• <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 ?

    分離特征和協(xié)同網(wǎng)絡(luò)下的端到端圖像去霧

    2021-10-04 11:46:32梁小珍張金龍
    光學(xué)精密工程 2021年8期
    關(guān)鍵詞:加性復(fù)原大氣

    楊 燕,梁小珍,張金龍

    (蘭州交通大學(xué) 電子與信息工程學(xué)院,甘肅 蘭州 730070)

    1 引 言

    視頻監(jiān)控等智能設(shè)備在計(jì)算機(jī)視覺(jué)系統(tǒng)應(yīng)用中起著重要的作用。由于霧、霾天氣的存在,使得成像設(shè)備采集到的圖片降質(zhì)嚴(yán)重,不能很好地監(jiān)測(cè)到目標(biāo)物體,給視覺(jué)系統(tǒng)帶來(lái)極大的不便[1-3]。因此,圖像去霧有著很重要的現(xiàn)實(shí)意義、研究?jī)r(jià)值以及實(shí)用價(jià)值。

    目前,圖像去霧方法主要為基于物理模型和基于深度學(xué)習(xí)的方法。基于物理模型的方法從圖像降質(zhì)的本質(zhì)出發(fā),以大氣散射模型為依據(jù),通過(guò)估計(jì)大氣光和透射率,逆向推導(dǎo)降質(zhì)公式,從而得到無(wú)霧圖像。He等人[4]對(duì)大量戶外無(wú)霧圖像統(tǒng)計(jì)發(fā)現(xiàn):在非天空和高亮區(qū)域,其像素點(diǎn)的某一個(gè)顏色通道具有非常低的像素值,提出暗通道先驗(yàn)DCP。Zhu等人[5]通過(guò)統(tǒng)計(jì)有霧圖像的顏色信息,提出顏色衰減先驗(yàn)CAP,估計(jì)出深度信息,從而得到無(wú)霧圖像。Hu等人[6]觀察發(fā)現(xiàn)大氣光照不僅在不同圖像中存在差異,在同幅圖片的不同區(qū)域也存在差異,提出基于局部—全局聯(lián)合光照調(diào)整的去霧算法,用局部光照代替全局大氣光。該算法對(duì)不同霧濃度和光照條件的霧圖均有良好的適應(yīng)性。Yang等人[7]提出用一個(gè)分段函數(shù)來(lái)代替最小濾波器操作,有效避免了暗通道方法在邊緣處透射率估計(jì)不準(zhǔn)確的問(wèn)題?;谖锢砟P偷娜レF方法發(fā)展迅速,效果顯著。但存在的問(wèn)題是:先驗(yàn)信息具有局限性,不能適用于任意場(chǎng)景;以DCP為例,該先驗(yàn)信息不適用于高亮區(qū)域。同時(shí),手動(dòng)設(shè)計(jì)特征的過(guò)程較為繁瑣,不具有便利性。

    為了改善傳統(tǒng)算法的不足,基于深度學(xué)習(xí)的去霧方法迅速發(fā)展,成為圖像去霧的主流方向。該類(lèi)方法主要借助卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN),通過(guò)構(gòu)建端到端的網(wǎng)絡(luò)架構(gòu)訓(xùn)練所需特征。Cai等人[8]基于深層CNN搭建Dehaze-Net去霧網(wǎng)絡(luò)來(lái)訓(xùn)練透射率,借助大氣散射模型恢復(fù)出無(wú)霧圖像,取得了不錯(cuò)的結(jié)果,尤其天空區(qū)域效果顯著。但該網(wǎng)絡(luò)以傳統(tǒng)方法中的先驗(yàn)或假設(shè)構(gòu)建,具有一定的局限性。Ren等人[9]提出的端到端門(mén)控融合去霧網(wǎng)絡(luò)GFN通過(guò)使用白平衡、對(duì)比度增強(qiáng)和伽馬校正等一系列操作實(shí)現(xiàn)最終的去霧,但網(wǎng)絡(luò)實(shí)現(xiàn)過(guò)程較繁瑣。Li等 人[10]提 出的AOD網(wǎng)絡(luò),通過(guò)變形大氣散 射模型公式,將透射率和大氣光整合為一個(gè)統(tǒng)一參數(shù)K訓(xùn)練,改變了以往分別訓(xùn)練大氣光和透射率的風(fēng)格,但由于網(wǎng)絡(luò)層數(shù)較少精度有限,并不總能達(dá)到好的去霧效果。Qin等人[11]基于不同的通道特征包含完全不同的加權(quán)信息,且不同圖像像素上的霧濃度分布也不同,提出一種通道注意和像素注意機(jī)制結(jié)合的特征注意網(wǎng)絡(luò)FFA-Net。由于該網(wǎng)絡(luò)只是考慮了有霧圖像與無(wú)霧圖像之間的差值,并未從圖像整體風(fēng)格出發(fā),盡管對(duì)合成圖像效果良好,但在真實(shí)場(chǎng)景中存在細(xì)節(jié)丟失嚴(yán)重,去霧不徹底的問(wèn)題。Wang等人[12]通過(guò)對(duì)大量有霧圖像的不同顏色通道統(tǒng)計(jì)發(fā)現(xiàn):有霧區(qū)域主要集中在Ycbcr色彩空間的亮度通道上,提出大氣照明先驗(yàn),搭建了AIPNet去霧網(wǎng)絡(luò),在一定程度上提高了圖像質(zhì)量,但仍存在特征提取不全面,部分復(fù)原圖像伴有殘霧。

    基于上述傳統(tǒng)方法以及現(xiàn)有網(wǎng)絡(luò)存在的不足,本文提出了一種基于CNN的分離特征和協(xié)同網(wǎng)絡(luò)的端到端去霧架構(gòu)。首先基于大氣散射模型,本文將傳統(tǒng)的去霧模型變形為乘性干擾與加性干擾的形式,簡(jiǎn)化去霧過(guò)程,突出特征重要程度;然后用一個(gè)四層密集級(jí)聯(lián)的深層多尺度網(wǎng)絡(luò)和一個(gè)淺層多尺度網(wǎng)絡(luò)來(lái)分別提取分離出的乘性特征MF和加性特征AF;最后結(jié)合初始輸入信息以及提取到的兩個(gè)特征,通過(guò)復(fù)原模塊得到清晰圖像。各項(xiàng)實(shí)驗(yàn)結(jié)果表明,所提網(wǎng)絡(luò)復(fù)原圖像去霧徹底,顏色保真度高,細(xì)節(jié)保持良好且無(wú)偏色現(xiàn)象。

