在线观看| 成人手机av| 三级毛片av免费| 日日摸夜夜添夜夜添小说| 少妇粗大呻吟视频| 一a级毛片在线观看| 嫩草影院精品99| 这个男人来自地球电影免费观看| 国产精华一区二区三区| 女人被狂操c到高潮| 色综合婷婷激情| 黄色 视频免费看| 巨乳人妻的诱惑在线观看| 日韩三级视频一区二区三区| 在线观看免费午夜福利视频| 人人妻人人看人人澡| 99国产极品粉嫩在线观看| 亚洲18禁久久av| 久久人妻福利社区极品人妻图片| 别揉我奶头~嗯~啊~动态视频| 一本精品99久久精品77| 国产乱人伦免费视频| 亚洲电影在线观看av| 在线观看免费日韩欧美大片| 成人亚洲精品av一区二区| 亚洲国产日韩欧美精品在线观看 | 90打野战视频偷拍视频| 精品欧美国产一区二区三| 亚洲av电影不卡..在线观看| 在线十欧美十亚洲十日本专区| 欧美黑人精品巨大| 日本撒尿小便嘘嘘汇集6| 欧美日韩精品网址| 国产av不卡久久| 欧美不卡视频在线免费观看 | 天堂影院成人在线观看| 国产精品久久久av美女十八| 国产成人aa在线观看| 激情在线观看视频在线高清| 欧美性猛交黑人性爽| 亚洲国产精品久久男人天堂| 最好的美女福利视频网| 欧美人与性动交α欧美精品济南到| 国产亚洲精品一区二区www| 国产欧美日韩一区二区三| 久久久国产成人免费| 中文字幕av在线有码专区| 成人高潮视频无遮挡免费网站| 色综合欧美亚洲国产小说| 久久久久久久久免费视频了| 一二三四在线观看免费中文在| 欧美黄色片欧美黄色片| tocl精华| √禁漫天堂资源中文www| 久久精品亚洲精品国产色婷小说| 身体一侧抽搐| 18禁黄网站禁片免费观看直播| 亚洲熟妇中文字幕五十中出| 一边摸一边抽搐一进一小说| 亚洲成人久久爱视频| 国产又黄又爽又无遮挡在线| 在线观看舔阴道视频| 999久久久国产精品视频| 免费电影在线观看免费观看| 亚洲九九香蕉| 好男人在线观看高清免费视频| 久久久精品大字幕| 大型黄色视频在线免费观看| av有码第一页| 亚洲人与动物交配视频| 精品久久久久久久人妻蜜臀av| 国产精品久久久久久亚洲av鲁大| 一个人免费在线观看电影 | 久久午夜亚洲精品久久| 精品国产乱子伦一区二区三区| 三级男女做爰猛烈吃奶摸视频| 91麻豆精品激情在线观看国产| 久99久视频精品免费| 国产探花在线观看一区二区| 999久久久精品免费观看国产| 丰满人妻一区二区三区视频av | 国产1区2区3区精品| 国产又色又爽无遮挡免费看| 久久久久久亚洲精品国产蜜桃av| 亚洲专区中文字幕在线| 国产精华一区二区三区| 麻豆一二三区av精品| 精品国产超薄肉色丝袜足j| 亚洲,欧美精品.| 别揉我奶头~嗯~啊~动态视频| 看片在线看免费视频| 少妇粗大呻吟视频| 色综合站精品国产| 成年免费大片在线观看| 999久久久国产精品视频| 1024视频免费在线观看| 曰老女人黄片| 国产高清有码在线观看视频 | 色综合亚洲欧美另类图片| 两人在一起打扑克的视频| 成人特级黄色片久久久久久久| 日本免费a在线| 啦啦啦观看免费观看视频高清| 男女下面进入的视频免费午夜| 99久久国产精品久久久| 两个人的视频大全免费| 男插女下体视频免费在线播放| 少妇熟女aⅴ在线视频| av有码第一页| 啦啦啦韩国在线观看视频| 国产高清激情床上av| 成年免费大片在线观看| 国产爱豆传媒在线观看 | www.