• <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 ?

    基于多字典學(xué)習(xí)和圖像塊映射的超分辨率重建

    2016-05-14 10:37:23莫建文曾兒孟張彤袁華
    計(jì)算機(jī)應(yīng)用 2016年5期
    關(guān)鍵詞:稀疏表示

    莫建文 曾兒孟 張彤 袁華

    摘要:針對(duì)單一冗余字典在稀疏表示圖像超分辨率重建結(jié)果出現(xiàn)不清晰、偽影以及重建過程編碼效率不高、運(yùn)算時(shí)間過長的問題,提出一種基于多字典學(xué)習(xí)和圖像塊映射的超分辨率重建方法。該方法在傳統(tǒng)稀疏表示的框架下,首先探索局部圖像塊的梯度結(jié)構(gòu)信息,按梯度角度將訓(xùn)練樣本塊分類; 然后為每個(gè)子類樣本集學(xué)習(xí)高低分辨率字典對(duì),再結(jié)合最近鄰思想應(yīng)用生成的字典,為每個(gè)子類計(jì)算從低分辨率塊到高分辨率塊映射的函數(shù);最后將重建過程簡(jiǎn)化為輸入塊和映射函數(shù)的乘積,在保證提高重建質(zhì)量的同時(shí)減少了圖像重建的時(shí)間。實(shí)驗(yàn)結(jié)果表明,所提算法在視覺效果有較大的提升,同時(shí)與錨點(diǎn)鄰域回歸算法相比,評(píng)價(jià)參數(shù)峰值信噪比(PSNR)平均提高約0.4dB。

    關(guān)鍵詞:稀疏表示;圖像塊分類;多字典學(xué)習(xí);映射函數(shù);鄰域嵌入

    中圖分類號(hào):TP391 文獻(xiàn)標(biāo)志碼:A

    Abstract:To overcome the disadvantages of the unclear results and time consuming in the sparse representation of image superresolution reconstruction with single redundant dictionary, a single image superresolution reconstruction method based on multidictionary learning and image patches mapping was proposed. In the framework of the traditional sparse representation, firstly the gradient structure information of local image patches was explored, and a large number of training image patches were clustered into several groups by their gradient angles, from those clustered patches the corresponding dictionary pairs were learned. And then the mapping function was computed from low resolution patch to high resolution patch in each clustered group via learned dictionary pairs with the idea of neighbor embedding. Finally the reconstruction process was reduced to a projection of each input patch into the high resolution space by multiplying with the corresponding precomputed mapping function, which improved the images quality with less running time. The experimental results show that the proposed method improves the visual quality significantly, and increases the PSNR (Peak SignaltoNoise Ratio) at least 0.4dB compared with the anchored neighborhood regression algorithm.

    Key words:sparse representation; image patches classification; multidictionary learning; mapping function; neighbor embedding

    0 引言

    在醫(yī)學(xué)診斷、衛(wèi)星遙感、視頻監(jiān)控等數(shù)字成像領(lǐng)域中,都需要圖像有較高的分辨率來為人的研究工作提供幫助。但是由于電子成像設(shè)備、環(huán)境以及傳感器制造成本制約等因素的影響,實(shí)際獲得的圖像分辨率難以滿足實(shí)際的應(yīng)用需求, 因此通過軟件技術(shù)手段,將輸入的單幅或多幅低分辨率(Low Resolution, LR)圖像恢復(fù)出相同場(chǎng)景的高分辨率(High Resolution, HR)圖像的方法叫圖像超分辨率(Image SuperResolution, ISR)重建,該技術(shù)在公共安全等眾多領(lǐng)域發(fā)揮著重要的作用[1]。

