最新刊期
2017 年 第 22 卷 第 10 期
- 摘要：越来越多的研究表明，基于静息态功能磁共振成像（rs-fMRI）的大脑功能分区比传统的大脑结构分区（如AAL分区、Brodmann分区等）在功能网络构建中功能一致性更高。但现阶段对于大脑功能模块的划分较粗糙，需要更精细准确的脑功能分区，明确宏观尺度的基本功能单元。为能使脑科学领域的研究者对基于静息态功能磁共振成像的脑功能分区进行有益的探索和应用，本文对其进行系统综述。 从rs-fMRI数据与大脑功能网络的关系出发，理清脑功能区分割的一般思路，对近几年来脑功能分区算法中出现的新思路、新方法以及对原有方法的改进做了较全面的阐述；最后总结该领域现阶段面临的问题并对未来的研究方向做了展望。 根据脑区情况，将脑功能分区分为全脑功能分区和局部脑功能分区，并分别阐释这两方面的优势与应用。同时，将脑功能分区算法归纳为基于数据驱动和基于模型驱动两大类，并展示了各类分区算法的优势以及面临的难点和挑战。 基于静息态功能磁共振成像的脑功能分区的研究已经取得了一些进展和有价值的研究成果，但是距离研究人脑机制，应用于脑部疾病的预防和诊断以及启示类脑科学的发展，还需要对脑功能分区方法进行更深入的研究和完善。后续研究中可将传统的分区算法和先验知识、空间领域信息、空间约束、稀疏编码、特征选择和采样学习等思想结合起来，形成融合性的脑功能分区算法，致力于更为细致准确的大脑功能分区和脑功能网络构建，解析脑的高级功能。关键词：脑功能分区;静息态;功能磁共振成像;功能网络;分区算法6870|430|7更新时间：2024-05-08
综述
- 摘要：为了消除低阶彩色图像去噪模型产生视觉上不希望得到的"阶梯效应"并提高去噪过程中的边缘保持效果，提出一种黎曼几何驱动的高阶彩色图像去噪模型，并在扩散中使用一阶梯度信息引导高阶信息驱动的扩散，以改善去噪过程中的边界探测和保持能力。 在黎曼几何框架下，对低阶彩色图像去噪模型进行分析，并由面积微元出发得到对应的二阶微分形式，利用二阶导数矩阵的Frobenius范数构造高阶彩色图像变分能量泛函，由此得到一个彩色图像去噪的高阶扩散模型。为在扩散中保持边界，使用高斯卷积后的一阶梯度信息引导高阶扩散，得到一个多通道耦合的高阶非线性彩色图像去噪模型。分析表明，该模型在扩散时兼顾了单通道和多通道、低阶和高阶等多种信息之间的关系进行耦合去噪。 在实验中对不同噪声水平下的1维彩色信号、合成彩色图像和标准彩色测试图像进行去噪，并使用峰值信噪比（PSNR）与结构相似性（SSIM）作为客观评价指标，将本文结果与相关彩色图像去噪扩散模型的结果进行对比。在不同噪声水平下本文模型去噪结果的平均PSNR与相关模型相比提高了2.33%，平均SSIM提高了0.4%。 本文模型能够有效去除彩色图像中不同噪声水平的高斯白噪声，能较好消除视觉上的"阶梯效应"，得到分片线性光滑的彩色图像，同时还能够较好保持图像边界信息。关键词：彩色图像去噪;高阶偏微分方程;黎曼几何;梯度引导;多通道耦合2734|494|1更新时间：2024-05-08
- 摘要：当前很多图像加密都采用基于比特的加密算法。针对这种比较流行的加密算法所存在的安全缺陷问题，提出一种能够解决比特面0比特和1比特置乱时的位置限制的图像加密算法，实现比特的全局重组。 首先利用Tent混沌映射生成一个伪随机序列，然后利用生成的伪随机序列对比特明文图像进行整行以及整列的置乱，将置乱后的比特像素矩阵分块分别进行Henon映射的置乱，最后经过扩散操作得到最后的密文图像。 加密后明文图像的像素值的分布由不均匀变成了均匀分布，明文图像的各像素间的相关性被打破，使得原图没有了统计特性，像素变化率（NPCR）以及归一化平均变化强度（UACI）皆接近理想值，算法能够抵抗穷举攻击和差分攻击，并且在能保证加密安全的同时能有较低计算复杂度。 本文所提出的图像加密算法具有加密后像素相关性低、密钥空间大，以及对明文图像和密钥高度敏感等特点，本文算法在进行比特级的置乱时，又加入了与明文相关的特性，增强了加密算法的明文敏感性，同时也加强了加密算法的扩散性，可有效地保障密文图像的安全。关键词：图像加密;Henon映射;比特重组;全局置乱;混沌系统3101|332|4更新时间：2024-05-08