自偷自拍.com| 午夜精品久久久久久毛片777| 国产乱人伦免费视频| 欧美日韩亚洲综合一区二区三区_| 精品国内亚洲2022精品成人| 中文字幕人妻丝袜一区二区| 精品第一国产精品| 色综合亚洲欧美另类图片| 狂野欧美激情性xxxx| 日韩免费av在线播放| 一本久久中文字幕| 在线观看66精品国产| 国产伦人伦偷精品视频| 国产伦一二天堂av在线观看| 听说在线观看完整版免费高清| 人妻丰满熟妇av一区二区三区| 男女做爰动态图高潮gif福利片| 欧美中文日本在线观看视频| 日韩欧美国产一区二区入口| 亚洲七黄色美女视频| 国产aⅴ精品一区二区三区波| 国产黄片美女视频| 岛国视频午夜一区免费看| 99久久精品国产亚洲精品| 久久精品国产综合久久久| 亚洲美女黄片视频| 制服丝袜大香蕉在线| 午夜老司机福利片| 日日爽夜夜爽网站| 悠悠久久av| 国产午夜精品久久久久久| 最近在线观看免费完整版| 一级毛片精品| 久久国产乱子伦精品免费另类| av超薄肉色丝袜交足视频| 麻豆一二三区av精品| 天堂动漫精品| 淫妇啪啪啪对白视频| 免费av毛片视频| 色综合欧美亚洲国产小说| 女人高潮潮喷娇喘18禁视频| a在线观看视频网站| 欧美日本视频| 久久中文看片网| 国产成人欧美在线观看| 一区二区三区激情视频| 欧美性猛交╳xxx乱大交人| 成人18禁高潮啪啪吃奶动态图| 婷婷精品国产亚洲av在线| 两性夫妻黄色片| 欧美日本视频| 久久精品国产亚洲av香蕉五月| 午夜精品久久久久久毛片777| 成人国产综合亚洲| 久久精品综合一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 熟女电影av网| 精品免费久久久久久久清纯| 男女那种视频在线观看| 亚洲专区中文字幕在线| 国产精品 国内视频| 淫妇啪啪啪对白视频| 国产av在哪里看| 午夜福利在线观看吧| 看黄色毛片网站| 国产欧美日韩精品亚洲av| 精品无人区乱码1区二区| 免费无遮挡裸体视频| 久久久久久国产a免费观看| 亚洲欧美精品综合久久99| 久久婷婷人人爽人人干人人爱| 无人区码免费观看不卡| 三级男女做爰猛烈吃奶摸视频| 九九热线精品视视频播放| 亚洲第一欧美日韩一区二区三区| 午夜激情av网站| 午夜福利免费观看在线| 亚洲欧洲精品一区二区精品久久久| 神马国产精品三级电影在线观看 | 最新美女视频免费是黄的| 色av中文字幕| 此物有八面人人有两片| 久久亚洲真实| 91老司机精品| 日本免费一区二区三区高清不卡| 国产精品 国内视频| 国产熟女xx| 午夜免费观看网址| 很黄的视频免费| 午夜激情av网站| 琪琪午夜伦伦电影理论片6080| 亚洲男人的天堂狠狠| 人人妻,人人澡人人爽秒播| 男插女下体视频免费在线播放| 黑人操中国人逼视频| 国产精品一及| 很黄的视频免费| 一本综合久久免费| 舔av片在线| 欧美大码av| 精品久久久久久,| 国产成人影院久久av| 天堂av国产一区二区熟女人妻 | а√天堂www在线а√下载| 午夜精品一区二区三区免费看| 国产男靠女视频免费网站| 午夜福利视频1000在线观看| 免费在线观看影片大全网站| 最好的美女福利视频网| 久久天躁狠狠躁夜夜2o2o| 亚洲午夜理论影院| 欧美午夜高清在线| 国产麻豆成人av免费视频| 精品少妇一区二区三区视频日本电影| 亚洲成人国产一区在线观看| 可以免费在线观看a视频的电影网站| 一区二区三区激情视频| 