    為了獲得超分辨率圖像,目前軟件算法主要分為基于插值的方法[2]、基于重建的方法[3]和基于學(xué)習(xí)的方法[4-8]三類。而近年來,隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)研究的深入,基于學(xué)習(xí)的重建算法取得了較大的進(jìn)步[1,4-7]。Chang等[9]受流型學(xué)習(xí)算法啟發(fā),提出局部線性嵌入(Local Linear Embedding, LLE)的超分辨率重建方法,學(xué)習(xí)到高、低分辨率圖像塊之間的局部特征映射模型,通過最近鄰域線性組合重建出高分辨率圖像。Yang等[5-6]利用稀疏編碼進(jìn)行超分辨率重構(gòu),該方法首先假設(shè)高低分辨率圖像塊在過完備字典下有相同的稀疏系數(shù),通過樣本圖像庫訓(xùn)練高低分辨率字典對(duì);然后求解待重建LR塊在低分辨率字典下的稀疏系數(shù),再結(jié)合高分辨率字典重建對(duì)應(yīng)的HR塊,從而得到最后的高分辨率圖像。Zeyde等[7]在Yang的基礎(chǔ)上把K次奇異值分解算法(Kmeans Singular Value Decomposition, KSVD)算法[9]應(yīng)用到字典學(xué)習(xí)中,并用正交匹配追蹤(Orthogonal Matching Pursuit, OMP)算法[10]對(duì)圖像塊稀疏編碼,在速度和重建結(jié)果上都比Yang的有一定的提高。Dong等 [11]研究圖像的非局部冗余結(jié)構(gòu),提出稀疏表示框架下非局部自回歸模型,該模型學(xué)習(xí)Kmean聚類下的主成分分析(Principal Component Analysis, PCA)多字典,并引入回歸模型和非局部約束,取得不錯(cuò)的效果。此外,Timofte等[4]提出一種快速的錨點(diǎn)鄰域回歸(Anchored Neighborhood Regression, ANR)算法,該算法結(jié)合稀疏編碼和最近鄰域嵌入(Neighbor Embedding, NE)思想,通過線下預(yù)先生成的映射關(guān)系,把超分辨率(SuperResolution, SR)過程簡(jiǎn)化為輸入的LR塊和映射矩陣相乘,在保證重建質(zhì)量的同時(shí)極大提高SR速度。

    雖然以上方法取得了不錯(cuò)的重建效果,但是它們建立的高度單一冗余字典對(duì)在稀疏分解中具有潛在的不穩(wěn)定性,易產(chǎn)生視覺偽影[12],且編碼效率不高。針對(duì)這一不足,本文在Timofte的基礎(chǔ)上提出了基于多字典學(xué)習(xí)和圖像塊映射(Multi Dictionary Learning and Image Patches Mapping, MDLIPM)的超分辨重建方法。MDLIPM方法在保持原有稀疏編碼的本質(zhì)基礎(chǔ)上,通過圖像局部梯度特征對(duì)圖像塊分類; 然后以KSVD算法對(duì)每個(gè)聚類庫訓(xùn)練出高低分辨率字典對(duì); 再結(jié)合最近鄰域思想,利用訓(xùn)練到的字典對(duì),學(xué)習(xí)從LR塊到HR塊的映射算子;最后將得到的映射函數(shù)應(yīng)用到重建階段,避免重建過程需要對(duì)每個(gè)圖像塊稀疏編碼的開銷,減少重建時(shí)間并提高重建質(zhì)量。實(shí)驗(yàn)結(jié)果顯示,本文方法的重建結(jié)果在主觀視覺效果和客觀評(píng)價(jià)參數(shù)上都取得不錯(cuò)的成績(jī),重建時(shí)間有一定的降低。

    2 MDLIPM的超分辨方法

    本文汲取鄰域嵌入和稀疏表示重建的優(yōu)點(diǎn),提出的多字典學(xué)習(xí)和圖像塊映射超分辨率(Multi Dictionary Learning and Image Patches Mapping SuperResolution,MDLIPM SR)算法分為兩個(gè)階段:訓(xùn)練階段,首先分析圖像塊的梯度結(jié)構(gòu),以此把訓(xùn)練庫分成多個(gè)類,并為每個(gè)子類訓(xùn)練高低分辨率字典對(duì){D(i)l,D(i)h},i=1,2,…,K,然后利用字典對(duì)結(jié)合最近鄰域回歸思想,把鄰域的搜索空間限制在字典空間內(nèi),以此為每個(gè)子類學(xué)習(xí)到從LR塊到HR塊的映射回歸矩陣{f(i)},i=1,2…,K;重建階段,通過梯度信息判斷LR塊的所屬子類后,把該子類的映射函數(shù)矩陣與LR塊相乘直接重建出該LR塊對(duì)應(yīng)的HR圖像塊,避免了對(duì)圖像塊迭代求解稀疏系數(shù)的過程,從而減低重建時(shí)間并進(jìn)一步得到重建的HR圖像。

    以上過程是Zeyde的兩步字典訓(xùn)練思想[12],因其字典訓(xùn)練速度快、編碼算法效率高,故本文同樣采用該思想進(jìn)行字典學(xué)習(xí)。但由于其訓(xùn)練的單一字典不足以最稀疏表示具有某種特定結(jié)構(gòu)特性的圖像塊,所以本文引進(jìn)2.1節(jié)描述的基于梯度信息進(jìn)行圖像塊分類,進(jìn)而學(xué)習(xí)到每個(gè)類的字典,并以訓(xùn)練得到的多字典作為學(xué)習(xí)圖像塊映射函數(shù)的依據(jù)。

    2.3 圖像映射函數(shù)學(xué)習(xí)

    本文引進(jìn)Timofte等[4]的方法,把基于字典的SR方法和最近鄰域方法相結(jié)合,限制鄰域搜索空間在字典空間內(nèi),學(xué)習(xí)從LR塊到HR塊的映射函數(shù),以避免在重建階段對(duì)圖像塊稀疏編碼的過程,保證重建質(zhì)量的同時(shí)降低重建的時(shí)間。