- 摘要：在低照度环境下，由于受图像采集设备的限制，导致获取到的图像往往亮度低、对比度差。针对这一问题，提出一种自适应双向保带宽对数变换的增强算法。 首先通过标准化变换将低照度图像处理成标准化图像，然后根据标准化图像的平均亮度进行自适应双向保带宽对数变换，最后对图像取整输出，从而得到增强后的图像。 实验选用LIVE database release2标准库中29幅高质量图像作为参考图像，然后经Photoshop CS5统一处理成低照度图像，使用本文算法对其增强，并与直方图均衡化（HE）、多尺度Retinex增强（MSR）、自然保持的增强算法（NPEA）的结果进行比较。本文算法增强后的图像其整体对比度和亮度在主观上都有较大提高，增强效果优于其他3种方法；同时，本文算法峰值信噪比（PSNR）和结构相似度（SSIM）客观指标平均值分别为22.75和0.86，明显高于其他3种算法。另外，在算法运行效率方面，本文算法平均运行时间也较短，约为74 ms。 本文算法增强后的图像更自然、更符合人眼视觉特性，且算法简单易于实现，运行效率高。该算法广泛适用于背光或光照不均的低照度环境下的图像增强。关键词：低照度;图像增强;标准化变换;自适应双向对数变换;保带宽3265|471|7更新时间：2024-05-08
- 摘要：针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题，提出一种结构识别引导下的纹理抑制图像平滑算法。 首先，结构与纹理的根本区别在于重复模式，结构应该是稀疏的，而纹理应该是一个有重复模式的区域，因此，通过对结构/纹理的多尺度分析，提取了对于结构/纹理具有辨别力的多尺度内变差特征；然后，借助支持向量机，对提取的特征样本点训练出一个结构/纹理分类器；就分类结果中存在的结构较粗、毛刺等问题，进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作，以获得最终的更为精细的结构识别结果；最后，提出结构引导下的自适应双边图像滤波算法，达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。 本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率，结构引导下的图像滤波能够在保持结构的同时，有效地抑制强梯度和尺度变化的纹理细节。 本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法，对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用，体现了潜在的实际应用价值。关键词：纹理抑制;结构识别;多尺度内变差;强梯度纹理;尺度变化2872|364|0更新时间：2024-05-08
图像处理和编码
- 摘要：在视频监控目标检测应用中，场景中的阴影会直接影响目标检测的准确度，因此阴影抑制算法研究显得尤为重要。目前广泛使用的是HSV（hue，saturation，value）阴影抑制方法，但是该方法存在由于亮度比值的阈值不稳定而造成将运动目标也检测为阴影的问题。针对该问题，本文提出了一种结合HSV与纹理特征的视频阴影消除方法。 首先将输入的图像使用传统的混合高斯模型建立背景并在灰度空间中提取前景，其次在HSV空间使用亮度比的阈值方法检测阴影，二者综合得到运动目标；针对由于亮度比值的阈值不稳定而导致的前景误检为阴影的问题，采用了LBP（local binary pattern）算子结合大津阈值（OTSU）提取部分运动目标。