• <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 ?

    利用生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)水下圖像增強(qiáng)

    2022-03-07 08:14:32楊道勇劉玲亞王易因
    關(guān)鍵詞:圖像增強(qiáng)損失像素

    李 鈺, 楊道勇, 劉玲亞, 王易因

    (上海交通大學(xué) 電子信息與電氣工程學(xué)院, 上海 200240)

    近年來(lái),隨著水下機(jī)器人技術(shù)的發(fā)展[1],極大促進(jìn)了探索海洋的進(jìn)程.水下機(jī)器人通常配有的視覺(jué)傳感設(shè)備,能夠捕捉周圍環(huán)境信息,并以圖像作為承載體進(jìn)行記錄[2].許多水下任務(wù)如目標(biāo)識(shí)別與檢測(cè)、礦物探測(cè)[3-4]都是基于水下圖像進(jìn)行分析的.然而,水下場(chǎng)景不同于陸地,其復(fù)雜的水體特性和大量的懸浮顆粒會(huì)影響光波的正常傳輸[5],使獲得的圖像呈現(xiàn)出模糊、色偏、對(duì)比度低等多類失真問(wèn)題[6],進(jìn)而嚴(yán)重影響后續(xù)應(yīng)用的效果.雖然,陸上的圖像增強(qiáng)算法可為水下圖像增強(qiáng)提供一些借鑒,但水下環(huán)境的獨(dú)特性,使得陸地方法直接遷移至水下的效果不佳.因此,對(duì)水下圖像進(jìn)行增強(qiáng)處理研究十分必要.

    根據(jù)是否考慮光波在水中的傳播過(guò)程,目前的水下圖像增強(qiáng)算法可分為兩大類:基于物理模型的增強(qiáng)算法和基于非物理模型的增強(qiáng)算法[7].前者需要對(duì)成像過(guò)程進(jìn)行具體的數(shù)學(xué)建模,估算出其中的未知參數(shù),進(jìn)而反演出去除水體影響的清晰圖像.最為經(jīng)典的暗通道先驗(yàn)(DCP)算法[8],發(fā)現(xiàn)了陸上霧感圖像與成像模型之間的關(guān)系,因此得到光波透射率和大氣光的估計(jì)值,實(shí)現(xiàn)霧感圖像的還原.由于水下成像過(guò)程與霧化過(guò)程類似,DCP算法也可應(yīng)用于水下失真圖像的修正.但是,此算法的適用場(chǎng)景非常有限,且增強(qiáng)結(jié)果易出現(xiàn)新的失真問(wèn)題.更進(jìn)一步,文獻(xiàn)[9]提出了專門針對(duì)水下場(chǎng)景的水下暗通道先驗(yàn) (UDCP)算法,此算法考慮了光波在水中傳輸?shù)乃p特性,能求解出更準(zhǔn)確的透射率分布.然而,由于水下環(huán)境復(fù)雜多變,難以構(gòu)建準(zhǔn)確普適的成像模型,且參數(shù)估計(jì)易存在偏差,所以得到的增強(qiáng)結(jié)果并不太理想.另一方面,基于非物理模型的增強(qiáng)算法則無(wú)需分析圖像的成像過(guò)程,僅依靠降質(zhì)圖像的像素分布進(jìn)行增強(qiáng)操作.由于只針對(duì)圖像本身質(zhì)量,一些傳統(tǒng)的圖像處理算法,如直方圖均衡化、灰度世界法、小波變換、Retinex算法等,也可應(yīng)用于水下圖像增強(qiáng).此類算法雖原理簡(jiǎn)單,但是易產(chǎn)生過(guò)度增強(qiáng)、人工噪聲等問(wèn)題.

    近幾年人工智能技術(shù)的發(fā)展,極大地推動(dòng)了神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域的應(yīng)用,水下圖像增強(qiáng)任務(wù)也不例外[10].神經(jīng)網(wǎng)絡(luò)算法通過(guò)數(shù)據(jù)驅(qū)動(dòng),自主構(gòu)建出輸入樣本與輸出樣本間的非線性映射函數(shù),進(jìn)而實(shí)現(xiàn)降質(zhì)圖像的修正.由于水下標(biāo)簽數(shù)據(jù)并不充足,且質(zhì)量欠佳,現(xiàn)常用的網(wǎng)絡(luò)類算法多基于半監(jiān)督模式的生成對(duì)抗網(wǎng)絡(luò)(GAN)[11].此類算法使用靈活多變,在圖像的對(duì)比度和亮度調(diào)整上多有不錯(cuò)的表現(xiàn).但是,在色偏校正和細(xì)節(jié)保留問(wèn)題上,一些算法依然有較大的提升空間.文獻(xiàn)[12]設(shè)計(jì)了一種循環(huán)生成對(duì)抗網(wǎng)絡(luò),通過(guò)雙向訓(xùn)練方式實(shí)現(xiàn)理想清晰圖像與水下失真圖像的轉(zhuǎn)換.此算法避免了成對(duì)水下數(shù)據(jù)難以獲取的問(wèn)題,能實(shí)現(xiàn)高效率的圖像增強(qiáng).然而在處理過(guò)程中,其增強(qiáng)結(jié)果往往難以與理想清晰情況保持一致,在色度和結(jié)構(gòu)上存在一定的偏差.文獻(xiàn)[13]提出了一種簡(jiǎn)單快速的生成對(duì)抗模型,能對(duì)水下圖像的亮度、顏色等問(wèn)題進(jìn)行實(shí)時(shí)的修正,但是其結(jié)果易出現(xiàn)邊緣細(xì)節(jié)的丟失,且無(wú)法去除模糊.

    針對(duì)現(xiàn)有算法的不足,本文提出了一種結(jié)合MS-Se-Res(Multi-Scale Senet-Residual)模塊[14]和雙分支判別器的水下圖像增強(qiáng)算法.該算法以GAN網(wǎng)絡(luò)為基本框架,利用判別器的監(jiān)督能力緩解對(duì)數(shù)據(jù)的依賴.與傳統(tǒng)算法不同的是,本文在生成器部分采用了不同尺寸的Se-Res(Senet-Residual)模塊,這種設(shè)計(jì)能夠在提取更多有用特征的同時(shí)實(shí)現(xiàn)多范圍信息的融合.此外,由于傳統(tǒng)判別網(wǎng)絡(luò)采用的單一標(biāo)量判別圖像真?zhèn)蔚呐袆e方式容易丟失圖像細(xì)節(jié),所以本文在此基礎(chǔ)上提出了全局-區(qū)域雙判別方式,這種方式能夠?qū)崿F(xiàn)全局風(fēng)格與局部細(xì)節(jié)的雙重把控.在損失函數(shù)設(shè)計(jì)中,本文設(shè)計(jì)了僅考慮圖像本身質(zhì)量的無(wú)監(jiān)督損失形式,使增強(qiáng)結(jié)果不受限于參考圖像.同時(shí),與對(duì)抗損失和內(nèi)容感知損失一起共同對(duì)模型的優(yōu)化方向進(jìn)行約束.針對(duì)水下場(chǎng)景復(fù)雜多變的問(wèn)題,本文收集了六類水下數(shù)據(jù)對(duì)算法的性能進(jìn)行驗(yàn)證,并與典型算法進(jìn)行比較.通過(guò)大量的實(shí)驗(yàn)評(píng)估,本文算法在主觀視覺(jué)和客觀指標(biāo)層面都取得了優(yōu)異的表現(xiàn).

