• <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
    国产乱人视频| 亚洲天堂国产精品一区在线| 内地一区二区视频在线| 亚洲在线自拍视频| 国产成人精品一,二区 | 久久99精品国语久久久| 国产精品综合久久久久久久免费| av在线蜜桃| 国产乱人视频| 免费av毛片视频| 综合色丁香网| 国产视频首页在线观看| 国产日本99.免费观看| 欧美性猛交黑人性爽| 国产视频首页在线观看| 国产精品精品国产色婷婷| 日韩成人av中文字幕在线观看| 精品久久久久久久久av| 99久久久亚洲精品蜜臀av| av在线蜜桃| 久久99精品国语久久久| 国内精品美女久久久久久| 国产熟女欧美一区二区| 欧美一区二区精品小视频在线| 91午夜精品亚洲一区二区三区| 久久99蜜桃精品久久| www日本黄色视频网| 国产精品国产三级国产av玫瑰| 国产一区二区亚洲精品在线观看| 青春草亚洲视频在线观看| 免费大片18禁| 在现免费观看毛片| 成人鲁丝片一二三区免费| 高清毛片免费看| 精品久久久久久久人妻蜜臀av| 久久鲁丝午夜福利片| videossex国产| 日韩av在线大香蕉| 国产成人aa在线观看| 亚洲天堂国产精品一区在线| 欧美+日韩+精品| 99视频精品全部免费 在线| 三级国产精品欧美在线观看| 一区二区三区高清视频在线| 日本与韩国留学比较| 久久久成人免费电影| 亚洲内射少妇av| 69av精品久久久久久| 夜夜夜夜夜久久久久| a级一级毛片免费在线观看| 大香蕉久久网| 日本黄大片高清| av国产免费在线观看| 日日撸夜夜添| 成人漫画全彩无遮挡| 99久久精品国产国产毛片| 晚上一个人看的免费电影| 老师上课跳d突然被开到最大视频| 赤兔流量卡办理| 久久久久久久久久成人| 三级国产精品欧美在线观看| 亚洲精品成人久久久久久| 国产成人91sexporn| 国产精品三级大全| 精品免费久久久久久久清纯| 日韩高清综合在线| a级毛色黄片| 久久久久久久久久久丰满| 亚洲丝袜综合中文字幕| 亚洲成av人片在线播放无| 免费av不卡在线播放| 成人毛片60女人毛片免费| av天堂在线播放| 精品国产三级普通话版| 99热只有精品国产| 欧美激情在线99| 亚洲国产精品成人久久小说 | ponron亚洲| 哪里可以看免费的av片| 国产日本99.免费观看| 久久亚洲国产成人精品v| 亚洲精品久久久久久婷婷小说 | 亚洲av熟女| 国产亚洲欧美98| 一级黄片播放器| 日本色播在线视频| 亚洲精品自拍成人| 热99在线观看视频| 成年女人永久免费观看视频| 欧美激情久久久久久爽电影| 国内少妇人妻偷人精品xxx网站| 美女大奶头视频| a级毛片a级免费在线| 一本久久精品| 精品99又大又爽又粗少妇毛片| 日韩大尺度精品在线看网址| 成人永久免费在线观看视频| 少妇熟女aⅴ在线视频| av.在线天堂| 18禁黄网站禁片免费观看直播| 国产成人精品婷婷| 一个人免费在线观看电影| 国产亚洲精品久久久com| 久久精品久久久久久久性| 乱码一卡2卡4卡精品| 国产午夜精品一二区理论片| 国产老妇女一区| 亚洲乱码一区二区免费版| 久久久成人免费电影| 91av网一区二区| 国产午夜精品论理片| 欧美人与善性xxx| 免费无遮挡裸体视频| 在线观看av片永久免费下载| 久久婷婷人人爽人人干人人爱| 91久久精品国产一区二区三区| 美女内射精品一级片tv| 久久久久性生活片| 特大巨黑吊av在线直播| 国产成人a区在线观看| 亚洲av不卡在线观看| 天堂影院成人在线观看| 