最后将LBP算子结合大津阈值提取的部分运动目标与HSV空间检测的目标两者相或，最终去除运动目标的阴影。 本文选用在CVPR-ATON和CAVIAR标准视频库中多个场景的阴影视频，将本文算法与SNP算法、SP算法、DNM1算法和DNM2算法进行对比仿真，实验结果表明本文算法在阴影检测率和阴影识别率的平均值上提升约10%。 本文提出的视频阴影消除算法结合了HSV与纹理特征，可以在不同的环境中有效地去除阴影，运动目标保留完整，可适用于智能视频监控、遥感图像和人机交互中。关键词：阴影消除;HSV颜色空间;亮度;LBP算子;大津阈值;适用性2530|361|7更新时间：2024-05-08
- 摘要：显著性检测已成为图像处理过程中的一个重要步骤，已被应用到许多计算机视觉任务中。虽然显著性检测已被研究多年并取得了较大的进展，但仍存在一些不足，例如在复杂场景中的检测不准确或检测结果夹带着背景噪声等。因此，针对已有图像显著性检测方法存在的不能有效抑制背景区域，或不能清晰突显出完整的目标区域的缺点，提出一种结合背景先验和前景先验信息的图像显著性检测算法。 首先选取图像的边界超像素作为背景区域，从而根据每个区域与背景区域的差异度来建立背景先验显著图；然后通过计算特征点来构建一个能够粗略包围目标区域的凸包，并结合背景先验显著图来选取前景目标区域，从而根据每个区域与前景目标区域的相似度来生成前景先验显著图；最后融合这两个显著图并对其结果进一步优化得到更加平滑和准确的显著图。 利用本文算法对MSRA10K数据库内图像进行显著性检测，并与主流的算法进行对比。本文算法的检测效果更接近人工标注，而且精确率和效率都优于所对比的算法，其中平均精确率为87.9%，平均召回率为79.17%，F值为0.852 6，平均绝对误差（MAE）值为0.113，以及平均运行时间为0.723 s。 本文提出了一种结合两类先验信息的显著性检测算法，检测结果既能够有效地抑制背景区域，又能清晰地突显目标区域，从而提高了检测的准确性。关键词：显著性检测;背景先验;凸包;前景先验;显著图4782|497|4更新时间：2024-05-08
图像分析和识别
- 摘要：随着互联网技术的发展，信息的数量呈几何级数增长。信息改变着人类的传统生活方式，它可以给人们的娱乐，教育，商业活动提供便利。但是另一方面，需要处理的信息数量大大超过了计算机的处理能力，因此，如何使计算机能像人眼一样可以自动在大量信息中选择重要信息进行加工就显得十分重要。图像的视觉显著性信息能够反映图像中不同区域对人视觉系统刺激的程度。可靠的显著性方法可以从大量的信息中自动预测预测和挖掘重要的视觉信息，这些信息可以为图像分割、图像检索等应用提供有价值的线索。目前，显著性检测算法的鲁棒性和实时性是研究的热点。本文提出一种基于拉普拉斯支持向量机（LapSVM）的快速显著性检测方法。 采用简单线性迭代聚类算法SLIC（simple linear iterative clustering）将原始图像首先分成若干个超像素块，并用它代替图像像素参与计算，可以减少算法所需的计算量。利用超像素之间相似性构建图Laplacian。分析每个图像块的边缘特性定义粗糙标识样本，并利用一种快速LapSVM进行分类。LapSVM是一种基于流形正则化的半监督分类方法。通过引入提前停止机制来加速LapSVM的训练。这样可以快速地计算出一个近似结果。计算的复杂性由原来的O（）降到了O（），其中是未标识样本和标识样本的数量。是经验评价值，它远远小于。通过分析得到的分类结果，提取出更准确的背景和目标样本作为新的标识样本再次进行LapSVM分类。最后，利用能量函数对分类结果进行优化得到最终的显著性检测结果。 ASD数据库是MSRA数据库的子集，包含1 000幅图片，被广泛用于各种显著性检测算法的实验中。本文算法在ASD图像数据库上与7种流行的图像显著性检测算法进行对比实验。本文算法不仅在准确率和召回率上保持了与其他算法相当的鲁棒性，平均绝对误差达到4%左右，同时算法的平均运行时间缩短为0.03 s左右。 提出一种基于LapSVM的快速图像显著性检测算法，通过区域边缘特征和分类结果分析，实现图像中背景和目标样本的准确检测。实验结果表明，本文算法具有良好的鲁棒性，显著地提高了算法的实时性。因此，与其他算法相比本文算法更适用于检测跟踪等实时性要求较高的场合。该方法可以在较短的时间内，以更好地准确率水平提取显著性区域。关键词：显著性检测;边缘特征;LapSVM算法;标识样本;流形函数2668|391|1更新时间：2024-05-08