    1 生成對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

    本文提出了一種基于條件生成對(duì)抗網(wǎng)絡(luò)的水下圖像增強(qiáng)模型,如圖1所示,其主要由兩部分組成,生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò).前者用于學(xué)習(xí)清晰圖像的數(shù)據(jù)分布,并得到水下失真圖像與此分布間的非線性變換關(guān)系,進(jìn)而生成去除水體影響的偽清晰圖像.生成網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示.其中:ki為i×i的內(nèi)核尺寸;sj為長(zhǎng)度為j的移動(dòng)步幅;d為空洞卷積中的膨脹率;Conv為卷積運(yùn)算;Conc為拼接操作.后者則對(duì)輸入的圖像進(jìn)行真?zhèn)闻袆e,清晰參考圖像標(biāo)簽為真,而生成網(wǎng)絡(luò)得到的偽清晰圖像標(biāo)簽為偽.另外,判別網(wǎng)絡(luò)采用雙判別形式,能夠分別對(duì)全局風(fēng)格和細(xì)節(jié)邊緣進(jìn)行監(jiān)督.在損失函數(shù)中,本文設(shè)計(jì)了僅考慮圖像本身質(zhì)量的無(wú)監(jiān)督形式,其與對(duì)抗和內(nèi)容損失一起共同對(duì)模型的訓(xùn)練方向進(jìn)行約束,有助于緩解對(duì)數(shù)據(jù)的依賴.下面將對(duì)網(wǎng)絡(luò)設(shè)計(jì)進(jìn)行具體描述.

    圖1 水下圖像增強(qiáng)模型結(jié)構(gòu)Fig.1 Model structure of underwater image enhancement

    圖2 生成網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)Fig.2 Structure design of generator

    1.1 生成網(wǎng)絡(luò)設(shè)計(jì)

    網(wǎng)絡(luò)輸入為256像素×256像素×3像素的圖像數(shù)據(jù)經(jīng)過(guò)32通道1×1卷積操作和ReLU激活函數(shù)得到256像素×256像素×32像素的特征分布.首先,為了避免梯度稀疏問(wèn)題,本模型采用基礎(chǔ)卷積操作代替原Se-Res模塊中的池化層,防止信息丟失,有助于提升網(wǎng)絡(luò)穩(wěn)定性.同時(shí),為了實(shí)現(xiàn)多尺度特征信息的融合,本文在原始Se-Res模塊的基礎(chǔ)上,根據(jù)卷積位置選用不同尺寸的卷積內(nèi)核.此外,卷積操作的內(nèi)核尺寸會(huì)影響網(wǎng)絡(luò)的參數(shù)量和計(jì)算量,因此,本文在深綠色模塊中采用3×3空洞卷積[15]代替7×7的傳統(tǒng)卷積,在保證感受野的同時(shí)減小了網(wǎng)絡(luò)的復(fù)雜度,d設(shè)置為2.經(jīng)過(guò)4個(gè)Se-Res模塊操作后,在對(duì)稱位置使用了相同尺寸的卷積處理.同時(shí)為了提升信息利用率,防止特征丟失,本文加入了多個(gè)直連通道,并利用拼接操作保證低層特征的完整傳輸.經(jīng)過(guò)拼接后的特征分布為64通道,分別作為最后3個(gè)Se-Res模塊的輸入.除此之外,在拼接操作前,加入3層網(wǎng)絡(luò),其中黃、灰、藍(lán)色分別是卷積操作、非線性激活和歸一化處理.輸出層卷積選擇為4×4,激活函數(shù)設(shè)為Tanh,Tanh激活輸出能既起到激活作用,又起到歸一化作用.其將計(jì)算結(jié)果歸一化到[-1, 1]之間,能夠避免過(guò)大或過(guò)小的值.訓(xùn)練時(shí)將所有圖像數(shù)據(jù)全部歸一化到[-1, 1], 生成結(jié)果顯示時(shí)再反向調(diào)整為[0, 255],所以Tanh激活函數(shù)的值經(jīng)過(guò)調(diào)整即作為了輸出圖像三通道的像素值,由此可以得到最終的增強(qiáng)結(jié)果.

    1.2 判別網(wǎng)絡(luò)設(shè)計(jì)

    傳統(tǒng)判別網(wǎng)絡(luò)采用的是單一標(biāo)量判別圖像真?zhèn)蔚呐袆e方式.這種方式雖然能夠很好地進(jìn)行全局范圍觀測(cè),但是容易丟失細(xì)節(jié)信息.馬爾科夫判別網(wǎng)絡(luò)(PatchGAN)[16]提出了局部判別的思想.基于補(bǔ)丁級(jí)別的信息,可以更好地感知邊緣細(xì)節(jié)部分,從而得到細(xì)節(jié)豐富、分辨率高的圖像.因此為了既能把握整體信息,保持全局一致性,又能輸出高分辨率圖像,本文設(shè)計(jì)了一種全局-區(qū)域式的雙判別網(wǎng)絡(luò)結(jié)構(gòu).全局-區(qū)域判別方式示意圖如圖3所示.

    圖3 判別方式示意圖Fig.3 Schematic diagram of discrimination method

    全局判別采用了對(duì)整體圖像范圍的判偽方式,網(wǎng)絡(luò)中的基本模塊采用CLB (ConV-LeaklyReLU-BN) 形式,首先通過(guò)步幅大于1的卷積實(shí)現(xiàn)圖像降維,其次利用帶來(lái)泄露的非線性函數(shù)使小于0的信息順利傳輸,最后加入批歸一化(BN)層實(shí)現(xiàn)分布的修正[17].而區(qū)域判別則選取以填充區(qū)域?yàn)橹行牡某叽鐬?56像素×256像素的圖像塊,再經(jīng)過(guò)4次步長(zhǎng)為2的卷積處理后其輸出尺寸為16像素×16像素.區(qū)域判別采用多分類結(jié)果輸出形式,每一個(gè)數(shù)值對(duì)應(yīng)輸入圖像中的每一個(gè)部分.全局、區(qū)域判別網(wǎng)絡(luò)設(shè)計(jì)相似,其最大區(qū)別在于全局判別輸出為單一標(biāo)量,而區(qū)域判別輸出為16×16矩陣.