午夜免费男女啪啪视频观看| 亚洲,欧美,日韩| 国产伦理片在线播放av一区 | 蜜桃久久精品国产亚洲av| 国内精品久久久久精免费| 特级一级黄色大片| 日本黄色视频三级网站网址| 91av网一区二区| 精品久久久久久久久av| 国产精品久久视频播放| 中文字幕精品亚洲无线码一区| 久久久久久久久久久丰满| 免费观看精品视频网站| 亚洲欧美日韩东京热| 亚洲电影在线观看av| 久久精品夜夜夜夜夜久久蜜豆| 中文字幕熟女人妻在线| 欧美日韩乱码在线| 久久久久久久亚洲中文字幕| 深夜a级毛片| 欧美成人a在线观看| 校园春色视频在线观看| 亚洲成av人片在线播放无| 少妇高潮的动态图| 伦精品一区二区三区| 日本黄大片高清| 最新中文字幕久久久久| 久久久久久久午夜电影| 男女视频在线观看网站免费| 精品无人区乱码1区二区| 99热这里只有是精品50| 国产毛片a区久久久久| 欧美+亚洲+日韩+国产| avwww免费| 狂野欧美激情性xxxx在线观看| 精品久久久久久久末码| 久久久国产成人免费| 国内精品久久久久精免费| 亚洲电影在线观看av| 精品久久国产蜜桃| 精品一区二区三区视频在线| 老师上课跳d突然被开到最大视频| 精品熟女少妇av免费看| 嫩草影院新地址| 天堂影院成人在线观看| 久久精品人妻少妇| 欧美成人a在线观看| 亚洲三级黄色毛片| 亚洲乱码一区二区免费版| 一个人观看的视频www高清免费观看| 国产精品蜜桃在线观看 | av在线天堂中文字幕| 国产亚洲欧美98| .国产精品久久| 亚州av有码| 亚洲国产色片| 岛国毛片在线播放| 国产黄a三级三级三级人| 久久99热6这里只有精品| 亚洲欧美日韩东京热| 国产精品,欧美在线| 日韩 亚洲 欧美在线| 免费av观看视频| 亚洲精品成人久久久久久| 男插女下体视频免费在线播放| 欧美潮喷喷水| 少妇丰满av| 久久久色成人| 少妇高潮的动态图| 激情 狠狠 欧美| 老司机福利观看| 日本成人三级电影网站| 国国产精品蜜臀av免费| 亚洲精品乱码久久久v下载方式| 国产一级毛片七仙女欲春2| 我要看日韩黄色一级片| 中文在线观看免费www的网站| 中文字幕av成人在线电影| а√天堂www在线а√下载| 国产在视频线在精品| 麻豆久久精品国产亚洲av| 久久精品国产自在天天线| 日韩欧美一区二区三区在线观看| 国产亚洲av片在线观看秒播厂 | 夫妻性生交免费视频一级片| 91久久精品国产一区二区成人| 51国产日韩欧美| 热99re8久久精品国产| 国产一区二区在线av高清观看| 天美传媒精品一区二区| 成人av在线播放网站| 又爽又黄a免费视频| 成年版毛片免费区| 黄片wwwwww| 中国国产av一级| av女优亚洲男人天堂| 亚洲va在线va天堂va国产| 99久久无色码亚洲精品果冻| 久久精品夜色国产| 亚洲av电影不卡..在线观看| 国产伦在线观看视频一区| 亚洲成人久久性| 欧美性猛交黑人性爽| 亚洲精品456在线播放app| 精品少妇黑人巨大在线播放 | 熟女电影av网| 我的女老师完整版在线观看| 在线免费十八禁| 看片在线看免费视频| 国内少妇人妻偷人精品xxx网站| 亚洲精品色激情综合| 中文字幕精品亚洲无线码一区| 国产亚洲精品av在线| 波野结衣二区三区在线| 久久久成人免费电影| 最近手机中文字幕大全| 久久久a久久爽久久v久久| 搞女人的毛片| 亚洲真实伦在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 国产在线男女| 国产av在哪里看| 国产一区二区三区在线臀色熟女| 