- 摘要：由于背景的复杂性，光照的多变性以及目标的相关性等因素的影响，使得多目标跟踪算法的鲁棒性相对较差。目前，在多目标跟踪问题中面临的主要挑战包括：遮挡、误检、目标运动的复杂性以及由于目标具有相似的外观特征所引起的模糊性。针对以上问题，提出一种基于全局多极团的分层关联多目标跟踪算法。 该方法以数据关联中的全局关联为依托，基于分层和网络流思想，跟踪采用两层框架，每一层中均利用较短的轨迹片段形成更长的轨迹，根据网络流思想，首先构建网络的无向图，其中无向图的结点是由几个轨迹片段构成的，无向图权值的确定是利用目标的运动模型和外观模型的线性组合得到，然后借助聚合虚拟结点处理目标之间的遮挡问题，接着重点加入空间约束以解决身份转换的问题。最后利用最大二值整数规划在叠加片段上求解无向图，同时得到多个极大团。 实验在公共数据集上进行，通过在TUD-Stadmitte、TUD-Crossing、PETS2009、Parking Lot 1、Parking Lot 2、Town Center这6个数据集上验证，该方法对各个数据集跟踪准确度均有提高，其中针对数据集TUD-Stadmitte提高了5%以上，针对数据集Town Center处理的身份转换数量减少了12个。 本文依据数据关联思想，提出一种全局多极团的分层关联多目标跟踪算法，其中重点加入的空间约束能有效地处理多目标跟踪问题，尤其涉及遮挡问题，效果更佳。在智能视频监控领域中该方法具有实际应用价值。关键词：多目标跟踪;分层;网络流;空间约束;最大二值整数规划;数据关联2143|348|2更新时间：2024-05-08
- 摘要：针对现有的超像素目标跟踪算法（RST）对同一类中分别属于目标和相似干扰物体的超像素块赋予相同特征置信度，导致难以区分目标和相似干扰物的问题，为此提出自适应紧致特征的超像素目标跟踪算法（ACFST）。 该方法在每帧的目标搜索区域内构建适合目标大小的自适应紧致搜索区域，并将该区域内外的特征置信度分别保持不变和降低。处于背景中的相似干扰物体会被该方法划分到紧致搜索区域外，其特征置信度被降低。当依据贝叶斯推理框架求出对应最大后验概率的目标时，紧致搜索区域外的特征置信度低，干扰物体归属目标的程度也低，不会被误判为目标。 在具有与目标相似干扰物体的两个视频集进行测试，本文ACFST跟踪算法与RST跟踪算法相比，平均中心误差分别缩减到5.4像素和7.5像素，成功率均提高了11%，精确率分别提高了10.6%和21.6%，使得跟踪结果更精确。 本文提出构建自适应紧致搜索区域，并通过设置自适应的参数控制紧致搜索区域变化，减少因干扰物体与目标之间相似而带来的误判。在具有相似物体干扰物的视频集上验证了本文算法的有效性，实验结果表明，本文算法在相似干扰物体靠近或与目标部分重叠时，能够保证算法精确地跟踪到目标，提高算法的跟踪精度，具有较强的鲁棒性，使得算法更能适应背景杂乱、目标遮挡、形变等复杂环境。关键词：目标跟踪;相似干扰物;贝叶斯推理;超像素;紧致特征2077|414|2更新时间：2024-05-08
图像理解和计算机视觉