    2 算 法

    2.1 復(fù)原模型

    在圖像去霧領(lǐng)域中,常用大氣散射模型[13-15]描述霧天條件下的成像過(guò)程,如式(1)所示:

    其中,I(x)和J(x)分別代表有霧圖像和無(wú)霧圖像,A表示大氣光,t(x)為透射率,反映了大氣光穿透霧氣的能力。

    本文對(duì)大氣散射模型做如下變形:

    相比較于式(1)所示模型,本文所建立的乘性干擾加加性偏置的形式不僅可以更加簡(jiǎn)潔地反映圖像退化過(guò)程,而且能夠更加直觀地突出各特征的重要程度,在搭建網(wǎng)絡(luò)時(shí)更具目標(biāo)性,從而保證網(wǎng)絡(luò)訓(xùn)練的穩(wěn)定性。由式(3)可以看出,提取乘性特征MF和加性特征AF是復(fù)原圖像的關(guān)鍵。因此,本文網(wǎng)絡(luò)設(shè)計(jì)的重點(diǎn)就是獲取所需的圖像特征MF和AF。

    2.2 特征提取網(wǎng)絡(luò)

    與以往大多數(shù)依賴(lài)大氣散射模型,通過(guò)分別訓(xùn)練大氣光、透射率或者將兩者整合在一起訓(xùn)練實(shí)現(xiàn)去霧的操作不同。本文從大氣散射模型變形公式出發(fā),重點(diǎn)考慮乘性特征和加性特征的提取,設(shè)計(jì)了一個(gè)雙網(wǎng)并行的去霧網(wǎng)絡(luò),網(wǎng)絡(luò)整體架構(gòu)如圖1所示。

    圖1 網(wǎng)絡(luò)整體架構(gòu)Fig.1 Overall network architecture

    所提網(wǎng)絡(luò)主要包括:乘性特征提取模塊MFEM(Multiplicative Feature Extraction Mod‐ule)、加性特征提取模塊AFEM(Additive Fea‐ture Extraction Module)以及復(fù)原模塊RM(Res‐toration Module),通過(guò)這些模塊的共同作用,從而實(shí)現(xiàn)從有霧圖像(Hazy Image)到無(wú)霧圖像(Clear Image)的端到端處理。

    2.2.1 乘性特征提取模塊MFEM

    傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)提取圖像特征時(shí)通常是從單路徑結(jié)構(gòu)體系出發(fā)的,網(wǎng)絡(luò)各階段間沒(méi)有通信[16-17],模型如圖2(a)所示。雖然能夠得到所需特征,但隨著網(wǎng)絡(luò)深度的增加,特征精度提升有限,并不能達(dá)到良好的效果。考慮到各層不同階段之間的信息交互,本文通過(guò)將上層各階段網(wǎng)絡(luò)引入下層網(wǎng)絡(luò),進(jìn)而充分利用各層網(wǎng)絡(luò)不同深度的空間信息以及圖像細(xì)節(jié)特征,獲取到更加全面豐富的特征信息。各層之間的信息交互不僅實(shí)現(xiàn)了特征重用的目的,提升網(wǎng)絡(luò)精度,而且可以有效減小模型部署成本[18-19],如圖2(b)所示。

    圖2 模型對(duì)比Fig.2 Model comparison

    基于上述分析,本文MFEM模塊的設(shè)計(jì)充分考慮特征重用的優(yōu)點(diǎn),搭建了一個(gè)四層密集級(jí)聯(lián)的多尺度網(wǎng)絡(luò)來(lái)提取圖像的乘性特征。具體地,采用不同尺寸的卷積操作來(lái)獲取不同感受野的圖像特征;通過(guò)密集級(jí)聯(lián)充分利用各層信息,補(bǔ)償信息間差異,捕捉更加全面的特征;ReLu函數(shù)不僅可以克服梯度消失而且可以加快網(wǎng)絡(luò)的訓(xùn)練速度,因此MFEM模塊采用ReLu作為激活函數(shù)。本文將輸入圖片尺寸設(shè)為480×640,為保證輸出圖像尺寸的一致性,輸出尺寸,步長(zhǎng),填充,輸入尺寸遵循式(4)所示的規(guī)則:

    其中,m1為輸入圖片尺寸,m1為輸出圖片尺寸;P為填充,f代表卷積核尺寸,S為步長(zhǎng);為向下取整操作。

    深度可分離卷積包括逐通道卷積(Depth‐wise)和逐點(diǎn)卷積(Pointwise)兩個(gè)步驟,是兩種卷積共同作用的結(jié)果。與常規(guī)卷積相比,深度可分離卷積可以在達(dá)到同等效果的同時(shí)有效降低參數(shù)量。因此,為降低網(wǎng)絡(luò)參數(shù)量、提高網(wǎng)絡(luò)訓(xùn)練效率,MFEM網(wǎng)絡(luò)采用深度可分離卷積實(shí)現(xiàn)其功能。

    MFEM模塊各階段內(nèi)部參數(shù)如表1所示。ConvY-X中Y代表卷積核尺寸,X代表卷積編號(hào),例如Conv1-1表示尺寸為1×1,編號(hào)為1的卷積,×N表示上采樣。其次,當(dāng)填充P≠0時(shí),本文采用大小為3×3,步長(zhǎng)為2,P=1的最大池化層對(duì)圖片進(jìn)行下采樣操作,以減小圖片尺寸。

    表1 乘性特征提取模塊MFEM各卷積核參數(shù)Tab.1 MFEM convolution kernel parameters

    2.2.2 加性特征提取模塊AFEM

    在本文所提的線性復(fù)原模型中,可將加性特征AF視為偏置。與MF相比,AF對(duì)輸出結(jié)果影響較小。因此,本文AFEM模塊使用6個(gè)卷積層融合不同大小的濾波尺寸,捕獲多感受野特征。同時(shí),引入跳躍連接有效避免梯度消失或梯度爆炸問(wèn)題,顯著增強(qiáng)網(wǎng)絡(luò)性能。網(wǎng)絡(luò)內(nèi)各部分參數(shù)如表2所示。為了進(jìn)一步比較本文所提特征MF和AF的對(duì)復(fù)原結(jié)果的影響,進(jìn)行如下實(shí)驗(yàn),如圖3所示。從一組有無(wú)加性特征的復(fù)原效果對(duì)比圖可以看出:加性特征主要體現(xiàn)在圖像的細(xì)節(jié)部分及顏色保真度方面,它可以有效增強(qiáng)圖像細(xì)節(jié)信息,使圖像局部特征更加明顯,同時(shí)在視覺(jué)上使圖像更加清晰自然。如圖中紅框部分所示,加性特征AF加入后地面及墻面顏色更加清晰自然且細(xì)節(jié)特征明顯增多。

