• <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
    亚洲最大成人av| 午夜免费观看性视频| h日本视频在线播放| 亚洲av中文av极速乱| 黑人高潮一二区| 亚洲精品久久午夜乱码| 国产亚洲一区二区精品| 在线播放无遮挡| 一级毛片黄色毛片免费观看视频| www.色视频.com| 深爱激情五月婷婷| 超碰97精品在线观看| 看黄色毛片网站| 国产女主播在线喷水免费视频网站 | 综合色丁香网| 女的被弄到高潮叫床怎么办| 欧美+日韩+精品| 久久久午夜欧美精品| 亚洲自偷自拍三级| 国产人妻一区二区三区在| av在线老鸭窝| 最近中文字幕2019免费版| 男人舔女人下体高潮全视频| 亚洲精品影视一区二区三区av| 国产视频内射| 18+在线观看网站| av.在线天堂| 久久久久久伊人网av| 毛片一级片免费看久久久久| 久久久久久久国产电影| 久久久久免费精品人妻一区二区| a级一级毛片免费在线观看| 激情 狠狠 欧美| 日本免费a在线| av在线播放精品| 亚洲精品影视一区二区三区av| 精品一区二区三区视频在线| 欧美3d第一页| 亚洲不卡免费看| 99热这里只有是精品50| 成人午夜精彩视频在线观看| 人妻制服诱惑在线中文字幕| 黄色日韩在线| 纵有疾风起免费观看全集完整版 | 欧美另类一区| 久久久色成人| 成年av动漫网址| 亚洲在线观看片| 国产精品一区二区三区四区免费观看| 国产成人精品久久久久久| 久久精品人妻少妇| 成人国产麻豆网| 超碰av人人做人人爽久久| 秋霞在线观看毛片| 国产亚洲精品av在线| 国产极品天堂在线| 国产av国产精品国产| 男插女下体视频免费在线播放| 婷婷色av中文字幕| 久久亚洲国产成人精品v| 成人亚洲精品一区在线观看 | 99久久九九国产精品国产免费| 日韩中字成人| 亚洲va在线va天堂va国产| 国产综合懂色| ponron亚洲| 色哟哟·www| 精品人妻熟女av久视频| 欧美+日韩+精品| av免费观看日本| 成人午夜高清在线视频| 九九爱精品视频在线观看| 网址你懂的国产日韩在线| 成人国产麻豆网| 午夜福利在线观看吧| 伊人久久国产一区二区| 一区二区三区高清视频在线| or卡值多少钱| 亚洲久久久久久中文字幕| h日本视频在线播放| 亚洲av男天堂| 少妇人妻精品综合一区二区| 国内精品一区二区在线观看| 在线免费观看的www视频| 高清欧美精品videossex| 国产色婷婷99| 黄片无遮挡物在线观看| 亚洲精品影视一区二区三区av| 欧美成人午夜免费资源| 九九在线视频观看精品| 国产精品日韩av在线免费观看| 午夜激情欧美在线| 亚洲最大成人中文| 我的女老师完整版在线观看| 成人性生交大片免费视频hd| 亚洲在久久综合| 美女主播在线视频| 99久国产av精品国产电影| 国产日韩欧美在线精品| freevideosex欧美| 69av精品久久久久久| 国产乱人偷精品视频| 黄色日韩在线| 国产午夜精品久久久久久一区二区三区| 狂野欧美激情性xxxx在线观看| 三级国产精品片| 欧美激情国产日韩精品一区| 只有这里有精品99| 国产 一区精品| 黄色一级大片看看| 夫妻性生交免费视频一级片| 肉色欧美久久久久久久蜜桃 | 天堂中文最新版在线下载 | 日本免费a在线| 两个人的视频大全免费| 国产熟女欧美一区二区| 免费高清在线观看视频在线观看| 亚洲怡红院男人天堂| 色综合站精品国产| 国产免费视频播放在线视频 | 成人欧美大片| 