- 摘要：肾脏图像分割对于肾脏疾病的诊断有着重要意义，临床上通过测量肾皮质的体积和厚度可判断肾脏是否有肿瘤、慢性动脉硬化性肾病和肾移植急性排斥反应等。现有的肾脏分割算法大多针对一种模态，且只能分割出肾脏整体。本文提出一种基于全卷积网络和GrowCut的肾皮质自动分割算法，用于多模态肾脏图像分割。 首先用广义霍夫变换对肾脏进行检测，提取出感兴趣区域，通过数据增强扩充带标签数据；然后用VGG-16预训练模型进行迁移学习，构建适用于肾皮质分割的全卷积网络，设置网络训练参数，使用扩充数据训练网络。最后用全卷积网络分割图像，提取最后一层卷积层的特征图得到种子点标记，结合肾脏图像的先验知识纠正错误种子点，将该标记图作为GrowCut初始种子点可实现肾皮质准确分割。 实验数据为30组临床CT和MRI图像，其中一组有标记的CT图像用于训练网络并测试算法分割准确性，该文算法分割准确率IU（region intersection over union）和DSC（Dice similarity coefficient）分别达到91.06%±2.34%和91.79%±2.39%。与全卷积网络FCN-32s相比，本文提出的网络参数减少，准确率更高，可实现肾皮质分割。GrowCut算法考虑像素间的邻域信息，与全卷积网络结合可进一步将分割准确率提高3%。 该方法可准确分割多模态肾脏图像，包括正常和变异肾脏的图像，说明该方法优于主流方法，能够为临床诊断提供可靠依据。关键词：肾皮质分割;全卷积网络;GrowCut;VGG-16;迁移学习;数据增强2948|421|2更新时间：2024-05-08
- 摘要：古画隐藏信息是包含在画作中的一种微弱信息，对于文物鉴定与修复具有非常重要的意义，如何快速无损准确提取古画中微弱的隐藏信息是目前研究和应用的一大技术难题，本文利用高光谱成像技术快速无损提取古画隐藏信息。 对古画进行高光谱扫描成像，得到短波红外波段（1 000~2 500 nm）的高光谱立方体数据，联合多种光谱匹配技术分析古画中人物头冠颜料种类；利用主成分分析技术，提取古画头冠周围涂抹痕迹。 通过多种光谱匹配算法对颜料进行分析，确定了颜料种类，并对匹配算法进行了对比，结果表明在颜料混合的情况下，光谱匹配算法仍能够有效的识别出混合颜料的端元种类，光谱信息散度与光谱角的匹配算法SID_SA匹配精度可以达到0.096，相比其他匹配算法，效果最好；利用主成分分析技术分层剥离主要背景信息后，头冠周围位于画作底层的涂抹信息得到了加强，可以有效地区分背景颜料信息与涂抹信息，提取隐藏信息。 高光谱分析技术对古画隐藏信息的提取有很好地识别效果，能够准确提取绘画颜料种类，发现绘画过程中的涂抹等痕迹，特别适用于混合颜料的种类识别与画作底层信息提取，发掘画作隐藏信息，为文物保护修复与鉴定提供支持。关键词：成像光谱仪;短波红外;光谱分析;古代画作;隐藏信息2426|476|3更新时间：2024-05-08
医学图像处理
- 摘要：目前，点云、栅格格网及不规则三角网等建筑物检测中常用的离散机载激光雷达（LIDAR）点云数据表达方式存在模型表达复杂、算法开发困难、结果表达不准确及难以表达多返回数据等缺点。为此，针对LIDAR点云体元结构模型构建及在此基础上的建筑物检测展开研究，提出一种基于体元的建筑物检测算法。 首先将点云数据规则化为二值（即1、0值，分别表示体元中是否包含有激光点）3D体元结构。然后利用3D滤波算法将上述体元结构中表征数据点的体元分类为地面和非地面体元。最后，依据建筑物边缘的接近直线、跳变特性从非地面体元中搜寻建筑物边缘作为种子体元进而标记与其3D连通的非地面体元集合为建筑物体元。 实验基于ISPRS（international society for photogrammetry and remote sensing）提供的包含了不同的建筑物类型的城区LIDAR点云数据测试了"邻域尺度"参数的敏感性及提出算法的精度。定量评价的结果表明：56邻域为最佳邻域尺度；建筑物的检测质量可达到95%以上——平均完整度可达到95.61%、平均正确率可达95.97%。定性评价的结果表明：对大型、密集、不规则形状、高低混合及其他屋顶类型比较特殊的复杂建筑物均可成功检测。 本文提出的建筑物检测算法采用基于体元空间邻域关系的搜索标记方式，可有效实现对各类建筑目标特别是城市建筑目标的检测，检测结果易于建模3D建筑物模型。关键词：体元;建筑物检测;机载激光雷达;滤波;3D连通集合2215|303|4更新时间：2024-05-08