    表2 加性特征提取模塊AFEM各卷積核參數(shù)Tab.2 AFEM convolution kernel parameters

    圖3 有無(wú)加性特征復(fù)原效果對(duì)比圖Fig.3 Comparison of restoration effect with or without AF

    2.2.3 損失函數(shù)

    為保證網(wǎng)絡(luò)的收斂性,本文在訓(xùn)練網(wǎng)絡(luò)時(shí)采用將基于預(yù)訓(xùn)練VGG-19網(wǎng)絡(luò)的感知損失[20]與L2損失相結(jié)合的損失函數(shù)求解方法,通過(guò)最小化重建圖像與真實(shí)圖像之間的誤差獲得無(wú)霧圖像。L2損失與感知損失LP分別如式(5),式(6)所示:

    其中,Ji表示真實(shí)無(wú)霧圖像,Ji'表示經(jīng)過(guò)所提網(wǎng)絡(luò)得到的重建圖像,H,W,M分別表示重建圖像的高度、寬度以及數(shù)目。φi表示真實(shí)圖像特征圖,表示重建圖像特征圖。

    因此,最終的損失函數(shù)L為:

    其中,ε為權(quán)重因子,本文設(shè)置為0.01。

    分別利用MFEM模塊和AFEM模塊得到訓(xùn)練好的特征AF和MF后,結(jié)合初始信息,通過(guò)復(fù)原模塊,便可得到無(wú)霧圖像,如圖4所示。

    圖4 圖像復(fù)原Fig.4 Image restoration

    3 實(shí)驗(yàn)結(jié)果與分析

    為驗(yàn)證所提網(wǎng)絡(luò)的有效性及合理性,本文對(duì)其在合成圖像和真實(shí)圖像的去霧效果分別做了定量評(píng)估,并從視覺(jué)效果和客觀數(shù)據(jù)兩方面與目前先進(jìn)的算法作對(duì)比,使結(jié)果更具說(shuō)服力。

    3.1 實(shí)驗(yàn)設(shè)置及數(shù)據(jù)集

    本文網(wǎng)絡(luò)運(yùn)行是基于Pytorch框架下實(shí)現(xiàn)的,在Ubuntu環(huán)境下使用V100 GPU來(lái)訓(xùn)練去霧網(wǎng)絡(luò)。其中,設(shè)置初始學(xué)習(xí)率為經(jīng)驗(yàn)值0.000 1,batchsize為32。Adam優(yōu)化器的動(dòng)量衰減指數(shù)分別是:β1=0.9,β2=0.999。迭代次數(shù)為30次,訓(xùn)練一次迭代的時(shí)間為28分鐘,最終訓(xùn)練出的網(wǎng)絡(luò)模型大小為1 808 kb。

    本文使用合成圖像數(shù)據(jù)集RESIDE(Realis‐tic Single Image Dehazing)[21]訓(xùn) 練 網(wǎng) 絡(luò)。RE‐SIDE從NYU2[22]深度數(shù)據(jù)集中選取圖像,通過(guò)隨機(jī)選擇大氣光A(A∈(0.8,1.0))和散射設(shè)系數(shù)β(β∈(0.5,1.5))來(lái)合成不同的有霧圖像。其中包括ITS(Indoor Training Set)室內(nèi)數(shù)據(jù)集、OTS(Outdoor Training Set)室外數(shù)據(jù)集和SOTS(Synthetic Objective Testing Set)數(shù)據(jù)集。本文選擇RESIDE中的ITS數(shù)據(jù)集作為訓(xùn)練集,SOTS作為測(cè)試集。訓(xùn)練集ITS中包括1 399張清晰圖像以及所對(duì)應(yīng)的不同霧濃度的13 990張有霧圖像;測(cè)試集SOTS中包括500張室內(nèi)有霧圖像和500張室外有霧圖像。另外,為更好地驗(yàn)證所提網(wǎng)絡(luò)的有效性和實(shí)用性,本文還選取了真實(shí)環(huán)境中色彩較為豐富的有霧圖像進(jìn)行測(cè)試。

    在網(wǎng)絡(luò)性能的定量評(píng)估上,本文選取了一些去霧領(lǐng)域具有代表性的算法作對(duì)比,包括基于物理模型的傳統(tǒng)算法He算法、Zhu算法;基于深度學(xué)習(xí)的Cai算法、Li算法、Ren算法和Qin算法。

    3.2 合成圖像數(shù)據(jù)集定量評(píng)估

    3.2.1 主觀評(píng)價(jià)

    在合成圖像數(shù)據(jù)集SOTS上對(duì)網(wǎng)絡(luò)從主觀和客觀兩方面進(jìn)行評(píng)估,隨機(jī)選取其中的4幅室內(nèi)圖像和4幅室外圖像進(jìn)行效果評(píng)價(jià),各算法去霧效果如圖5~6所示??梢钥闯觯号c其他算法相比,本文算法所得結(jié)果圖與原清晰圖像最為相似,具體分析如下:

    He方法獲得的圖像去霧較徹底,但較其其他算法效果圖而言圖像整體偏暗,且由于暗通道的局限性,天空區(qū)域嚴(yán)重失真,如圖6(b)所示。另外,邊緣突變處透射率估計(jì)不準(zhǔn)確,導(dǎo)致復(fù)原圖像在邊緣處易出現(xiàn)光暈和塊狀效應(yīng),如圖6(b)中第一幅圖像樹(shù)葉周?chē)嬖诠鈺瀭斡埃挥蒀ai方法得到的圖像顏色自然,尤其天空區(qū)域更為顯著,但存在去霧不徹底和細(xì)節(jié)損失嚴(yán)重的問(wèn)題。如圖5(c)中第一幅圖像墻面區(qū)域明顯有霧氣殘留,第四幅圖像前景椅子嚴(yán)重偏色以及圖像6(c)中第一幅圖像樹(shù)葉過(guò)暗細(xì)節(jié)模糊;較He算法,Ren算法在天空區(qū)域的偏色問(wèn)題有所改善,但部分圖像存在去霧不徹底及顏色過(guò)飽和問(wèn)題。如圖5(d)中第四幅圖像、圖6(d)中第一幅圖像去霧效果較差,圖6(d)中第三幅圖及第四幅圖像中的石頭護(hù)欄部分顏色過(guò)黃;Li方法得到的圖像顏色保真度較好且去霧也較為徹底,但由于網(wǎng)絡(luò)結(jié)構(gòu)比較淺特征提取不是很豐富,遠(yuǎn)景區(qū)域細(xì)節(jié)恢復(fù)較差,如圖6(e)中第三幅圖像及第四幅圖像后山的樹(shù)林;Qin算法得到的無(wú)霧圖像室內(nèi)圖像去霧效果較好,復(fù)原圖像顏色自然,室外圖像去霧不太徹底,但天空區(qū)域顏色自然,無(wú)明顯的偏色現(xiàn)象,如圖5(f)所示;與前面幾種經(jīng)典算法相比,本文算法去霧效果顯著,細(xì)節(jié)保持良好,且無(wú)明顯的失真、偏色等問(wèn)題,去霧圖像顏色自然,在室內(nèi)及室外圖像上均有不錯(cuò)的表現(xiàn)。

    圖5 室內(nèi)合成霧圖各算法去霧效果對(duì)比圖(圖像1-4)Fig.5 Comparison of restoration effects of various algorithms in iutdoor synthetic hazy image(Image1-4)

    圖6 室外合成霧圖各算法去霧效果對(duì)比圖(圖像1-4)Fig.6 Comparison of restoration effects of various algorithms in outdoor synthetic hazy image(Image1-4)

    3.2.2 客觀評(píng)價(jià)

    客觀評(píng)價(jià)指標(biāo)采用深度學(xué)習(xí)中統(tǒng)一使用的結(jié)構(gòu)相似度SSIM(Structural Similarity Index Measurement)指標(biāo)和峰值信噪比PSNR(Peak Signal to Noise Ratio)指標(biāo)。其中,結(jié)構(gòu)相似度SSIM用來(lái)衡量?jī)煞鶊D像的相似程度,取值范圍為[0,1],峰值信噪比PSNR用來(lái)表示一幅圖像中有用信號(hào)和噪聲的比值,兩者都是越大越好。兩指標(biāo)對(duì)應(yīng)的數(shù)學(xué)表達(dá)式分別如式(8),式(9)所示:

    其中,μi和μj分別為圖像i和圖像j的均值,σi和σj為兩幅圖像的標(biāo)準(zhǔn)差,σij為兩幅圖像的協(xié)方差,c0和c1為常數(shù)。

    其中,MSE為去霧后的圖像與清晰圖像的最小均方誤差,MAX一般取255。

    在SOTS上的客觀指標(biāo)如表3所示(數(shù)據(jù)為均值)。可以看出:經(jīng)本文網(wǎng)絡(luò)處理得到的圖片在SSIM指標(biāo)上領(lǐng)先其他算法,PSNR指標(biāo)也優(yōu)于大部分算法,取得了不錯(cuò)的結(jié)果,輔助驗(yàn)證了所提網(wǎng)絡(luò)的有效性。

    表3 SOTS數(shù)據(jù)集評(píng)測(cè)指標(biāo)Tab.3 SOTS evaluation indicators

    3.3 真實(shí)圖像數(shù)據(jù)集定量評(píng)估

    3.3.1 主觀評(píng)價(jià)

    為了進(jìn)一步證實(shí)所提網(wǎng)絡(luò)的實(shí)用價(jià)值,本文對(duì)其在真實(shí)場(chǎng)景下的效果圖像進(jìn)行實(shí)驗(yàn)評(píng)估,各算法去霧效果如圖7所示??梢园l(fā)現(xiàn):He算法對(duì)于含豐富近景的圖像去霧效果良好,但由于最小濾波器使用造成透射率誤估,使得復(fù)原圖像在邊緣處容易出現(xiàn)光暈,以及大氣光估計(jì)不準(zhǔn)確,導(dǎo)致去霧圖像在含天空的遠(yuǎn)景區(qū)域嚴(yán)重失真,如圖7(b)所示;與其他算法相比,Zhu算法和Qin算法都存在去霧不徹底,細(xì)節(jié)損失嚴(yán)重等問(wèn)題,尤其Qin算法更加明顯,如圖7(c)中紅框所示部分;Cai算法去霧效果顯著,尤其天空區(qū)域顏色恢復(fù)自然,但部分圖像去霧程度過(guò)大,導(dǎo)致部分像素點(diǎn)丟失圖像變暗,如圖7(d)紅框中樹(shù)葉部分以及船體部分所示;Ren算法效果圖去霧徹底,但有明顯的偏色問(wèn)題特別是包含天空部分的區(qū)域,如圖7(e)中圖像3的樹(shù)葉、圖像5的前景部分以及圖像2和圖像6的天空區(qū)域;Li算法整體去霧效果較好,部分區(qū)域存在顏色失真現(xiàn)象,如圖7(f)中圖像4的草丘;和其它算法相比,本文算法效果圖去霧徹底,細(xì)節(jié)保持良好,復(fù)原場(chǎng)景清晰自然。

    圖7 真實(shí)場(chǎng)景各算法去霧效果對(duì)比圖(圖像1-6)Fig.7 Comparison of restoration effects in real scenes(Image1-6)

    3.3.2 客觀評(píng)價(jià)

    客觀評(píng)價(jià)采用真實(shí)場(chǎng)景去霧領(lǐng)域中經(jīng)常使用的無(wú)參考的圖像質(zhì)量評(píng)估法[23],其評(píng)價(jià)指標(biāo)包括:飽和像素點(diǎn)個(gè)數(shù)m、可見(jiàn)邊集合數(shù)e、平均梯度r以及運(yùn)行時(shí)間t(單位:秒);其中飽和像素點(diǎn)個(gè)數(shù)和運(yùn)行時(shí)間數(shù)值越小,算法表現(xiàn)越好;可見(jiàn)邊集合數(shù)e和平均梯度r數(shù)值越大,表明算法效果越好。