久久久久久久久久成人| www.av在线官网国产| 身体一侧抽搐| 欧美日韩在线观看h| 日日撸夜夜添| 99九九线精品视频在线观看视频| 女人十人毛片免费观看3o分钟| 麻豆成人午夜福利视频| 久99久视频精品免费| 精品亚洲乱码少妇综合久久| 小蜜桃在线观看免费完整版高清| 伦精品一区二区三区| 国产午夜福利久久久久久| 亚洲精品视频女| 2021天堂中文幕一二区在线观| 亚洲自拍偷在线| 免费高清在线观看视频在线观看| 亚洲伊人久久精品综合| av在线天堂中文字幕| 亚洲欧美中文字幕日韩二区| 亚洲不卡免费看| 国产大屁股一区二区在线视频| 亚洲丝袜综合中文字幕| 看十八女毛片水多多多| 亚洲乱码一区二区免费版| 一边亲一边摸免费视频| videossex国产| 18禁动态无遮挡网站| 尾随美女入室| 国产成人精品久久久久久| 欧美区成人在线视频| 人妻制服诱惑在线中文字幕| a级一级毛片免费在线观看| 成年版毛片免费区| 午夜福利高清视频| 成人国产麻豆网| 欧美一区二区亚洲| 国产精品美女特级片免费视频播放器| 国产综合懂色| 精品不卡国产一区二区三区| 97人妻精品一区二区三区麻豆| 91久久精品国产一区二区三区| 在线免费十八禁| 亚洲av成人精品一区久久| 国产男女超爽视频在线观看| 日本午夜av视频| 深爱激情五月婷婷| 国产视频内射| 少妇的逼水好多| 亚洲性久久影院| 久久久久国产网址| 成年版毛片免费区| 国内精品美女久久久久久| 日本wwww免费看| 女人十人毛片免费观看3o分钟| 尤物成人国产欧美一区二区三区| 国产亚洲5aaaaa淫片| 嫩草影院入口| 国产色爽女视频免费观看| 欧美+日韩+精品| 免费av不卡在线播放| 大话2 男鬼变身卡| 久久久午夜欧美精品| 又大又黄又爽视频免费| 97在线视频观看| 麻豆精品久久久久久蜜桃| .国产精品久久| 国产欧美另类精品又又久久亚洲欧美| 国产黄色小视频在线观看| 国产黄色小视频在线观看| 国产精品久久久久久av不卡| 国产精品久久久久久精品电影小说 | 麻豆精品久久久久久蜜桃| 欧美极品一区二区三区四区| 女的被弄到高潮叫床怎么办| 高清毛片免费看| 国产在视频线在精品| 久久久欧美国产精品| 亚洲av日韩在线播放| 爱豆传媒免费全集在线观看| 插阴视频在线观看视频| 九九爱精品视频在线观看| 久久久久久久久久久免费av| 男人舔女人下体高潮全视频| 男女国产视频网站| 国产精品日韩av在线免费观看| 噜噜噜噜噜久久久久久91| 91久久精品国产一区二区成人| 国产精品美女特级片免费视频播放器| 日本三级黄在线观看| 国内精品一区二区在线观看| 哪个播放器可以免费观看大片| 综合色丁香网| 欧美极品一区二区三区四区| www.av在线官网国产| 亚洲欧美日韩无卡精品| 午夜亚洲福利在线播放| 精品99又大又爽又粗少妇毛片| 大香蕉久久网| 久久99蜜桃精品久久| 日日啪夜夜撸| 日韩欧美三级三区| 日本av手机在线免费观看| 大香蕉97超碰在线| 亚洲图色成人| 欧美激情国产日韩精品一区| 日韩人妻高清精品专区| 天堂影院成人在线观看| 亚洲av中文av极速乱| 性色avwww在线观看| 中文资源天堂在线| 2018国产大陆天天弄谢| 国产乱人偷精品视频| 自拍偷自拍亚洲精品老妇| 日日摸夜夜添夜夜爱| 亚洲国产精品国产精品| 欧美激情国产日韩精品一区| 久久久久久久久久久免费av| 免费av不卡在线播放| 午夜福利高清视频| 97超视频在线观看视频| 亚洲国产最新在线播放| 中文字幕制服av| 人妻夜夜爽99麻豆av| 搡老乐熟女国产| 