欧美xxxx性猛交bbbb| 极品教师在线视频| 岛国毛片在线播放| 少妇丰满av| 亚洲精品影视一区二区三区av| 九九爱精品视频在线观看| 黄色日韩在线| 中文精品一卡2卡3卡4更新| 亚洲av一区综合| 亚洲精品国产成人久久av| 亚洲va在线va天堂va国产| 免费看日本二区| 精品久久久久久久久久免费视频| 午夜福利高清视频| 国产精品女同一区二区软件| 亚洲人成网站在线播| 欧美日韩一区二区视频在线观看视频在线 | 久久久色成人| 欧美人与善性xxx| 久久99热这里只有精品18| 国产真实乱freesex| 欧美日韩国产亚洲二区| 3wmmmm亚洲av在线观看| 欧美成人一区二区免费高清观看| 少妇的逼水好多| 麻豆久久精品国产亚洲av| 搡老妇女老女人老熟妇| 国产av一区在线观看免费| 三级男女做爰猛烈吃奶摸视频| 国内揄拍国产精品人妻在线| 一本久久精品| 一本精品99久久精品77| 久久久久免费精品人妻一区二区| 国产真实乱freesex| 成年av动漫网址| 国产成人a区在线观看| 成年女人看的毛片在线观看| 亚洲18禁久久av| 精品一区二区三区视频在线| 99久久精品一区二区三区| 在线观看av片永久免费下载| 一边亲一边摸免费视频| 亚洲人与动物交配视频| 国产精品不卡视频一区二区| 国产亚洲5aaaaa淫片| 淫秽高清视频在线观看| 国产精品伦人一区二区| 亚洲最大成人中文| 美女国产视频在线观看| 给我免费播放毛片高清在线观看| 99热这里只有是精品50| 日产精品乱码卡一卡2卡三| 精品欧美国产一区二区三| 国产高清不卡午夜福利| 亚洲婷婷狠狠爱综合网| 国产白丝娇喘喷水9色精品| 嫩草影院精品99| 国产精品电影一区二区三区| 99在线人妻在线中文字幕| 国产乱人偷精品视频| 国产一区二区在线观看日韩| 桃色一区二区三区在线观看| 亚洲精品亚洲一区二区| 欧美xxxx性猛交bbbb| 亚洲一区二区三区色噜噜| 男女视频在线观看网站免费| 亚洲色图av天堂| 观看美女的网站| 亚洲精华国产精华液的使用体验 | 日本一本二区三区精品| 99久久中文字幕三级久久日本| 亚洲久久久久久中文字幕| 黄片无遮挡物在线观看| 麻豆精品久久久久久蜜桃| 男的添女的下面高潮视频| 最后的刺客免费高清国语| 99久久九九国产精品国产免费| 在线观看美女被高潮喷水网站| 国产成人午夜福利电影在线观看| 国产精品爽爽va在线观看网站| 精品久久久噜噜| 国产精品,欧美在线| 国内久久婷婷六月综合欲色啪| 黄片wwwwww| 欧美丝袜亚洲另类| 搞女人的毛片| 亚洲一级一片aⅴ在线观看| 免费观看a级毛片全部| 爱豆传媒免费全集在线观看| 春色校园在线视频观看| 国产精品久久久久久久久免| 一级黄色大片毛片| 欧美xxxx黑人xx丫x性爽| 青春草国产在线视频 | 青春草亚洲视频在线观看| 99在线人妻在线中文字幕| 99在线视频只有这里精品首页| 亚洲精华国产精华液的使用体验 | 一级黄片播放器| 天堂av国产一区二区熟女人妻| 国产伦精品一区二区三区视频9| 国内精品宾馆在线| 一级毛片aaaaaa免费看小| av在线观看视频网站免费| 中文字幕熟女人妻在线| 亚洲久久久久久中文字幕| 你懂的网址亚洲精品在线观看 | 亚洲av一区综合| 免费黄网站久久成人精品| 中文亚洲av片在线观看爽| 97在线视频观看| 国产精品久久电影中文字幕| 日韩精品有码人妻一区| 国产69精品久久久久777片| 日日啪夜夜撸| 成年免费大片在线观看| 亚洲成人精品中文字幕电影| 如何舔出高潮| 3wmmmm亚洲av在线观看| 日本在线视频免费播放| 