    各算法中各指標(biāo)如表4所示(表中數(shù)據(jù)為均值)。由表可以看出:所提網(wǎng)絡(luò)在飽和像素點(diǎn)個(gè)數(shù)和運(yùn)行時(shí)間指標(biāo)上有較好的表現(xiàn),并且在可見(jiàn)邊集合數(shù)和平均梯度兩指標(biāo)上具有領(lǐng)先優(yōu)勢(shì)。與其它各算法相比,所提網(wǎng)絡(luò)在可見(jiàn)邊集合數(shù)e上提高了28.1%,在平均梯度r上提高27.9%。

    表4 真實(shí)場(chǎng)景各評(píng)價(jià)指標(biāo)Tab.4 Indicators for real scenes

    3.4 消融實(shí)驗(yàn)

    為了進(jìn)一步驗(yàn)證所提各模塊對(duì)最終去霧結(jié)果的貢獻(xiàn),隨機(jī)挑選數(shù)據(jù)集SOTS中的一幅圖像進(jìn)行如下的消融實(shí)驗(yàn)。主要包括:1)僅提取有霧圖像的加性特征AF來(lái)復(fù)原圖像;2)僅提取有霧圖像的乘性特征MF來(lái)復(fù)原圖像;3)加性特征AF和乘性特征MF共同作用(AF+MF)。

    由圖8對(duì)比圖可以看出:AF圖像只保留了一些全局特征,細(xì)節(jié)信息大量丟失;MF圖像細(xì)節(jié)信息明顯增多,但存在去霧不徹底和偏色的問(wèn)題。相比之下,由AF和MF兩個(gè)特征共同作用下的圖像不僅保留了原圖像的色彩而且細(xì)節(jié)信息明顯去霧也較徹底,各圖像指標(biāo)如表5所示。從表5可以看出,由AF和MF兩特征共同作用下得到的圖像在指標(biāo)SSIM和PSNR上得到了顯著提升。

    表5 在SOTS數(shù)據(jù)集上的評(píng)測(cè)指標(biāo)對(duì)比Tab.5 Comparison of indicators on the SOTS

    圖8 消融實(shí)驗(yàn)結(jié)果對(duì)比圖Fig.8 Comparison of ablation experiment

    4 結(jié) 論

    針對(duì)目前傳統(tǒng)算法以及現(xiàn)有網(wǎng)絡(luò)存在的不足,提出了一種基于CNN的分離特征和協(xié)同網(wǎng)絡(luò)的端到端圖像去霧模型。其設(shè)計(jì)從大氣散射模型變形公式出發(fā),充分考慮對(duì)圖像乘性特征MF和加性特征AF的提取。通過(guò)密集級(jí)聯(lián)和跨層連接有效提升網(wǎng)絡(luò)精度,減小模型部署成本,提高網(wǎng)絡(luò)運(yùn)行效率。實(shí)驗(yàn)表明:所提網(wǎng)絡(luò)去霧效果良好且圖像保真度高,與其它算法相比優(yōu)勢(shì)明顯,有效解決了當(dāng)前圖像去霧不徹底、顏色偏移及細(xì)節(jié)保持不佳、可見(jiàn)度下降等問(wèn)題。但由于該網(wǎng)絡(luò)的復(fù)原模塊本質(zhì)上還是依靠大氣散射模型,復(fù)原出的部分圖像在細(xì)節(jié)保持及天空區(qū)域的顏色保真度方面仍存在不足,提高去霧模型的準(zhǔn)確性將是今后進(jìn)一步的研究重點(diǎn)。