免费在线观看成人毛片| 亚洲精品成人av观看孕妇| 亚洲在线观看片| 国产永久视频网站| 有码 亚洲区| 亚洲精品影视一区二区三区av| 国产精品美女特级片免费视频播放器| 国产色爽女视频免费观看| 国内精品一区二区在线观看| 国产真实伦视频高清在线观看| 久久综合国产亚洲精品| 欧美 日韩 精品 国产| 国产黄片美女视频| 日日撸夜夜添| 久99久视频精品免费| 中国美白少妇内射xxxbb| 人人妻人人澡欧美一区二区| 五月玫瑰六月丁香| 啦啦啦中文免费视频观看日本| 最近2019中文字幕mv第一页| 乱码一卡2卡4卡精品| 国产一区二区三区综合在线观看 | 嫩草影院精品99| 欧美成人精品欧美一级黄| 欧美最新免费一区二区三区| 99久久中文字幕三级久久日本| 久久6这里有精品| 亚洲va在线va天堂va国产| 青春草国产在线视频| 天堂网av新在线| 人体艺术视频欧美日本| 一级毛片 在线播放| 国产精品嫩草影院av在线观看| 精品一区二区三卡| 男人舔奶头视频| 日日干狠狠操夜夜爽| 99久久人妻综合| 麻豆久久精品国产亚洲av| 久久久久久国产a免费观看| 国产亚洲精品久久久com| 久久精品国产亚洲网站| 免费人成在线观看视频色| av.在线天堂| 爱豆传媒免费全集在线观看| 99久国产av精品国产电影| 国产免费又黄又爽又色| 国产乱人视频| 一个人免费在线观看电影| 色尼玛亚洲综合影院| 边亲边吃奶的免费视频| 91久久精品国产一区二区三区| 青青草视频在线视频观看| 男插女下体视频免费在线播放| 成人鲁丝片一二三区免费| 久久久欧美国产精品| 精品人妻偷拍中文字幕| 久久久精品欧美日韩精品| 亚洲不卡免费看| 天堂中文最新版在线下载 | 丝瓜视频免费看黄片| 国产淫语在线视频| 国产成人精品久久久久久| 精品久久国产蜜桃| 干丝袜人妻中文字幕| 黄色配什么色好看| 久久精品久久久久久噜噜老黄| 国产男人的电影天堂91| 18禁裸乳无遮挡免费网站照片| 成人亚洲精品av一区二区| 亚洲欧美成人精品一区二区| 国产极品天堂在线| 免费观看无遮挡的男女| 久久久a久久爽久久v久久| 一个人看视频在线观看www免费| 全区人妻精品视频| 免费高清在线观看视频在线观看| 日本猛色少妇xxxxx猛交久久| 毛片一级片免费看久久久久| 又黄又爽又刺激的免费视频.| 身体一侧抽搐| 亚洲av免费在线观看| 91久久精品国产一区二区成人| 国产人妻一区二区三区在| 看黄色毛片网站| 只有这里有精品99| 成人无遮挡网站| 国产又色又爽无遮挡免| 男女下面进入的视频免费午夜| 久99久视频精品免费| 国产毛片a区久久久久| 99久久精品热视频| videossex国产| 日韩电影二区| 自拍偷自拍亚洲精品老妇| 国模一区二区三区四区视频| 精品少妇黑人巨大在线播放| 亚洲av一区综合| av在线亚洲专区| 国产精品精品国产色婷婷| 久久久欧美国产精品| 欧美另类一区| 亚洲欧美成人精品一区二区| 亚洲自偷自拍三级| 建设人人有责人人尽责人人享有的 | 欧美xxxx性猛交bbbb| 国产精品嫩草影院av在线观看| 真实男女啪啪啪动态图| 一级爰片在线观看| 男人舔奶头视频| 国产精品久久视频播放| 日韩电影二区| 国产精品日韩av在线免费观看| 黄色欧美视频在线观看| 男人舔女人下体高潮全视频| 国产淫片久久久久久久久| 日韩成人伦理影院| 91午夜精品亚洲一区二区三区| 国产精品日韩av在线免费观看| 亚洲四区av| 国产淫语在线视频| 亚洲精品视频女| 亚洲欧美日韩卡通动漫| 