国产精品av久久久久免费| 久久国产精品人妻蜜桃| 亚洲激情在线av| 91大片在线观看| 欧美黑人欧美精品刺激| 成人欧美大片| 最近视频中文字幕2019在线8| 在线国产一区二区在线| 亚洲狠狠婷婷综合久久图片| 熟妇人妻久久中文字幕3abv| 99久久无色码亚洲精品果冻| 亚洲熟女毛片儿| 成年人黄色毛片网站| 麻豆久久精品国产亚洲av| 久久久国产成人免费| 精品电影一区二区在线| 精品一区二区三区四区五区乱码| 少妇人妻一区二区三区视频| 欧美另类亚洲清纯唯美| 久久精品国产亚洲av香蕉五月| 中文字幕最新亚洲高清| 欧美黄色片欧美黄色片| 中文在线观看免费www的网站 | 老司机午夜福利在线观看视频| 亚洲自拍偷在线| 精品欧美一区二区三区在线| 丰满的人妻完整版| xxx96com| 国产一区二区激情短视频| 精品久久久久久久人妻蜜臀av| 最近视频中文字幕2019在线8| 特级一级黄色大片| cao死你这个sao货| 一二三四在线观看免费中文在| 嫁个100分男人电影在线观看| 老汉色∧v一级毛片| 黄色片一级片一级黄色片| 国产精品影院久久| 久久久久久亚洲精品国产蜜桃av| 久久精品夜夜夜夜夜久久蜜豆 | 国产一区二区在线观看日韩 | 国产精品 国内视频| 国产亚洲精品久久久久久毛片| 午夜福利视频1000在线观看| 又粗又爽又猛毛片免费看| 桃色一区二区三区在线观看| 国产不卡一卡二| 国产高清videossex| 亚洲精品色激情综合| 日日摸夜夜添夜夜添小说| 99国产综合亚洲精品| 又黄又爽又免费观看的视频| 男人的好看免费观看在线视频 | 国产v大片淫在线免费观看| 巨乳人妻的诱惑在线观看| 成人18禁在线播放| 日本精品一区二区三区蜜桃| 国产亚洲精品综合一区在线观看 | 熟女电影av网| 国产麻豆成人av免费视频| 婷婷精品国产亚洲av在线| 欧美一级毛片孕妇| 两个人的视频大全免费| 欧美人与性动交α欧美精品济南到| www.自偷自拍.com| 色av中文字幕| 99精品欧美一区二区三区四区| 国产精品一区二区免费欧美| 国产一区二区三区在线臀色熟女| 久久久久国产精品人妻aⅴ院| 午夜福利在线观看吧| 麻豆久久精品国产亚洲av| 久久久久性生活片| 亚洲美女视频黄频| 啦啦啦观看免费观看视频高清| 亚洲av电影在线进入| 欧美精品啪啪一区二区三区| 久久久久九九精品影院| 成人国产一区最新在线观看| 亚洲第一欧美日韩一区二区三区| 午夜影院日韩av| 日本撒尿小便嘘嘘汇集6| 午夜精品一区二区三区免费看| 欧美成人性av电影在线观看| 人妻久久中文字幕网| 亚洲午夜精品一区,二区,三区| 日本a在线网址| 真人做人爱边吃奶动态| 女生性感内裤真人,穿戴方法视频| 日日爽夜夜爽网站| 亚洲精品国产精品久久久不卡| 波多野结衣巨乳人妻| 久久久国产精品麻豆| 亚洲av片天天在线观看| 国产精品爽爽va在线观看网站| 国产成人精品久久二区二区免费| 舔av片在线| 欧美乱色亚洲激情| 极品教师在线免费播放| 国产免费男女视频| 国产伦人伦偷精品视频| 国产免费男女视频| 黄频高清免费视频| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看免费视频日本深夜| 嫁个100分男人电影在线观看| 成人特级黄色片久久久久久久| 丝袜人妻中文字幕| 一级黄色大片毛片| 视频区欧美日本亚洲| 