    正如式(5)所示,由于計(jì)算上的需要,基于鄰域嵌入或稀疏表示的最小二乘問題都應(yīng)用1范數(shù)正則項(xiàng)對(duì)權(quán)重系數(shù)或者稀疏系數(shù)加以限制。為了獲得系數(shù)的解析解,本文重新調(diào)整正則約束項(xiàng),把1范數(shù)約束改為2范數(shù)約束;然后以嶺回歸[15]求解辦法獲得系數(shù)的解析形式。調(diào)整過之后,NE系數(shù)問題表示為:

    3 實(shí)驗(yàn)仿真與結(jié)果分析

    為了驗(yàn)證MDLIMP算法的有效性,在訓(xùn)練階段,本文選擇包括人物、植物、建筑等69幅圖像并分塊,每個(gè)塊的大小與學(xué)習(xí)單一字典的(Sparse coding Super Resolution,ScSR)、ANR的相同,設(shè)置為5×5,建立10000個(gè)高低分辨率圖像塊一一對(duì)應(yīng)的訓(xùn)練集,并按照文中的梯度信息分類方法對(duì)樣本集分成K=8類;然后以文中2.2節(jié)所述為每個(gè)子類學(xué)習(xí)原子數(shù)為512的高低分辨率字典對(duì)和映射回歸矩陣,實(shí)驗(yàn)中映射回歸學(xué)習(xí)式(18)的因子λ設(shè)為0.01。另外選取如圖1所示的10幅標(biāo)準(zhǔn)測(cè)試圖像,并通過雙三次插值方法降采用的到待重建的LR圖。整個(gè)測(cè)試實(shí)驗(yàn)平臺(tái)為Inter Core i53230M CPU 2.60GHz,Matlab的版本為R2010b。

    實(shí)驗(yàn)中以雙三次插值算法Bicubic作為基準(zhǔn)對(duì)比算法,并選擇最近鄰域局部線性嵌入方法(Neighbor Embedding Super Resolution,NESR)[9]、學(xué)習(xí)單一字典的ScSR算法[6]、Kmean聚類多字典的(Nonlocal Autoregressive Modeling,NARM)算法[11]和錨點(diǎn)鄰域回歸的(ANR)算法[4]作為對(duì)比實(shí)驗(yàn),以檢驗(yàn)本文方法的性能。待重建的LR圖像放大因子s設(shè)為3,各方法重建結(jié)果的視覺主觀對(duì)比如圖2、3所示。客觀評(píng)價(jià)參數(shù)峰值信噪比(Peak SignaltoNoise Ratio, PSNR)和結(jié)構(gòu)相似度(Structural SIMilarity,SSIM)的對(duì)比結(jié)果見表1和表2。

    圖2比較了Parrots圖在不同SR方法的重建結(jié)果,考察鸚鵡眼角周圍的羽毛紋理細(xì)節(jié)部分。從視覺觀測(cè)上來看,Bicubic基于平滑假設(shè),故重建細(xì)節(jié)不明顯,整體表明較為平滑;NESR算法丟失較多的高頻信息,在恢復(fù)了部分細(xì)節(jié)的同時(shí)引入了不可估計(jì)的噪聲,羽毛紋理出現(xiàn)鋸齒、模糊等現(xiàn)象;而其他幾個(gè)算法重建效果都比NESR的要好,重建出來的細(xì)節(jié)信息比NESR的要多,但仍有一些不足的地方。其中ScSR方法的細(xì)節(jié)重建明顯同時(shí)仍出現(xiàn)振鈴狀;NARM算法在鸚鵡羽毛的邊緣部分出現(xiàn)平滑和偽影效果,細(xì)節(jié)部分也不夠清晰;ANR算法中鸚鵡眼角的紋理相對(duì)較好,但同樣出現(xiàn)部分虛假信息。而本文MDLIPM方法在羽毛邊緣的銳度和清晰度都得到明顯的改善,重建的高頻信息豐富,視覺效果更好。同樣從圖3 face圖像人臉鼻子部分的雀斑看出,本文MDLIPM方法恢復(fù)的局部細(xì)節(jié)信息清晰、細(xì)膩,整體效果與原始圖像更接近。從客觀評(píng)價(jià)參數(shù)來看,從表1、2中可知,本文MDLIPM方法和NESR算法、ScSR算法以及NARM算法相比、在PSNR和SSIM上略有提高,其中單幅圖像PSNR提高最多的有0.8dB左右,而平均也可提高大概0.4dB,說明本文方法確實(shí)可行有效。同時(shí),添加局部對(duì)比度的質(zhì)量評(píng)價(jià)方法(Quality Index based on Local Variance, QILV)[16]、模糊系數(shù)K[17]和質(zhì)量因素Q[18],對(duì)重建結(jié)果進(jìn)行比較,其中各方法重建質(zhì)量評(píng)估參數(shù)平均值如表3所示。從表中可以看出,本文方法均取得較好的成果。