    1.3 損失函數(shù)設(shè)計(jì)

    為了緩解對(duì)數(shù)據(jù)的依賴,彌補(bǔ)樣本不足的問(wèn)題,本文在監(jiān)督學(xué)習(xí)的基礎(chǔ)上設(shè)計(jì)了僅考慮生成器輸出圖像本身質(zhì)量的無(wú)監(jiān)督學(xué)習(xí)形式[18].整個(gè)網(wǎng)絡(luò)的損失函數(shù)包括三部分:質(zhì)量驅(qū)動(dòng)目標(biāo)損失、對(duì)抗性目標(biāo)損失、內(nèi)容感知損失.

    1.3.1質(zhì)量驅(qū)動(dòng)目標(biāo)損失 針對(duì)水下圖像出現(xiàn)的色彩扭曲等降質(zhì)問(wèn)題,質(zhì)量驅(qū)動(dòng)目標(biāo)損失可以無(wú)需參考圖像的約束,僅根據(jù)水下失真圖像實(shí)現(xiàn)優(yōu)化[19].本文選取了基于人體視覺(jué)系統(tǒng)的Lab顏色模式[20].其中,Lab分布是通過(guò)RGB(Red-Green-Blue)分布經(jīng)過(guò)空間變換與數(shù)值處理所得到的.代表紅綠色的a和代表藍(lán)黃色的b像素值取值范圍為 (-128,127).a,b的正負(fù)和均值大小、方差大小分別關(guān)系到圖像中的顏色占比大小、占比均衡性和分布多樣性.由此可以建立如下?lián)p失形式的數(shù)學(xué)表達(dá)式:

    (1)

    不同質(zhì)量的水下圖像及其Lab分布如圖4所示.其中:p為歸一化像素值;h為直方圖分布值.在3種不同情況下進(jìn)行實(shí)驗(yàn),圖4(a)中,綠色占比大,黃綠分布不均衡,其Lab分布圖中的a、b曲線分別遠(yuǎn)離中心位置分布.圖4(b)中,仍存在偏色現(xiàn)象,但是情況略好,其Lab分布圖中,a曲線基本位于中心位置分布,b曲線則輕微左移.圖4(c)中,其Lab分布曲線皆位于中心位置分布.3幅圖像質(zhì)量損失值分別為0.857,0.349和0.037.

    圖4 不同質(zhì)量的水下圖像及其Lab分布Fig.4 Underwater images with different qualities and their Lab distributions

    1.3.2對(duì)抗性目標(biāo)損失 對(duì)抗性目標(biāo)損失能夠減少標(biāo)注數(shù)據(jù)不足的影響,并更準(zhǔn)確地提取融合水下失真圖像的特征,其數(shù)學(xué)表達(dá)式如下所示:

    LGANt=Ex~pr(x)[lgDt(x,y)]+

    Ex~pg(x)[lg(1-Dt(x,G(x)))]

    (2)

    式中:pr(x)和pg(x)分別為數(shù)據(jù)來(lái)源真?zhèn)蔚母怕史植?;t∈{1, 2}分別為全局判別和區(qū)域判別;x為輸入數(shù)據(jù);y為標(biāo)簽圖像;G(x)為生成器輸出;Dt(x,y)為判別輸出.這種函數(shù)形式限制了網(wǎng)絡(luò)權(quán)重的更新方向,保證了整體輸出的穩(wěn)定性.

    1.3.3內(nèi)容感知目標(biāo)損失 內(nèi)容感知目標(biāo)損失[21]擁有快速分析、差異尋找、信息匹配、特征提取、細(xì)節(jié)捕獲的能力.其使用視覺(jué)幾何組(VGG)模型[22],利用卷積網(wǎng)絡(luò)進(jìn)行二次特征提取,再根據(jù)特定層距離間的輸出分布來(lái)達(dá)到對(duì)樣本相似性的監(jiān)測(cè).內(nèi)容感知目標(biāo)損失數(shù)學(xué)表達(dá)式如下:

    (3)

    式中:Hk和Wk分別為經(jīng)過(guò)網(wǎng)絡(luò)k層處理后的特征圖高寬;φk(·)為VGG模型前k層的網(wǎng)絡(luò)參數(shù);Iy,IG(x)為參考圖像y和生成器輸出圖像G(x).

    綜上所述,本文損失函數(shù)整體表達(dá)式如下:

    L=ωGANLGAN+ωCLC+ωULU

    (4)

    式中:ωU、ωGAN和ωC為3個(gè)損失函數(shù)的權(quán)重,分別取為0.3、0.3和0.4.

    2 實(shí)驗(yàn)設(shè)計(jì)

    2.1 參數(shù)設(shè)計(jì)

    本文的實(shí)驗(yàn)環(huán)境配置是Intel Xeon E5-2640V4處理器,2.4 GHz主頻,32 GB緩存空間和GTX 1080Ti GPU.編程語(yǔ)言和模型搭建平臺(tái)為Python和PyCharm,訓(xùn)練框架基于Tensorflow和Kears.實(shí)驗(yàn)采用Adam優(yōu)化器,初始學(xué)習(xí)率為 0.000 3,一階矩估計(jì)的指數(shù)衰減率為0.5.樣本的預(yù)處理過(guò)程分為4個(gè)部分:選取小批量數(shù)據(jù),修改大小為256像素×256像素,數(shù)據(jù)增強(qiáng)操作以及標(biāo)準(zhǔn)化處理到(-1,1).數(shù)據(jù)增強(qiáng)處理主要包括線性插入?yún)⒖紙D像、左右翻轉(zhuǎn)和上下翻轉(zhuǎn),實(shí)驗(yàn)采用random函數(shù)產(chǎn)生(0,1)之間的任意浮點(diǎn)數(shù).本實(shí)驗(yàn)設(shè)置翻轉(zhuǎn)概率為0.25.此外,每一迭代批量設(shè)置為4,整體循環(huán)次數(shù)設(shè)為200.