    猜你喜歡
    加性復(fù)原大氣
    大氣的呵護(hù)
    軍事文摘(2023年10期)2023-06-09 09:15:06
    溫陳華:唐宋甲胄復(fù)原第一人
    ?2?4[u]-加性循環(huán)碼
    淺談曜變建盞的復(fù)原工藝
    毓慶宮惇本殿明間原狀陳列的復(fù)原
    紫禁城(2020年8期)2020-09-09 09:38:04
    企業(yè)家多重政治聯(lián)系與企業(yè)績(jī)效關(guān)系:超可加性、次可加性或不可加性
    企業(yè)家多重政治聯(lián)系與企業(yè)績(jī)效關(guān)系:超可加性、次可加性或不可加性
    大氣古樸揮灑自如
    大氣、水之后,土十條來(lái)了
    基于加性指標(biāo)的網(wǎng)絡(luò)斷層掃描的研究
    18禁裸乳无遮挡动漫免费视频| 亚洲精品色激情综合| 我的女老师完整版在线观看| 王馨瑶露胸无遮挡在线观看| 蜜桃久久精品国产亚洲av| 欧美人与善性xxx| 天天躁夜夜躁狠狠久久av| 亚洲伊人久久精品综合| 亚洲色图综合在线观看| 特大巨黑吊av在线直播| 人妻制服诱惑在线中文字幕| 成人国产麻豆网| 久久综合国产亚洲精品| 日本黄色片子视频| 91精品一卡2卡3卡4卡| 亚洲av欧美aⅴ国产| 亚洲国产色片| 黑人巨大精品欧美一区二区蜜桃 | 国产成人精品久久久久久| 国产伦精品一区二区三区视频9| 久久久精品94久久精品| 少妇 在线观看| 国产日韩欧美亚洲二区| 人体艺术视频欧美日本| 亚洲综合色惰| 性色avwww在线观看| 亚洲不卡免费看| 看免费成人av毛片| av福利片在线| 黄色毛片三级朝国网站| 极品少妇高潮喷水抽搐| av.在线天堂| 亚洲伊人久久精品综合| 美女cb高潮喷水在线观看| 久久精品国产亚洲av天美| 欧美日本中文国产一区发布| 免费播放大片免费观看视频在线观看| 一级毛片我不卡| 国产乱人偷精品视频| 国产精品一区二区在线观看99| 欧美日韩精品成人综合77777| 天堂8中文在线网| 久久人人爽人人片av| 午夜免费观看性视频| 国产免费一级a男人的天堂| 18禁裸乳无遮挡动漫免费视频| 日韩欧美精品免费久久| 久久精品国产a三级三级三级| 欧美激情极品国产一区二区三区 | 久久综合国产亚洲精品| av不卡在线播放| 久久久久久久久久人人人人人人| 人妻 亚洲 视频| 亚洲av成人精品一区久久| 18禁观看日本| 高清毛片免费看| 91精品国产九色| 国产精品一二三区在线看| 亚洲精品中文字幕在线视频| 亚洲少妇的诱惑av| 春色校园在线视频观看| 欧美 日韩 精品 国产| 久久99热6这里只有精品| 日韩亚洲欧美综合| 婷婷色综合www| 久久影院123| 国产亚洲最大av| 欧美精品人与动牲交sv欧美| 亚洲中文av在线| 麻豆成人av视频| av有码第一页| 成人午夜精彩视频在线观看| a级片在线免费高清观看视频| a级片在线免费高清观看视频| 欧美激情极品国产一区二区三区 | 天堂俺去俺来也www色官网| 狂野欧美白嫩少妇大欣赏| 蜜桃国产av成人99| 欧美成人精品欧美一级黄| 欧美成人午夜免费资源| 久久这里有精品视频免费| 黑丝袜美女国产一区| 日本wwww免费看| 好男人视频免费观看在线| 精品亚洲乱码少妇综合久久| 永久免费av网站大全| 国产亚洲欧美精品永久| 简卡轻食公司| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久精品国产a三级三级三级| 色网站视频免费| 亚洲精品乱久久久久久| 中文字幕精品免费在线观看视频 | videosex国产| 亚洲国产av影院在线观看| av卡一久久| 精品亚洲乱码少妇综合久久| 久久热精品热| 青青草视频在线视频观看| 男人爽女人下面视频在线观看| 中文字幕久久专区| 2022亚洲国产成人精品| 精品少妇内射三级| 国产成人精品一,二区| 人成视频在线观看免费观看| 黑人猛操日本美女一级片| 一级黄片播放器| 精品少妇黑人巨大在线播放| 少妇人妻久久综合中文| 女性被躁到高潮视频| 日韩一区二区视频免费看| 日韩一本色道免费dvd| av一本久久久久| 热re99久久精品国产66热6| 在线精品无人区一区二区三| 99热国产这里只有精品6| av国产久精品久网站免费入址| 久久久国产欧美日韩av| 日韩av在线免费看完整版不卡| 美女xxoo啪啪120秒动态图| 婷婷色av中文字幕| 狠狠婷婷综合久久久久久88av| 久久久国产一区二区| 99热6这里只有精品| 熟女av电影| 国产熟女午夜一区二区三区 | 成人毛片60女人毛片免费| 色哟哟·www| 久久99热6这里只有精品| 少妇高潮的动态图| 成人国产av品久久久| 国产在线视频一区二区| 欧美精品一区二区免费开放| 亚洲高清免费不卡视频| 精品一区二区三卡| 少妇被粗大猛烈的视频| 性色avwww在线观看| 久久精品熟女亚洲av麻豆精品| 亚洲精品视频女| 校园人妻丝袜中文字幕| 国产高清三级在线| 国产黄频视频在线观看| 久久99热这里只频精品6学生| 国产深夜福利视频在线观看| 天天躁夜夜躁狠狠久久av| 黄色怎么调成土黄色| 香蕉精品网在线| 一区二区日韩欧美中文字幕 | 看免费成人av毛片| 九色成人免费人妻av| 妹子高潮喷水视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 看非洲黑人一级黄片| 大香蕉久久成人网| 波野结衣二区三区在线| 满18在线观看网站| 日韩熟女老妇一区二区性免费视频| 亚洲精品视频女| 国产欧美日韩综合在线一区二区| 亚洲综合色网址| 亚洲av电影在线观看一区二区三区| 丰满少妇做爰视频| a级毛色黄片| 日韩一区二区视频免费看| 国产免费一级a男人的天堂| 日韩精品有码人妻一区| 搡老乐熟女国产| 大香蕉97超碰在线| 亚洲欧美一区二区三区国产| 国产精品国产av在线观看| 一区二区三区精品91| 久久99热这里只频精品6学生| 狠狠精品人妻久久久久久综合| 波野结衣二区三区在线| 97超视频在线观看视频| 人妻少妇偷人精品九色| 亚洲国产精品999| 日本午夜av视频| 国模一区二区三区四区视频| 日本欧美视频一区| 我的老师免费观看完整版| 狂野欧美激情性xxxx在线观看| 少妇人妻精品综合一区二区| 97在线人人人人妻| 中国美白少妇内射xxxbb| 熟女电影av网| 五月伊人婷婷丁香| 校园人妻丝袜中文字幕| 亚洲成人一二三区av| 亚洲国产精品999| 在线观看免费日韩欧美大片 | 国产亚洲一区二区精品| 丝袜喷水一区| 国产欧美亚洲国产| 91aial.com中文字幕在线观看| 国产精品国产三级国产av玫瑰| 中文字幕av电影在线播放| 国产成人aa在线观看| 亚洲图色成人| 久久久久久久久久久丰满| 一区二区日韩欧美中文字幕 | 免费黄色在线免费观看| 狂野欧美白嫩少妇大欣赏| 亚洲精品中文字幕在线视频| av线在线观看网站| 久热这里只有精品99| 亚洲久久久国产精品| 肉色欧美久久久久久久蜜桃| 伊人亚洲综合成人网| 大香蕉久久成人网| 日韩制服骚丝袜av| www.