老师上课跳d突然被开到最大视频| 亚洲av国产av综合av卡| 午夜激情福利司机影院| freevideosex欧美| 青春草国产在线视频| 亚洲精品,欧美精品| 亚洲欧美一区二区三区国产| 三级男女做爰猛烈吃奶摸视频| 搡女人真爽免费视频火全软件| 国产精品av视频在线免费观看| 天天躁日日操中文字幕| 亚洲在线观看片| 亚洲第一区二区三区不卡| 久久久国产一区二区| 午夜激情福利司机影院| 99re6热这里在线精品视频| 亚洲欧美日韩无卡精品| 91精品伊人久久大香线蕉| 午夜视频国产福利| 美女黄网站色视频| 成人综合一区亚洲| 日本午夜av视频| 熟女人妻精品中文字幕| 亚洲精品一二三| 哪个播放器可以免费观看大片| 噜噜噜噜噜久久久久久91| 成年免费大片在线观看| 国产精品.久久久| 高清日韩中文字幕在线| 亚洲精品第二区| 99视频精品全部免费 在线| 少妇裸体淫交视频免费看高清| 欧美97在线视频| 亚洲精品色激情综合| 亚洲三级黄色毛片| 成人特级av手机在线观看| 国产又色又爽无遮挡免| 国产成人福利小说| 国产 一区 欧美 日韩| av播播在线观看一区| 亚洲aⅴ乱码一区二区在线播放| 一级av片app| 特级一级黄色大片| 日韩不卡一区二区三区视频在线| 五月天丁香电影| 久久鲁丝午夜福利片| 七月丁香在线播放| 亚洲一区高清亚洲精品| 精品一区二区三区人妻视频| 一夜夜www| 成人高潮视频无遮挡免费网站| 久久6这里有精品| 国产精品一区二区在线观看99 | av线在线观看网站| 亚洲自拍偷在线| 国产亚洲av嫩草精品影院| 亚洲在线观看片| 99视频精品全部免费 在线| 亚洲国产欧美在线一区| 乱系列少妇在线播放| 91精品一卡2卡3卡4卡| 在线观看一区二区三区| 国产美女午夜福利| av福利片在线观看| 嫩草影院新地址| 成人午夜精彩视频在线观看| 一级毛片 在线播放| 日本欧美国产在线视频| 国产综合懂色| 成人毛片a级毛片在线播放| 久久久久久国产a免费观看| 亚洲av不卡在线观看| 精品一区二区三区人妻视频| 日日摸夜夜添夜夜爱| 波多野结衣巨乳人妻| 99久久中文字幕三级久久日本| 人妻系列 视频| 十八禁网站网址无遮挡 | 亚洲精品乱码久久久久久按摩| 深爱激情五月婷婷| 午夜精品一区二区三区免费看| 亚洲综合色惰| 亚洲精品国产av蜜桃| 亚洲精品日韩在线中文字幕| 国产高清有码在线观看视频| 亚洲精品中文字幕在线视频 | 亚洲av电影不卡..在线观看| 肉色欧美久久久久久久蜜桃 | 久久午夜福利片| 免费看光身美女| 免费看美女性在线毛片视频| 久久久久久久亚洲中文字幕| 日本午夜av视频| 毛片女人毛片| 亚洲国产日韩欧美精品在线观看| 精华霜和精华液先用哪个| 国产精品嫩草影院av在线观看| 国产精品人妻久久久久久| 日韩大片免费观看网站| 亚洲av在线观看美女高潮| 精华霜和精华液先用哪个| 色视频www国产| 亚洲精品久久久久久婷婷小说| 国产探花极品一区二区| 可以在线观看毛片的网站| 黄片无遮挡物在线观看| 欧美激情在线99| 波多野结衣巨乳人妻| 久久人人爽人人爽人人片va| 国产91av在线免费观看| 亚洲精品aⅴ在线观看| 2021少妇久久久久久久久久久| 国产白丝娇喘喷水9色精品| 视频中文字幕在线观看| 亚洲精华国产精华液的使用体验| 亚洲精品乱久久久久久| 国产久久久一区二区三区| 看非洲黑人一级黄片| 一级av片app| 日韩人妻高清精品专区| 插阴视频在线观看视频| 精品久久久噜噜| 床上黄色一级片| 精品久久久久久成人av| 