    2.2 損失函數(shù)性能測(cè)試

    本文從訓(xùn)練過(guò)程和訓(xùn)練結(jié)果出發(fā),對(duì)損失函數(shù)進(jìn)行組合訓(xùn)練與分析.圖5和6為各損失函數(shù)訓(xùn)練過(guò)程對(duì)比.其中:Lall為3種損失函數(shù)組合;LGAN+C為對(duì)抗性目標(biāo)損失函數(shù)與內(nèi)容感知目標(biāo)損失函數(shù)組合;LGAN+U為對(duì)抗性目標(biāo)損失函數(shù)與質(zhì)量驅(qū)動(dòng)目標(biāo)損失函數(shù)組合;n為迭代次數(shù);l為損失函數(shù)值.

    圖5 2種損失函數(shù)訓(xùn)練過(guò)程對(duì)比Fig.5 Training process comparison of two loss functions

    從圖5中可以看出,3種損失函數(shù)組合形式訓(xùn)練過(guò)程平穩(wěn),震蕩幅度小,所需循環(huán)次數(shù)少.與之相比,當(dāng)只使用生成對(duì)抗損失函數(shù)進(jìn)行訓(xùn)練時(shí),會(huì)出現(xiàn)收斂過(guò)程不穩(wěn)定,震蕩幅度大,所需循環(huán)次數(shù)多等問(wèn)題.由圖6可知,紅色實(shí)線、藍(lán)色點(diǎn)線表現(xiàn)相近且明顯優(yōu)于橙色虛線.但是在收斂后藍(lán)色線收斂值出現(xiàn)小幅波動(dòng),因此紅線穩(wěn)定性優(yōu)于藍(lán)線.綜上,3種損失函數(shù)組合的函數(shù)形式具有更好的性能優(yōu)勢(shì).另外,本文選擇了峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)兩個(gè)指標(biāo)來(lái)進(jìn)行客觀評(píng)估,表1展示了訓(xùn)練完成后在水下視覺(jué)感知增強(qiáng)(EUVP)數(shù)據(jù)集[13]上的測(cè)試評(píng)價(jià)結(jié)果.由表1可知,3種損失函數(shù)的組合形式明顯優(yōu)于其余組合.

    圖6 3種損失函數(shù)訓(xùn)練過(guò)程對(duì)比Fig.6 Training process comparison of three loss functions

    表1 各損失函數(shù)評(píng)價(jià)指標(biāo)對(duì)比Tab.1 Metrics results comparison of each loss function

    3 實(shí)驗(yàn)結(jié)果分析

    為了驗(yàn)證算法的有效性,本文設(shè)計(jì)了水下合成數(shù)據(jù)增強(qiáng)效果分析和多場(chǎng)景真實(shí)數(shù)據(jù)增強(qiáng)效果分析兩個(gè)實(shí)驗(yàn),并從主觀視覺(jué)評(píng)價(jià)和客觀指標(biāo)評(píng)價(jià)兩方面進(jìn)行結(jié)果分析.進(jìn)行對(duì)比的算法有: 基于先驗(yàn)知識(shí)的文獻(xiàn)算法[23-24]、基于融合的文獻(xiàn)算法[25-26]、基于深度學(xué)習(xí)的算法[13,27].

    3.1 水下合成數(shù)據(jù)增強(qiáng)效果對(duì)比分析

    合成數(shù)據(jù)集來(lái)自于EUVP數(shù)據(jù)集[13],其通過(guò)CycleGAN網(wǎng)絡(luò)[28]進(jìn)行對(duì)水下場(chǎng)景風(fēng)格的學(xué)習(xí)和模擬.各種算法在合成數(shù)據(jù)集上的增強(qiáng)效果如圖7所示.從視覺(jué)層面可以看出,圖7(b)中的RayleighD算法圖像色彩扭曲,出現(xiàn)了嚴(yán)重失真的問(wèn)題.相對(duì)全局直方圖拉伸(RGHS)算法增強(qiáng)不足, 使得圖7(c)中殘存大量水體噪聲.圖7(e)中Fus_2算法圖像整體呈現(xiàn)灰白色,這是由于其過(guò)度增強(qiáng)的問(wèn)題導(dǎo)致圖像對(duì)比度和飽和度過(guò)低.圖7(d)中的Fus_1、7(f)中的FGAN、7(g)中的UWCNN算法都引入了新的色偏,使得整體圖像效果不佳.綜合來(lái)看,本文算法的圖像處理效果最佳,與參考圖像的視覺(jué)效果幾乎相同,在第1行的圖像處理效果上甚至優(yōu)于參考圖像.其對(duì)于水體影響去除徹底,圖像色彩鮮艷、亮度通透、紋理清晰,有著很好的色彩飽和度和視覺(jué)效果.因此從主觀視覺(jué)來(lái)看,本文算法最佳.

    圖7 各算法在合成數(shù)據(jù)集上的增強(qiáng)結(jié)果對(duì)比Fig.7 Enhancement results comparison of various algorithms on synthetic datasets

    另外,本文選擇了峰值信噪比(PSNR)、結(jié)構(gòu)相似性指數(shù)(SSIM)、水下圖像質(zhì)量檢測(cè)(UIQM)、色彩對(duì)比度密度(CCF)和信息熵5種指標(biāo)進(jìn)行客觀評(píng)價(jià).PSNR能夠衡量圖像質(zhì)量的優(yōu)劣程度和噪聲情況;SSIM可以從整體層面判別兩張圖片的相似性;UIQM則是專門針對(duì)無(wú)對(duì)照參考情況下的水下圖像質(zhì)量評(píng)價(jià);CCF是一個(gè)綜合質(zhì)量評(píng)價(jià)指標(biāo),其不僅考慮了色調(diào)失衡、對(duì)比度差的問(wèn)題,還加入了霧感評(píng)判標(biāo)準(zhǔn);信息熵能夠描述當(dāng)前圖像信息量的豐富度,其值大小與特征信息的多少緊密相關(guān).各算法在合成數(shù)據(jù)集上的增強(qiáng)結(jié)果對(duì)比,如表2所示.由表2可知,本文算法在所有指標(biāo)上都明顯優(yōu)于其余算法,有著出色的表現(xiàn).