色视频.com| 久久精品国产自在天天线| 精品国产乱码久久久久久小说| 大码成人一级视频| 久久精品国产自在天天线| 欧美bdsm另类| 最近最新中文字幕免费大全7| 一本久久精品| 久久久精品区二区三区| 免费av不卡在线播放| 国产男女内射视频| 亚洲人成网站在线播| 精品人妻偷拍中文字幕| 美女福利国产在线| 成年女人在线观看亚洲视频| 亚洲熟女精品中文字幕| 国产片特级美女逼逼视频| 精品酒店卫生间| 日本猛色少妇xxxxx猛交久久| 欧美日韩亚洲高清精品| 人成视频在线观看免费观看| 亚洲欧美日韩卡通动漫| av在线老鸭窝| 欧美bdsm另类| 国产视频内射| 男女免费视频国产| 美女内射精品一级片tv| 亚洲国产日韩一区二区| 精品午夜福利在线看| 国产69精品久久久久777片| 精品国产一区二区三区久久久樱花| 久久久久人妻精品一区果冻| 在线观看免费视频网站a站| 精品国产乱码久久久久久小说| 亚洲欧美中文字幕日韩二区| 亚洲成人av在线免费| 在线观看国产h片| 日本91视频免费播放| 亚洲精品日韩av片在线观看| 日韩一区二区三区影片| 天天躁夜夜躁狠狠久久av| 一区二区三区免费毛片| 国产探花极品一区二区| 在线观看国产h片| 天天影视国产精品| 成人国产av品久久久| 亚洲欧美一区二区三区国产| 亚洲av日韩在线播放| 国产精品久久久久久av不卡| 日日摸夜夜添夜夜添av毛片| 18禁裸乳无遮挡动漫免费视频| 国产一级毛片在线| 久久久午夜欧美精品| 人妻人人澡人人爽人人| 国产一区二区三区综合在线观看 | 亚洲欧美中文字幕日韩二区| 寂寞人妻少妇视频99o| 91久久精品国产一区二区成人| 久久久精品免费免费高清| 久久精品久久久久久噜噜老黄| 51国产日韩欧美| 成人免费观看视频高清| av一本久久久久| 午夜影院在线不卡| 久久99蜜桃精品久久| 女性被躁到高潮视频| 久久女婷五月综合色啪小说| 国精品久久久久久国模美| 国产精品人妻久久久久久| 亚洲精品色激情综合| 丝瓜视频免费看黄片| 街头女战士在线观看网站| 老司机影院成人| 国产成人精品在线电影| 亚洲,一卡二卡三卡| 熟女av电影| 午夜久久久在线观看| 精品亚洲成a人片在线观看| 黄片无遮挡物在线观看| 久久99热6这里只有精品| 美女大奶头黄色视频| 精品少妇内射三级| 国产白丝娇喘喷水9色精品| 青青草视频在线视频观看| 一区二区日韩欧美中文字幕 | 成人影院久久| h视频一区二区三区| 一级毛片 在线播放| 欧美 日韩 精品 国产| 超色免费av| 国产老妇伦熟女老妇高清| 亚洲av二区三区四区| 日本爱情动作片www.在线观看| 国产不卡av网站在线观看| 又粗又硬又长又爽又黄的视频| 老熟女久久久| 久久精品久久久久久噜噜老黄| 超碰97精品在线观看| 日韩av不卡免费在线播放| 日韩免费高清中文字幕av| 欧美日本中文国产一区发布| 国产成人av激情在线播放 | 夫妻性生交免费视频一级片| 嫩草影院入口| 尾随美女入室| 亚州av有码| 在线亚洲精品国产二区图片欧美 | 久久精品国产鲁丝片午夜精品| 精品久久久久久久久亚洲| a级毛色黄片| 男女啪啪激烈高潮av片| 国产黄色视频一区二区在线观看| a级毛片在线看网站| 国产亚洲精品久久久com| 人人妻人人澡人人爽人人夜夜| 亚洲,一卡二卡三卡| 日日摸夜夜添夜夜添av毛片| 美女xxoo啪啪120秒动态图| 国产又色又爽无遮挡免| 亚洲av电影在线观看一区二区三区| 一区二区日韩欧美中文字幕 | 黄片播放在线免费| 色5月婷婷丁香| 亚洲精品国产色婷婷电影| 久久这里有精品视频免费| 爱豆传媒免费全集在线观看| 日本欧美视频一区| 少妇的逼好多水| 新久久久久国产一级毛片| 九九久久精品国产亚洲av麻豆| 中文字幕亚洲精品专区| 久久99蜜桃精品久久| 狂野欧美白嫩少妇大欣赏| 国产永久视频网站| 国产精品99久久99久久久不卡 | 最近2019中文字幕mv第一页| 母亲3免费完整高清在线观看 | 国产精品免费大片| 精品视频人人做人人爽| 97在线视频观看| 亚洲精品久久成人aⅴ小说 | 黄色欧美视频在线观看| 国产男女内射视频| 日韩一区二区视频免费看| 在线观看三级黄色| 秋霞伦理黄片| 成人影院久久| 欧美激情国产日韩精品一区| 国产成人av激情在线播放 | 日本猛色少妇xxxxx猛交久久| 欧美97在线视频| 黑人高潮一二区| 一级爰片在线观看| 一级a做视频免费观看| 美女中出高潮动态图| 大片电影免费在线观看免费| 两个人免费观看高清视频| 亚洲欧洲日产国产| 亚洲精华国产精华液的使用体验| 国产精品三级大全| 国产精品不卡视频一区二区| av一本久久久久| 国产成人午夜福利电影在线观看| 免费大片18禁| 亚洲,欧美,日韩| 国产精品一区二区在线不卡| 人妻一区二区av| 久久综合国产亚洲精品| 不卡视频在线观看欧美| 国产精品久久久久久av不卡| 免费高清在线观看日韩| 99久久精品国产国产毛片| 亚洲欧美精品自产自拍| 国产老妇伦熟女老妇高清| 亚洲精品aⅴ在线观看| a 毛片基地| 日韩av不卡免费在线播放| 一级黄片播放器| 国产黄频视频在线观看| 嘟嘟电影网在线观看| 欧美人与性动交α欧美精品济南到 | 插逼视频在线观看| 最后的刺客免费高清国语| 肉色欧美久久久久久久蜜桃| 人妻少妇偷人精品九色| 亚洲精品,欧美精品| 热re99久久精品国产66热6| 成人黄色视频免费在线看| 