亚洲av男天堂| 国产 一区 欧美 日韩| 99久久精品热视频| 成年av动漫网址| 久久亚洲精品不卡| 日本在线视频免费播放| 国产精品免费一区二区三区在线| 亚洲av成人精品一区久久| 97超视频在线观看视频| 成人美女网站在线观看视频| 亚洲熟妇中文字幕五十中出| 亚洲av中文字字幕乱码综合| 黄色视频,在线免费观看| 国产av麻豆久久久久久久| 亚洲国产欧美在线一区| 国产大屁股一区二区在线视频| 蜜臀久久99精品久久宅男| 国产精品嫩草影院av在线观看| 亚洲中文字幕日韩| 精品一区二区三区视频在线| 亚洲激情五月婷婷啪啪| 非洲黑人性xxxx精品又粗又长| 夫妻性生交免费视频一级片| 乱人视频在线观看| 中文资源天堂在线| 我要搜黄色片| 国产色爽女视频免费观看| 日韩人妻高清精品专区| 中国美女看黄片| 伦精品一区二区三区| 色哟哟·www| 亚洲不卡免费看| 人体艺术视频欧美日本| 亚洲精品乱码久久久v下载方式| 色5月婷婷丁香| 我的老师免费观看完整版| 小说图片视频综合网站| 爱豆传媒免费全集在线观看| 女人被狂操c到高潮| 九九在线视频观看精品| 精品免费久久久久久久清纯| 欧美潮喷喷水| 亚洲av免费在线观看| 久久久久性生活片| 成人毛片60女人毛片免费| 久久久久久久午夜电影| 午夜精品一区二区三区免费看| 在线观看一区二区三区| 午夜老司机福利剧场| 97超碰精品成人国产| 久久精品影院6| 别揉我奶头 嗯啊视频| eeuss影院久久| 久久久国产成人精品二区| 国产午夜福利久久久久久| 久久韩国三级中文字幕| 97超碰精品成人国产| 国产精品一及| 亚洲av不卡在线观看| 日产精品乱码卡一卡2卡三| 麻豆成人午夜福利视频| 三级国产精品欧美在线观看| 美女内射精品一级片tv| 日本熟妇午夜| 久久精品综合一区二区三区| 精品人妻一区二区三区麻豆| 国产精品av视频在线免费观看| 干丝袜人妻中文字幕| 人人妻人人澡欧美一区二区| 熟女人妻精品中文字幕| 三级国产精品欧美在线观看| 禁无遮挡网站| 国产精品一区二区在线观看99 | 国产精品蜜桃在线观看 | 精品免费久久久久久久清纯| 国产午夜精品一二区理论片| 九九久久精品国产亚洲av麻豆| 91精品国产九色| 久久精品人妻少妇| 日韩亚洲欧美综合| 国产精品国产高清国产av| 国产成人精品婷婷| 亚洲av不卡在线观看| 色哟哟哟哟哟哟| 女人十人毛片免费观看3o分钟| 国产色爽女视频免费观看| 国产不卡一卡二| 午夜福利视频1000在线观看| 黄色一级大片看看| 综合色av麻豆| 男女那种视频在线观看| 五月伊人婷婷丁香| 日本撒尿小便嘘嘘汇集6| 日本-黄色视频高清免费观看| 免费人成视频x8x8入口观看| 小蜜桃在线观看免费完整版高清| 国产一区亚洲一区在线观看| 简卡轻食公司| 亚洲激情五月婷婷啪啪| 精品日产1卡2卡| 一区福利在线观看| 啦啦啦观看免费观看视频高清| 亚洲最大成人av| 欧美激情久久久久久爽电影| 性色avwww在线观看| 国产探花极品一区二区| 国产精品爽爽va在线观看网站| 亚洲一区高清亚洲精品| 国产乱人偷精品视频| 中文欧美无线码| 能在线免费观看的黄片| av天堂中文字幕网| 99九九线精品视频在线观看视频| 青春草视频在线免费观看| 国产又黄又爽又无遮挡在线| 哪个播放器可以免费观看大片| 免费在线观看成人毛片| 日韩一本色道免费dvd| 成人av在线播放网站| 国产精品一区二区性色av| 午夜福利视频1000在线观看| 成人亚洲欧美一区二区av| 亚洲五月天丁香| 国产毛片a区久久久久| а√天堂www在线а√下载| 亚洲性久久影院| 国产精品女同一区二区软件| 日韩成人伦理影院| 成人漫画全彩无遮挡| 国产激情偷乱视频一区二区| 久久久久久伊人网av| 国产成人a∨麻豆精品| 免费黄网站久久成人精品| av国产免费在线观看| 成人二区视频| 日韩欧美精品v在线| 国产麻豆成人av免费视频| 久久久久久九九精品二区国产| 亚洲人与动物交配视频| 日韩av不卡免费在线播放| 久久九九热精品免费| av.