    表2 各增強(qiáng)算法在合成數(shù)據(jù)集上的評(píng)價(jià)指標(biāo)對(duì)比

    3.2 在真實(shí)數(shù)據(jù)上的結(jié)果對(duì)比

    水下環(huán)境復(fù)雜多變,本文設(shè)置了偏綠、偏藍(lán)、藍(lán)綠、霧感、亮度不均不足5種不同場(chǎng)景進(jìn)行驗(yàn)證,并從公開(kāi)數(shù)據(jù)集和競(jìng)賽中收集真實(shí)數(shù)據(jù).各算法增強(qiáng)結(jié)果如圖8所示.由圖8可知,在場(chǎng)景1的偏綠場(chǎng)景中,圖8(b)中的RayleighD算法圖像過(guò)度增強(qiáng),色偏嚴(yán)重;圖8(d)中的Fus_1算法圖像殘存大量水體噪聲;圖8(e)中的Fus_2算法圖像飽和度鮮艷度不足;圖8(c)中RGHS、8(f)中FGAN、8(g)中UWCNN算法圖像整體分別呈現(xiàn)綠色、黃色、黃綠色,3種算法無(wú)法準(zhǔn)確修正顏色分布.本文算法在處理綠色殘留上效果明顯優(yōu)于其余算法,整體色彩鮮艷,各方面出色.在場(chǎng)景2的偏藍(lán)場(chǎng)景中,其余算法無(wú)一能夠很好地糾正藍(lán)色主導(dǎo)的顏色分布,只有本文算法能夠去除水體影響,還原出清晰圖像.在場(chǎng)景3的藍(lán)綠場(chǎng)景與偏綠場(chǎng)景類似,本文算法增強(qiáng)性能最優(yōu).在場(chǎng)景4的霧感場(chǎng)景中,除了圖8(f)中的FGAN算法外,其余算法都去除了霧感影響,但都出現(xiàn)了色偏問(wèn)題,只有本文算法輸出了無(wú)水體色調(diào)殘留,色彩飽和度高的清晰圖像.在場(chǎng)景5的亮度不均不足場(chǎng)景中,由于輸入圖像質(zhì)量過(guò)低,導(dǎo)致其余算法皆無(wú)法很好地還原圖像色彩,但是本文算法依然輸出了較其他算法更清晰的圖像,而且沒(méi)有出現(xiàn)色調(diào)偏離的失真情況.綜上,本文算法的水下圖像增強(qiáng)效果最好.

    圖8 不同場(chǎng)景下數(shù)據(jù)增強(qiáng)結(jié)果對(duì)比Fig.8 Comparison of enhancement results on different datasets

    為了對(duì)增強(qiáng)結(jié)果的質(zhì)量進(jìn)行客觀分析比較,從UIQM、CCF、信息熵3個(gè)方面的指標(biāo)進(jìn)行定量分析,如表3所示.對(duì)于UIQM指標(biāo),本文算法能夠在所有場(chǎng)景下都得到最高的分值,且得分均勻,沒(méi)有出現(xiàn)明顯得分低的場(chǎng)景,而其余算法得分低且存在明顯分值低的場(chǎng)景,浮動(dòng)較大.從CCF指標(biāo)來(lái)看,本文算法依舊得分最高,遠(yuǎn)超其余算法.最后從信息熵來(lái)看,雖然其余算法色彩變化明顯,得分較高,但是本文算法依舊有最高的分值,在處理水下噪聲去除方面有明顯的優(yōu)勢(shì).綜上所述,本文算法有能夠?qū)崿F(xiàn)多場(chǎng)景的增強(qiáng)任務(wù),有著出色的泛化性能.

    表3 各增強(qiáng)算法在多場(chǎng)景數(shù)據(jù)上的評(píng)價(jià)指標(biāo)對(duì)比

    (續(xù)表)

    4 結(jié)語(yǔ)

    針對(duì)水下觀測(cè)圖像存在顏色失真和低對(duì)比度等問(wèn)題,本文提出了一種基于生成對(duì)抗模型的水下圖像修正與增強(qiáng)算法.該算法在生成部分將多尺度內(nèi)核應(yīng)用于Se-Res模塊中,實(shí)現(xiàn)多感受野特征信息的提取與融合.判別部分設(shè)計(jì)考慮了全局信息與局部細(xì)節(jié)的關(guān)系,建立了全局-區(qū)域雙判別結(jié)構(gòu),能夠保證整體風(fēng)格與邊緣紋理的一致性;同時(shí)設(shè)計(jì)了僅考慮圖像本身質(zhì)量的無(wú)監(jiān)督形式,其與有監(jiān)督損失一起共同對(duì)模型的訓(xùn)練方向進(jìn)行約束能夠得到更優(yōu)的色彩和結(jié)構(gòu)表現(xiàn).為了驗(yàn)證算法的性能,本文設(shè)計(jì)了多個(gè)對(duì)比分析實(shí)驗(yàn),分別從主觀視覺(jué)和客觀指標(biāo)上進(jìn)行結(jié)果分析.實(shí)驗(yàn)結(jié)果表明,本文算法能有效提高圖像清晰度,增強(qiáng)對(duì)比度,修正色偏,保護(hù)細(xì)節(jié)特征不丟失.