三上悠亚av全集在线观看| 日韩不卡一区二区三区视频在线| 老女人水多毛片| 国产精品人妻久久久影院| 国产成人精品一,二区| 2018国产大陆天天弄谢| kizo精华| 日日爽夜夜爽网站| 免费av不卡在线播放| 国产在视频线精品| 国产永久视频网站| 妹子高潮喷水视频| 精品国产一区二区久久| 十八禁高潮呻吟视频| 中国三级夫妇交换| 青春草视频在线免费观看| 免费av中文字幕在线| 日韩成人伦理影院| 久久国产亚洲av麻豆专区| 精品酒店卫生间| 能在线免费看毛片的网站| 国产熟女欧美一区二区| 男人爽女人下面视频在线观看| 91午夜精品亚洲一区二区三区| 少妇 在线观看| 91aial.com中文字幕在线观看| 午夜精品国产一区二区电影| 国产黄频视频在线观看| 国产精品一区二区在线观看99| videossex国产| 狠狠婷婷综合久久久久久88av| 男人爽女人下面视频在线观看| 日韩av在线免费看完整版不卡| 99热6这里只有精品| 制服诱惑二区| 亚洲少妇的诱惑av| 又粗又硬又长又爽又黄的视频| 考比视频在线观看| 91在线精品国自产拍蜜月| 黄色一级大片看看| 婷婷色综合www| 高清黄色对白视频在线免费看| 亚洲精品日本国产第一区| 久久免费观看电影| 国产乱来视频区| 看非洲黑人一级黄片| av黄色大香蕉| 亚洲一级一片aⅴ在线观看| 国产日韩欧美在线精品| 久久ye,这里只有精品| 亚洲国产日韩一区二区| 中文字幕精品免费在线观看视频 | 日本午夜av视频| 亚洲精品一区蜜桃| 一级a做视频免费观看| 亚洲国产精品999| 内地一区二区视频在线| 精品一区二区免费观看| 夜夜爽夜夜爽视频| 亚洲情色 制服丝袜| 久久精品国产亚洲av涩爱| 午夜福利视频精品| 插逼视频在线观看| 亚洲精品第二区| 91国产中文字幕| 久久精品久久久久久久性| 看非洲黑人一级黄片| 丝袜喷水一区| 激情五月婷婷亚洲| 久久精品国产亚洲av涩爱| 欧美日韩国产mv在线观看视频| 亚洲国产精品一区二区三区在线| 麻豆精品久久久久久蜜桃| 婷婷色综合大香蕉| 国产日韩欧美在线精品| 亚洲情色 制服丝袜| 国产精品一区二区在线观看99| 国产精品熟女久久久久浪| 汤姆久久久久久久影院中文字幕| 精品99又大又爽又粗少妇毛片| 国产欧美另类精品又又久久亚洲欧美| 在线播放无遮挡| 91久久精品国产一区二区成人| 欧美xxⅹ黑人| 国产69精品久久久久777片| 亚洲怡红院男人天堂| 免费人成在线观看视频色| 制服人妻中文乱码| 免费高清在线观看日韩| 亚洲人与动物交配视频| 免费播放大片免费观看视频在线观看| 男人添女人高潮全过程视频| 18禁在线播放成人免费| 老司机影院毛片| 欧美精品亚洲一区二区| av福利片在线| 大又大粗又爽又黄少妇毛片口| 人人澡人人妻人| 美女脱内裤让男人舔精品视频| 亚洲国产精品成人久久小说| 五月伊人婷婷丁香| 精品一区二区三卡| 久久99热这里只频精品6学生| 你懂的网址亚洲精品在线观看| 国产精品99久久99久久久不卡 | 中文字幕人妻熟人妻熟丝袜美| 亚洲内射少妇av| 日韩,欧美,国产一区二区三区| 亚洲综合精品二区| 一区二区三区精品91| 伊人久久国产一区二区| 久久ye,这里只有精品| 色94色欧美一区二区| 国产 精品1| 少妇丰满av| 夜夜爽夜夜爽视频| 国产黄片视频在线免费观看| 亚洲国产精品一区二区三区在线| 少妇熟女欧美另类| 99热国产这里只有精品6| 欧美97在线视频| 日本av手机在线免费观看| 女性生殖器流出的白浆| 国产黄色视频一区二区在线观看| 亚洲欧洲国产日韩| 在线观看免费视频网站a站| 国精品久久久久久国模美| 成人毛片60女人毛片免费| 飞空精品影院首页| 一边亲一边摸免费视频| av有码第一页| 亚洲人与动物交配视频| 日韩制服骚丝袜av| kizo精华| 最近手机中文字幕大全| 91aial.com中文字幕在线观看| 高清在线视频一区二区三区| a级毛片免费高清观看在线播放| 久久精品人人爽人人爽视色| 午夜激情av网站| 国产欧美日韩综合在线一区二区| 日韩一区二区视频免费看| 在线观看免费高清a一片| a级毛片在线看网站| 国产深夜福利视频在线观看| 狂野欧美激情性xxxx在线观看| 99精国产麻豆久久婷婷| 亚洲欧美一区二区三区国产| 亚洲国产av影院在线观看| 成人午夜精彩视频在线观看| 亚洲婷婷狠狠爱综合网| 精品人妻偷拍中文字幕| 亚洲精品国产av蜜桃| 一级片'在线观看视频| 国产在线免费精品| 亚洲欧美一区二区三区国产| 精品一区二区免费观看| 亚洲无线观看免费| 日本欧美国产在线视频| 国产一区二区在线观看日韩| 免费人成在线观看视频色| 久久韩国三级中文字幕| 这个男人来自地球电影免费观看 | 精品久久久久久久久av| 成人亚洲精品一区在线观看| 麻豆乱淫一区二区| www.色视频.com| 亚洲无线观看免费| 久久国内精品自在自线图片| 观看av在线不卡| 免费人成在线观看视频色| 国产精品久久久久久av不卡| 蜜臀久久99精品久久宅男| 久久久国产欧美日韩av| 久久精品久久精品一区二区三区| 国产女主播在线喷水免费视频网站| 欧美 日韩 精品 国产| 男女边吃奶边做爰视频| 欧美日韩综合久久久久久| 国产无遮挡羞羞视频在线观看| 亚洲综合色网址| 久久精品人人爽人人爽视色| 青春草国产在线视频| 菩萨蛮人人尽说江南好唐韦庄| 成人午夜精彩视频在线观看| 能在线免费看毛片的网站| 如日韩欧美国产精品一区二区三区 | 你懂的网址亚洲精品在线观看| 欧美亚洲日本最大视频资源| 亚洲精品乱久久久久久| 午夜福利视频在线观看免费| 97在线视频观看| www.av在线官网国产| 美女cb高潮喷水在线观看| 亚洲精品久久久久久婷婷小说| 久久久久久人妻| 久久久国产一区二区| 伊人久久精品亚洲午夜| 国产精品熟女久久久久浪| 街头女战士在线观看网站| av黄色大香蕉| 欧美少妇被猛烈插入视频| 性高湖久久久久久久久免费观看| 国产亚洲精品久久久com| 久久99蜜桃精品久久| 涩涩av久久男人的天堂| 国产视频首页在线观看| 国产精品一区二区在线观看99| 黄色视频在线播放观看不卡| 少妇被粗大猛烈的视频| 成人综合一区亚洲| 一级二级三级毛片免费看| 成人免费观看视频高清| 国产精品久久久久久精品电影小说| 免费观看a级毛片全部| 日日啪夜夜爽|