欧洲精品卡2卡3卡4卡5卡区| 两个人免费观看高清视频| 1024手机看黄色片| svipshipincom国产片| 草草在线视频免费看| 在线播放国产精品三级| www.999成人在线观看| 天堂av国产一区二区熟女人妻 | 精品熟女少妇八av免费久了| 成人三级黄色视频| 成人18禁高潮啪啪吃奶动态图| 男人舔女人下体高潮全视频| 淫妇啪啪啪对白视频| 久久中文字幕人妻熟女| 久久国产精品影院| 热99re8久久精品国产| 亚洲片人在线观看| 国产激情偷乱视频一区二区| 在线观看美女被高潮喷水网站 | 一夜夜www| 一区二区三区激情视频| 三级毛片av免费| 国产精品影院久久| 国产精品亚洲av一区麻豆| 香蕉av资源在线| 成人欧美大片| 舔av片在线| 久久精品亚洲精品国产色婷小说| 男女视频在线观看网站免费 | 狂野欧美激情性xxxx| 久久久久久久久久黄片| 亚洲一区二区三区不卡视频| 一本久久中文字幕| 亚洲美女黄片视频| 久久久久久久久免费视频了| 日本免费a在线| 在线观看www视频免费| 国产精品亚洲av一区麻豆| 亚洲av美国av| 一本大道久久a久久精品| 国产精品久久久久久人妻精品电影| 国产高清视频在线播放一区| 精品久久久久久成人av| 亚洲国产欧美人成| 婷婷精品国产亚洲av| bbb黄色大片| 婷婷六月久久综合丁香| 午夜日韩欧美国产| 久久精品成人免费网站| 亚洲精品在线观看二区| 中文字幕最新亚洲高清| 香蕉丝袜av| 欧美三级亚洲精品| 久久久国产成人精品二区| 亚洲精品色激情综合| 日韩国内少妇激情av| 黄片大片在线免费观看| 亚洲成人精品中文字幕电影| 亚洲欧美日韩高清在线视频| 欧美zozozo另类| 国产爱豆传媒在线观看 | 九色成人免费人妻av| 曰老女人黄片| 午夜激情福利司机影院| 国产私拍福利视频在线观看| 搡老熟女国产l中国老女人| 午夜免费激情av| 在线视频色国产色| 亚洲 欧美一区二区三区| 99久久无色码亚洲精品果冻| 神马国产精品三级电影在线观看 | 最近视频中文字幕2019在线8| 午夜两性在线视频| 成人国语在线视频| 亚洲精品美女久久av网站| 日韩精品中文字幕看吧| 在线观看免费午夜福利视频| 国产蜜桃级精品一区二区三区| 午夜日韩欧美国产| 日本一二三区视频观看| 五月伊人婷婷丁香| 99国产精品99久久久久| 国模一区二区三区四区视频 | 亚洲欧美一区二区三区黑人| 欧美一区二区精品小视频在线| 国内久久婷婷六月综合欲色啪| 欧美性猛交╳xxx乱大交人| 999久久久精品免费观看国产| 成人亚洲精品av一区二区| 国产精品日韩av在线免费观看| 在线观看免费视频日本深夜| 国产成人欧美在线观看| 九色成人免费人妻av| 久久国产精品影院| 国产单亲对白刺激| 亚洲精品国产精品久久久不卡| 又紧又爽又黄一区二区| 两人在一起打扑克的视频| 久久精品aⅴ一区二区三区四区| 日韩欧美国产在线观看| 五月玫瑰六月丁香| 国产精品野战在线观看| 叶爱在线成人免费视频播放| 亚洲国产精品合色在线| 男人的好看免费观看在线视频 | 很黄的视频免费| 五月伊人婷婷丁香| 观看免费一级毛片| 久久久水蜜桃国产精品网| 真人做人爱边吃奶动态| 国产伦人伦偷精品视频| 久热爱精品视频在线9| 成年人黄色毛片网站| 国产av在哪里看| 美女扒开内裤让男人捅视频| 黄片小视频在线播放| 真人做人爱边吃奶动态| 少妇裸体淫交视频免费看高清 |