    猜你喜歡
    圖像增強(qiáng)損失像素
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    像素前線之“幻影”2000
    少問(wèn)一句,損失千金
    圖像增強(qiáng)技術(shù)在超跨聲葉柵紋影試驗(yàn)中的應(yīng)用
    胖胖損失了多少元
    水下視覺(jué)SLAM圖像增強(qiáng)研究
    “像素”仙人掌
    虛擬內(nèi)窺鏡圖像增強(qiáng)膝關(guān)節(jié)鏡手術(shù)導(dǎo)航系統(tǒng)
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    基于圖像增強(qiáng)的無(wú)人機(jī)偵察圖像去霧方法
    看黄色毛片网站| 国产精品香港三级国产av潘金莲| videosex国产| 俺也久久电影网| 91麻豆av在线| 一区二区三区国产精品乱码| 欧美亚洲日本最大视频资源| 国产av不卡久久| 十八禁人妻一区二区| 欧美中文综合在线视频| 老司机深夜福利视频在线观看| 少妇粗大呻吟视频| 国产精品九九99| 男人操女人黄网站| 亚洲人成网站高清观看| 久久国产精品影院| 国产一卡二卡三卡精品| 久久九九热精品免费| 久久久久精品国产欧美久久久| 日韩精品中文字幕看吧| 日韩 欧美 亚洲 中文字幕| 久久香蕉国产精品| 亚洲人成伊人成综合网2020| 国产精品 欧美亚洲| 观看免费一级毛片| netflix在线观看网站| 又紧又爽又黄一区二区| 精品人妻1区二区| 男女床上黄色一级片免费看| 90打野战视频偷拍视频| 国产亚洲精品久久久久5区| 色播亚洲综合网| 久久性视频一级片| 真人一进一出gif抽搐免费| 别揉我奶头~嗯~啊~动态视频| 亚洲欧美激情综合另类| 成年女人毛片免费观看观看9| 精品日产1卡2卡| 国产精品 欧美亚洲| 最近最新中文字幕大全电影3 | 精品国产亚洲在线| 人人妻人人澡欧美一区二区| 黄色女人牲交| 啪啪无遮挡十八禁网站| 亚洲avbb在线观看| 亚洲熟女毛片儿| 丰满的人妻完整版| 麻豆国产av国片精品| 午夜免费鲁丝| 麻豆久久精品国产亚洲av| 国产精品二区激情视频| 真人一进一出gif抽搐免费| 黑人欧美特级aaaaaa片| 日本免费一区二区三区高清不卡| 露出奶头的视频| 久久久精品国产亚洲av高清涩受| 女人爽到高潮嗷嗷叫在线视频| 波多野结衣高清无吗| 亚洲无线在线观看| 亚洲成国产人片在线观看| 91九色精品人成在线观看| 日本五十路高清| 嫩草影院精品99| 欧美大码av| 手机成人av网站| 国产精品香港三级国产av潘金莲| 嫁个100分男人电影在线观看| 亚洲欧洲精品一区二区精品久久久| 在线观看66精品国产| 一进一出好大好爽视频| 国产亚洲av嫩草精品影院| 国产在线精品亚洲第一网站| 伊人久久大香线蕉亚洲五| videosex国产| 成熟少妇高潮喷水视频| 国产精品99久久99久久久不卡| 国产av一区二区精品久久| 国产精品久久视频播放| 男女那种视频在线观看| 欧美又色又爽又黄视频| 亚洲一码二码三码区别大吗| 午夜久久久在线观看| 国产精品99久久99久久久不卡| 国产av一区二区精品久久| 丝袜人妻中文字幕| 丁香六月欧美| 久久欧美精品欧美久久欧美| 黑丝袜美女国产一区| 香蕉国产在线看| 特大巨黑吊av在线直播 | 深夜精品福利| 国产一区二区三区在线臀色熟女| 欧美成人性av电影在线观看| 在线观看免费日韩欧美大片| 国产区一区二久久| 黄色丝袜av网址大全| 久久 成人 亚洲| 激情在线观看视频在线高清| 999久久久精品免费观看国产| 国产精品久久久久久亚洲av鲁大| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲国产看品久久| 一个人免费在线观看的高清视频| 99热这里只有精品一区 | 日本三级黄在线观看| 亚洲专区国产一区二区| 亚洲中文av在线| 精品一区二区三区四区五区乱码| 国产精品国产高清国产av| 在线永久观看黄色视频| 日本一区二区免费在线视频| 91在线观看av| 男女做爰动态图高潮gif福利片| 色精品久久人妻99蜜桃| 久久 成人 亚洲| 午夜福利18| 99国产精品一区二区蜜桃av| 精品国内亚洲2022精品成人| 美女大奶头视频| 大型av网站在线播放| 日本在线视频免费播放| 精品电影一区二区在线| cao死你这个sao货| 91老司机精品| 久久久国产欧美日韩av| 99riav亚洲国产免费| 淫妇啪啪啪对白视频| 亚洲专区中文字幕在线| 国产成人精品久久二区二区91| 色尼玛亚洲综合影院| 精品国产超薄肉色丝袜足j| 亚洲精品美女久久av网站| 亚洲人成伊人成综合网2020| 777久久人妻少妇嫩草av网站| 岛国视频午夜一区免费看| 日韩有码中文字幕| 又黄又粗又硬又大视频| 他把我摸到了高潮在线观看| 麻豆国产av国片精品| 国产亚洲精品av在线| 18禁黄网站禁片免费观看直播| 最近最新免费中文字幕在线| 一区二区三区国产精品乱码| 一级a爱片免费观看的视频| 又大又爽又粗| 好看av亚洲va欧美ⅴa在| 午夜a级毛片| 91国产中文字幕| 在线国产一区二区在线| 少妇被粗大的猛进出69影院| 麻豆国产av国片精品| 韩国av一区二区三区四区| 中文字幕人成人乱码亚洲影| 麻豆国产av国片精品| 美国免费a级毛片| 亚洲片人在线观看| 无人区码免费观看不卡| 99国产精品一区二区三区| 久久99热这里只有精品18| 精品欧美国产一区二区三| 精品国产国语对白av| av欧美777| 真人一进一出gif抽搐免费| netflix在线观看网站| 日韩精品免费视频一区二区三区| 国产av又大| 久久国产亚洲av麻豆专区| 国产在线观看jvid| 午夜精品久久久久久毛片777| 在线观看舔阴道视频| 日本 av在线| 男人操女人黄网站| 精品福利观看| or卡值多少钱| 国产在线精品亚洲第一网站| 久久狼人影院| 亚洲色图 男人天堂 中文字幕| 久久精品国产综合久久久| 日韩精品免费视频一区二区三区| 99热6这里只有精品| 精品福利观看| 精品久久久久久久毛片微露脸| 成人亚洲精品av一区二区| 