91av网一区二区| 国产乱来视频区| 99视频精品全部免费 在线| 日日摸夜夜添夜夜爱| 国产成人一区二区在线| 日韩强制内射视频| 欧美不卡视频在线免费观看| 在线免费十八禁| av免费观看日本| 国产精品麻豆人妻色哟哟久久 | 国产色婷婷99| 一个人免费在线观看电影| 国产有黄有色有爽视频| 建设人人有责人人尽责人人享有的 | 久久综合国产亚洲精品| 亚洲av中文字字幕乱码综合| 黄片无遮挡物在线观看| videossex国产| 天天一区二区日本电影三级| 一级片'在线观看视频| 高清在线视频一区二区三区| 亚洲精品自拍成人| 国产麻豆成人av免费视频| 中文天堂在线官网| 春色校园在线视频观看| 亚洲色图av天堂| av在线播放精品| 天天一区二区日本电影三级| 毛片女人毛片| 精品一区二区三区人妻视频| 简卡轻食公司| 永久免费av网站大全| 成人无遮挡网站| 久久久精品免费免费高清| 亚洲欧洲国产日韩| 极品教师在线视频| 三级国产精品欧美在线观看| 日韩欧美精品免费久久| 国产一区二区三区综合在线观看 | 一区二区三区乱码不卡18| 中文字幕av在线有码专区| 欧美精品国产亚洲| 男女那种视频在线观看| 国产精品av视频在线免费观看| 又爽又黄无遮挡网站| 免费观看av网站的网址| 美女cb高潮喷水在线观看| 国产精品1区2区在线观看.| 卡戴珊不雅视频在线播放| 国产成人精品福利久久| 国产高清国产精品国产三级 | 久久99精品国语久久久| 少妇人妻精品综合一区二区| 日本-黄色视频高清免费观看| 国产在视频线精品| 成年女人看的毛片在线观看| 午夜老司机福利剧场| 亚洲电影在线观看av| 最近手机中文字幕大全| 成人亚洲精品一区在线观看 | 禁无遮挡网站| 国产亚洲精品av在线| or卡值多少钱| 97超碰精品成人国产| 听说在线观看完整版免费高清| 免费看不卡的av| 18禁在线播放成人免费| 18+在线观看网站| 免费电影在线观看免费观看| 女的被弄到高潮叫床怎么办| 国产真实伦视频高清在线观看| 国产精品国产三级国产专区5o| 91午夜精品亚洲一区二区三区| 日韩一区二区三区影片| 亚洲精品亚洲一区二区| 狂野欧美白嫩少妇大欣赏| 男的添女的下面高潮视频| 美女高潮的动态| 国产男人的电影天堂91| 看十八女毛片水多多多| 国产精品国产三级国产专区5o| 欧美日韩精品成人综合77777| 高清毛片免费看| 久久久久久久久大av| 日本三级黄在线观看| 最新中文字幕久久久久| 欧美 日韩 精品 国产| 美女主播在线视频| 国产v大片淫在线免费观看| 91aial.com中文字幕在线观看| 成人性生交大片免费视频hd| 亚洲精品日韩在线中文字幕| 天堂俺去俺来也www色官网 | 激情五月婷婷亚洲| av专区在线播放| 色综合站精品国产| 天堂网av新在线| 男女边吃奶边做爰视频| 日韩一区二区视频免费看| 精品一区在线观看国产| 免费看不卡的av| 国产黄片视频在线免费观看| 黄色配什么色好看| 午夜福利在线观看吧| 肉色欧美久久久久久久蜜桃 | 亚洲精品一二三| 99久国产av精品国产电影| 亚洲精品久久久久久婷婷小说| 欧美成人精品欧美一级黄| 色综合亚洲欧美另类图片| 又爽又黄a免费视频| 国产精品国产三级国产av玫瑰| 亚洲三级黄色毛片| 色综合站精品国产| 国产伦一二天堂av在线观看| 69人妻影院| 亚洲成人av在线免费| 大香蕉97超碰在线| 日韩人妻高清精品专区| 美女高潮的动态| 九九久久精品国产亚洲av麻豆| 国产高清三级在线| 色哟哟·www|