在线天堂| 亚洲va在线va天堂va国产| 大又大粗又爽又黄少妇毛片口| 少妇高潮的动态图| 免费看美女性在线毛片视频| 欧美日韩国产亚洲二区| 欧美性感艳星| 91狼人影院| 欧美性猛交╳xxx乱大交人| kizo精华| 中国国产av一级| 中文资源天堂在线| 日本av手机在线免费观看| 日韩在线高清观看一区二区三区| 亚洲内射少妇av| 精品久久久久久久久久免费视频| 国产精品国产三级国产av玫瑰| 少妇人妻精品综合一区二区 | 欧美性猛交╳xxx乱大交人| 精品国内亚洲2022精品成人| 国产乱人视频| 精品免费久久久久久久清纯| 亚洲欧美日韩东京热| 免费观看人在逋| 国产在视频线在精品| 日本与韩国留学比较| 国产成人aa在线观看| 国产免费一级a男人的天堂| 一级毛片我不卡| 人体艺术视频欧美日本| 18禁裸乳无遮挡免费网站照片| 网址你懂的国产日韩在线| av卡一久久| 日本成人三级电影网站| 亚洲va在线va天堂va国产| 免费观看在线日韩| 久久国内精品自在自线图片| 美女脱内裤让男人舔精品视频 | 校园春色视频在线观看| 久久精品国产亚洲av香蕉五月| 欧洲精品卡2卡3卡4卡5卡区| 久久精品国产自在天天线| 国产久久久一区二区三区| 日日撸夜夜添| 亚洲在线自拍视频| 99在线人妻在线中文字幕| 麻豆一二三区av精品| 国产一区二区激情短视频| 可以在线观看毛片的网站| 床上黄色一级片| 亚洲av中文字字幕乱码综合| 亚洲一区二区三区色噜噜| 99热只有精品国产| 亚洲天堂国产精品一区在线| 国产精品人妻久久久影院| 亚洲丝袜综合中文字幕| 麻豆国产97在线/欧美| 看片在线看免费视频| 久久久久久大精品| 日韩一区二区视频免费看| 亚洲最大成人av| 国产精品99久久久久久久久| 一夜夜www| 亚洲av二区三区四区| 男人的好看免费观看在线视频| 我的老师免费观看完整版| 久久精品夜色国产| 欧美日韩在线观看h| 蜜桃久久精品国产亚洲av| 丰满人妻一区二区三区视频av| 精品久久久噜噜| 欧美性猛交黑人性爽| 免费av观看视频| 青青草视频在线视频观看| 欧美不卡视频在线免费观看| 18禁在线无遮挡免费观看视频| 熟女电影av网| 久99久视频精品免费| 只有这里有精品99| 欧美极品一区二区三区四区| 久久久成人免费电影| 国产色爽女视频免费观看| 青青草视频在线视频观看| av在线蜜桃| 亚洲不卡免费看| 99九九线精品视频在线观看视频| 永久网站在线| 欧美极品一区二区三区四区| 91久久精品国产一区二区三区| 熟女电影av网| 国产精品蜜桃在线观看 | 三级毛片av免费| 久久99热这里只有精品18| 国产午夜精品论理片| 久久久国产成人免费| 九九久久精品国产亚洲av麻豆| 国产午夜精品论理片| av女优亚洲男人天堂| www.色视频.com| 亚洲在久久综合| 日韩 亚洲 欧美在线| 国产精品免费一区二区三区在线| 日韩,欧美,国产一区二区三区 | 美女被艹到高潮喷水动态| 欧美成人一区二区免费高清观看| 亚洲自拍偷在线| 国产探花在线观看一区二区| 好男人视频免费观看在线| 深夜a级毛片|