亚洲电影在线观看av| 久久久精品欧美日韩精品| 日本三级黄在线观看| 午夜视频精品福利| 免费人成视频x8x8入口观看| 国产亚洲精品综合一区在线观看 | 精品久久久久久久末码| 韩国av一区二区三区四区| 久久婷婷人人爽人人干人人爱| 久9热在线精品视频| 搞女人的毛片| 国产三级黄色录像| 人妻久久中文字幕网| 亚洲人成网站在线播放欧美日韩| 国产黄色小视频在线观看| 欧美大码av| 亚洲真实伦在线观看| a级毛片在线看网站| 99精品在免费线老司机午夜| 国产免费av片在线观看野外av| 国产熟女午夜一区二区三区| 国产激情偷乱视频一区二区| 亚洲精品久久成人aⅴ小说| 久久香蕉激情| 熟女电影av网| 香蕉丝袜av| 色尼玛亚洲综合影院| 成人国产一区最新在线观看| 91国产中文字幕| 欧美乱色亚洲激情| 亚洲中文av在线| svipshipincom国产片| 91字幕亚洲| 精品久久久久久久末码| 欧美性长视频在线观看| 亚洲熟妇熟女久久| 日韩欧美在线二视频| 好男人电影高清在线观看| 国产伦人伦偷精品视频| 中文字幕av电影在线播放| 久久亚洲精品不卡| 在线观看免费午夜福利视频| 中文亚洲av片在线观看爽| 91av网站免费观看| 国产精品电影一区二区三区| 18禁国产床啪视频网站| 欧美成人免费av一区二区三区| 国产成人欧美| 免费人成视频x8x8入口观看| 国产免费男女视频| 长腿黑丝高跟| 亚洲av电影不卡..在线观看| 女人高潮潮喷娇喘18禁视频| 一进一出抽搐动态| 国产一级毛片七仙女欲春2 | 欧美一区二区精品小视频在线| 国产成人精品久久二区二区91| 看片在线看免费视频| 精品国产美女av久久久久小说| 免费在线观看黄色视频的| 搞女人的毛片| 成在线人永久免费视频| 日日摸夜夜添夜夜添小说| 久热这里只有精品99| 97超级碰碰碰精品色视频在线观看| 精品不卡国产一区二区三区| 最近最新中文字幕大全免费视频| 麻豆一二三区av精品| 久热这里只有精品99| av片东京热男人的天堂| 午夜福利高清视频| 真人一进一出gif抽搐免费| 午夜激情av网站| or卡值多少钱| 精品久久久久久久人妻蜜臀av| 日韩欧美一区视频在线观看| 精品欧美一区二区三区在线| 一进一出抽搐gif免费好疼| 亚洲欧美一区二区三区黑人| 9191精品国产免费久久| 国产亚洲欧美在线一区二区| 国产99久久九九免费精品| 午夜a级毛片| av片东京热男人的天堂| 久久久久久人人人人人| 嫁个100分男人电影在线观看| 亚洲最大成人中文| 精品国产乱码久久久久久男人| 我的亚洲天堂| 亚洲精品色激情综合| 一卡2卡三卡四卡精品乱码亚洲| 波多野结衣高清无吗| tocl精华| 亚洲精品在线美女| 日韩高清综合在线| 久久精品亚洲精品国产色婷小说| 岛国视频午夜一区免费看| 亚洲人成伊人成综合网2020| 色老头精品视频在线观看| 天堂动漫精品| 无人区码免费观看不卡| 亚洲欧美精品综合一区二区三区| 欧美成人性av电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 一区二区三区高清视频在线| 久久午夜亚洲精品久久| 中文亚洲av片在线观看爽| 日韩欧美免费精品| svipshipincom国产片| 亚洲全国av大片| 国产精品av久久久久免费| 亚洲avbb在线观看| 亚洲精品中文字幕在线视频| 亚洲性夜色夜夜综合| 欧美国产日韩亚洲一区| 亚洲精品国产区一区二| 亚洲精品国产精品久久久不卡| 在线看三级毛片| 亚洲午夜精品一区,二区,三区| 日韩欧美一区视频在线观看| 成年人黄色毛片网站| 精品国产国语对白av| 婷婷六月久久综合丁香| 嫁个100分男人电影在线观看| 免费一级毛片在线播放高清视频| 久久欧美精品欧美久久欧美| 满18在线观看网站| 久久国产精品人妻蜜桃| 自线自在国产av| 啪啪无遮挡十八禁网站| 精品国内亚洲2022精品成人| 中文字幕人成人乱码亚洲影| 国产熟女午夜一区二区三区| 757午夜福利合集在线观看| АⅤ资源中文在线天堂| 一级毛片女人18水好多| 亚洲精品美女久久久久99蜜臀| 久久伊人香网站| 巨乳人妻的诱惑在线观看| 两人在一起打扑克的视频| 999久久久国产精品视频| 后天国语完整版免费观看| 亚洲人成网站在线播放欧美日韩| a在线观看视频网站| 国产乱人伦免费视频| 欧美成人性av电影在线观看| 日韩精品中文字幕看吧| 国产精品爽爽va在线观看网站 | 国产精品野战在线观看| 最好的美女福利视频网| 一级片免费观看大全| 99精品在免费线老司机午夜| 欧美av亚洲av综合av国产av| 国产色视频综合| 在线观看舔阴道视频| 精品国产美女av久久久久小说| 三级毛片av免费| 国语自产精品视频在线第100页| АⅤ资源中文在线天堂| 欧美一级毛片孕妇| 久久精品91蜜桃| 少妇裸体淫交视频免费看高清 | 美女扒开内裤让男人捅视频| 黄色 视频免费看| 亚洲一码二码三码区别大吗| 久久 成人 亚洲| 一进一出好大好爽视频| 国产亚洲欧美98| 在线观看www视频免费| av在线天堂中文字幕| 级片在线观看| 无遮挡黄片免费观看| 成人手机av| 国产精品免费视频内射| 高清毛片免费观看视频网站| 国产视频一区二区在线看| 亚洲国产欧美一区二区综合| 精品少妇一区二区三区视频日本电影| 又大又爽又粗| 国产一级毛片七仙女欲春2 | 国产又爽黄色视频| 老司机福利观看| 美女午夜性视频免费| 久久草成人影院| 精品久久久久久,| 亚洲欧美激情综合另类| 亚洲欧美日韩无卡精品| 校园春色视频在线观看| 午夜福利一区二区在线看| 国产精品 欧美亚洲| 黄色女人牲交| 国产在线精品亚洲第一网站| 久久精品影院6| 午夜免费鲁丝| 国产精品九九99| 亚洲av中文字字幕乱码综合 | 天天一区二区日本电影三级| 色播亚洲综合网| 777久久人妻少妇嫩草av网站| av超薄肉色丝袜交足视频| 国产精品免费视频内射| 青草久久国产| 身体一侧抽搐| 18禁黄网站禁片午夜丰满| www.