- 摘要：星上的舰船检测需要在资源和时间受限条件下实现快速检测，并且对目标的种类和尺寸缺少先验信息的指导，更多时候还需要实现一景图像中不同尺寸舰船的检测，因此，星上舰船检测要求检测方法具有一定的自适应性，从而实现星上多变的检测场景。 针对这一问题，提出了一种多尺度分形维的检测方法，可以实现一景遥感图像中不同尺寸舰船目标的检测。首先，针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法，改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对，提高了分形维特征计算的精确度。 在提高了分形维计算精度的基础上，新算法利用自然物体在不同尺度上具有的自相似性，通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰，突出舰船目标。实验结果表明，新算法能够有效检测出一景图像中不同尺寸的舰船，优于双参数CFAR算法的检测结果。 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测，在保证一定检测率的同时有效降低了目标检测的虚警率。关键词：差分盒;分形维;显著性;多尺度;目标检测2582|309|4更新时间：2024-05-08
遥感图像处理
- 摘要：曲线化简是制图综合中的经典研究问题和重要研究内容，以往曲线化简以顶点压缩为主，而制图综合中曲线化简是渐进删除小弯曲，保留特征弯曲的过程，因此提出一种以弯曲为化简单元的曲线化简方法。 通过弯曲划分、弯曲渐进取舍实现线要素化简：分析斜拉式弯曲划分方法优点与不足的基础上，提出一种双向斜拉式弯曲划分方法，使弯曲划分结果更加准确、完整；在双向斜拉式弯曲划分的基础上，探测弯曲间关系，将具有不同关系的弯曲定义为3类弯曲，并在此基础上划分两类弯曲组；对不同类型的弯曲组采用不同的弯曲取舍方法及取舍顺序，渐进删除弯曲，避免化简过度；重复弯曲划分、弯曲关系探测、弯曲取舍等过程，直至化简结果中不存在目标尺度下不可见的细小弯曲为止，实现曲线渐进化简，充分化简曲线以满足目标尺度下视觉要求。 以某地区1：25万的水系数据为实验对象，实验1分别利用双向斜拉式弯曲划分方法和斜拉式弯曲划分方法对其中16条线状河流要素划分弯曲单元，双向斜拉式弯曲划分方法划分的弯曲单元形态上更符合认知规律，且划分结果较斜拉式弯曲划分结果更加完整，避免了弯曲遗漏；实验2分别利用D-P算法、基于三元组的曲线化简方法、本文方法将16条线状河流要素由1：25万分别化简至1：50万、1：100万、1：200万，本文方法的各尺度化简结果较另两种方法在认知层次、几何层次、地理层次上都具有一定优越性；实验3增加实验数据量，对956条不同形态曲线构成的水系依实验2进行对比化简实验。计算每条曲线利用不同方法化简至各尺度后产生的位置误差，并统计不同结果中所有曲线位置误差的平均数、加权平均数、中位数等统计值量化评估化简结果，本文方法各尺度化简结果中位置误差的统计值均小于另两方法同尺度化简结果中位置误差的统计值。 双向斜拉式弯曲划分方法划分曲线弯曲更加完整、准确、符合认知，采用双向斜拉式弯曲划分的曲线化简方法符合人工化简过程和认知规律，在形态保持、地理特征保持等方面都有一定优势，适于多种形态曲线化简，用于形态相对曲折、复杂的线要素化简时优势明显，适用于制图综合实际应用。关键词：制图综合;曲线化简;格式塔原则;斜拉式;弯曲组2219|315|5更新时间：2024-05-08
地理信息技术
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0