自偷自拍.com| 女人被狂操c到高潮| 成人三级黄色视频| 午夜成年电影在线免费观看| 国产精品免费一区二区三区在线| 怎么达到女性高潮| 露出奶头的视频| 久久久久免费精品人妻一区二区 | 成人欧美大片| 黄色视频,在线免费观看| 国产精品亚洲美女久久久| 亚洲av第一区精品v没综合| 日韩精品中文字幕看吧| 日韩大码丰满熟妇| 不卡一级毛片| 国产极品粉嫩免费观看在线| 亚洲精品一区av在线观看| 很黄的视频免费| 欧美日韩乱码在线| 成人18禁在线播放| 成人特级黄色片久久久久久久| 亚洲欧美一区二区三区黑人| 国产成人啪精品午夜网站| 美女国产高潮福利片在线看| 亚洲精品国产精品久久久不卡| 黄色丝袜av网址大全| 亚洲国产精品sss在线观看| 亚洲人成电影免费在线| 日本成人三级电影网站| 搡老妇女老女人老熟妇| 人人妻人人看人人澡| 久久久久久久久久黄片| 亚洲av电影不卡..在线观看| 日韩欧美国产一区二区入口| 精品欧美国产一区二区三| av免费在线观看网站| 91av网站免费观看| 看黄色毛片网站| 亚洲精品美女久久久久99蜜臀| 国产久久久一区二区三区| 亚洲第一av免费看| 两人在一起打扑克的视频| 日韩免费av在线播放| 在线观看免费日韩欧美大片| 久久婷婷成人综合色麻豆| 18禁黄网站禁片午夜丰满| 最好的美女福利视频网| 成人三级做爰电影| 国产私拍福利视频在线观看| 久久国产亚洲av麻豆专区| 亚洲九九香蕉| 国产黄片美女视频| 国产色视频综合| 亚洲 国产 在线| 欧美中文日本在线观看视频| 草草在线视频免费看| 九色国产91popny在线| 日韩三级视频一区二区三区| 成人永久免费在线观看视频| 精品久久久久久久末码| 少妇粗大呻吟视频| 女人被狂操c到高潮| 欧美黑人精品巨大| 一级毛片女人18水好多| 香蕉丝袜av| 欧美日韩精品网址| 最近在线观看免费完整版| 欧美又色又爽又黄视频| 精品久久久久久成人av| 88av欧美| 欧美日本视频| 国产精品久久久久久人妻精品电影| 亚洲三区欧美一区| 女警被强在线播放| 搡老岳熟女国产| 中文字幕最新亚洲高清| 久久久久久久午夜电影| 欧美国产精品va在线观看不卡| 精品人妻1区二区| 亚洲欧美精品综合久久99| 国产精品久久久久久精品电影 | 国产精品av久久久久免费| 成年版毛片免费区| 国产av又大| 人人妻人人澡欧美一区二区| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品色激情综合| 午夜日韩欧美国产| 亚洲一码二码三码区别大吗| 精品一区二区三区视频在线观看免费| 久久这里只有精品19| 国产又爽黄色视频| 精品久久久久久久久久免费视频| 国产精品精品国产色婷婷| 国产精品99久久99久久久不卡| 好男人在线观看高清免费视频 | 午夜久久久久精精品| 啦啦啦 在线观看视频| 欧美乱色亚洲激情| 一本久久中文字幕| 亚洲精品在线观看二区| 国产精品 欧美亚洲| 亚洲熟妇熟女久久| 不卡av一区二区三区| 桃红色精品国产亚洲av| 久久欧美精品欧美久久欧美| 午夜成年电影在线免费观看| 国产一区二区在线av高清观看| 超碰成人久久| 久久性视频一级片| 午夜影院日韩av| 国产人伦9x9x在线观看| 成人免费观看视频高清| 精品福利观看| 可以在线观看的亚洲视频| 国产真人三级小视频在线观看| 国产精品一区二区免费欧美| 国内毛片毛片毛片毛片毛片| 女同久久另类99精品国产91| 亚洲人成伊人成综合网2020| 日韩欧美一区二区三区在线观看| 99国产精品99久久久久| 一级片免费观看大全| 一进一出抽搐gif免费好疼| 精品欧美一区二区三区在线| www.999成人在线观看| 美国免费a级毛片| 丝袜人妻中文字幕| av中文乱码字幕在线| 色尼玛亚洲综合影院| 成人免费观看视频高清| 国语自产精品视频在线第100页| 中文字幕人妻熟女乱码| 精品国产一区二区三区四区第35| 精品国产乱子伦一区二区三区| 国产黄色小视频在线观看| 精品国产亚洲在线| 成年女人毛片免费观看观看9| 深夜精品福利| 日韩国内少妇激情av| 青草久久国产| 丁香欧美五月| 我的亚洲天堂| 久久精品国产亚洲av高清一级| 国产一区二区三区视频了| 免费看日本二区| 波多野结衣高清作品| 国产精品乱码一区二三区的特点| 久久九九热精品免费| 在线视频色国产色| 人妻丰满熟妇av一区二区三区| 一夜夜www| 亚洲一区二区三区色噜噜| 老司机午夜福利在线观看视频| 天堂动漫精品| 色老头精品视频在线观看| 中文字幕人妻熟女乱码| 欧美黑人精品巨大| 色播在线永久视频| 俺也久久电影网| 亚洲美女黄片视频| 黄色a级毛片大全视频| 亚洲av第一区精品v没综合| 亚洲一区二区三区色噜噜| 欧美成人免费av一区二区三区| 在线天堂中文资源库| 欧美精品啪啪一区二区三区| 在线观看免费午夜福利视频| 两个人免费观看高清视频| 亚洲av成人一区二区三| 黄片大片在线免费观看| 国产成人系列免费观看| 99精品在免费线老司机午夜| 欧美黑人巨大hd| 久久久久亚洲av毛片大全| 国产aⅴ精品一区二区三区波| 91av网站免费观看| 悠悠久久av| 亚洲男人的天堂狠狠| 国产三级黄色录像| 侵犯人妻中文字幕一二三四区| 99久久精品国产亚洲精品| 88av欧美| 亚洲av五月六月丁香网| 免费在线观看亚洲国产| 美女高潮喷水抽搐中文字幕| 日本熟妇午夜| 黄色片一级片一级黄色片| 一进一出好大好爽视频| 一本大道久久a久久精品| 国产熟女午夜一区二区三区| 国产高清激情床上av| 精品卡一卡二卡四卡免费| 禁无遮挡网站| 国产不卡一卡二| 看片在线看免费视频| 久久精品成人免费网站| 欧美+亚洲+日韩+国产| 高清在线国产一区| 国产精品av久久久久免费| a在线观看视频网站| 色在线成人网| 日日夜夜操网爽| 免费看十八禁软件| 亚洲国产精品sss在线观看| 一级毛片精品| www.www免费av| 美女免费视频网站| 精品高清国产在线一区| 午夜免费激情av| 精品国产一区二区三区四区第35| 国产成人精品久久二区二区免费| 在线观看免费日韩欧美大片| 国产不卡一卡二| 黑人操中国人逼视频| 香蕉国产在线看| 久久精品aⅴ一区二区三区四区| 久久久久免费精品人妻一区二区 | 国产精品亚洲一级av第二区| 亚洲一区高清亚洲精品| 亚洲精品国产精品久久久不卡| 在线观看免费视频日本深夜| 精品久久蜜臀av无| 欧美日韩中文字幕国产精品一区二区三区| 成人特级黄色片久久久久久久| 欧美日韩亚洲国产一区二区在线观看| 久久久精品欧美日韩精品| 国产成人欧美|