    另外在重建時(shí)間上,不考慮訓(xùn)練時(shí)間,本文僅僅對(duì)各個(gè)方法的重建時(shí)間作比較。NESR算法需要對(duì)每個(gè)待重建塊搜索最近鄰域,故重建時(shí)間是最長的。從表4看出,ScSR、NARM、ANR算法以及本文方法平均的重建時(shí)間分別為42.46s、189.97s、0.45s和2.91s。由于本文方法在重建時(shí),需要判斷待圖像塊所屬類別,導(dǎo)致時(shí)間比ANR算法略長,但顯著提高了重建圖像的質(zhì)量。

    4 結(jié)語

    本文提出了基于多字典和圖像塊映射的超分辨率重建方法,該方法探索局部圖像塊的梯度結(jié)構(gòu)信息,并依據(jù)局部塊的梯度方向?qū)τ?xùn)練樣本塊分類,再應(yīng)用兩步字典訓(xùn)練方法為每個(gè)分類樣本訓(xùn)練高低分辨率字典對(duì);同時(shí)引入了最近鄰域回歸思想,在每個(gè)類中從學(xué)習(xí)到的字典對(duì)中建立從低分辨率塊到高分辨率塊的映射矩陣。在重建過程,首先對(duì)每個(gè)待重建塊歸并到所屬類中,然后應(yīng)用該類映射矩陣重建相對(duì)應(yīng)的高分辨率圖像塊,避免了對(duì)每個(gè)圖像塊稀疏編碼的運(yùn)算開銷。實(shí)驗(yàn)結(jié)果顯示,在保留經(jīng)典稀疏編碼圖像超分辨率重建效果的同時(shí),一定程度上提高SR重建效率、降低重建時(shí)間。未來的研究工作將尋求更好的優(yōu)化方法,進(jìn)一步提高重建質(zhì)量,以及應(yīng)用分布式并行處理降低訓(xùn)練階段的時(shí)間;同時(shí)將進(jìn)一步討論參數(shù)設(shè)置,如圖像塊的大小、樣本集聚類數(shù)K等對(duì)重建效果的影響。

    參考文獻(xiàn):

    [1]CHEN X, QI C. Nonlinear neighbor embedding for single image superresolution via kernel mapping[J]. Signal Processing, 2014, 94(1): 6-22.

    [2]LIU X, ZHAO D, ZHOU J, et al. Image interpolation via graphbased Bayesian label propagation[J]. IEEE Transactions on Image Processing, 2014, 23(3): 1084-1096.

    [3]RASTI P, DEMIREL H, ANBARJAFARI G. Image resolution enhancement by using interpolation followed by iterative back projection[C]// Proceedings of the 21st IEEE on Signal Processing and Communications Applications Conference. Piscataway, NJ: IEEE, 2013: 1-4.

    [4]TIMOFTE R, DE V, VAN GOOL L. Anchored neighborhood regression for fast examplebased superresolution[C]// Proceedings of the 2013 IEEE International Conference on Computer Vision. Piscataway, NJ: IEEE, 2013: 1920-1927.

    [5]YANG J, WRIGHT J, HUANG T S, et al. Image superresolution via sparse representation[J]. IEEE Transactions on Image Processing, 2010, 19(11): 2861-2873.

    [6]YANG J, WRIGHT J, HUANG T, et al. Image superresolution as sparse representation of raw image patches[C]// Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway, NJ: IEEE,2008: 1-8.

    [7]ZEYDE R, ELAD M, PROTTER M. On single image scaleup using sparserepresentations[C]// Proceedings of the 7th International Conference on Curves and Surfaces. Heidelberg: Springer, 2012: 711-730.

    [8]AHARON M, ELAD M, BRUCKSTEIN A. The KSVD: an algorithm for designing overcomplete dictionaries for sparse representation[J]. IEEE Transactions on Signal Processing, 2006, 54(11): 4311-4322.

    [9]CHANG H, YEUNG D Y, XIONG Y. Superresolution through neighbor embedding[C]// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway, NJ: IEEE, 2004, 1: 275-282.

    [10]RUBINSTEIN R, ZIBULEVSKY M, ELAD M. Efficient implementation of the KSVD algorithm using batch orthogonal matching pursuit[R/OL].[2015-11-04].https://www.researchgate.net/publication/251229200.

    [11]DONG W, ZHANG L, LUKAC R, et al. Sparse representation based image interpolation with nonlocal autoregressive modeling[J]. IEEE Transactions on Image Processing, 2013, 22(4): 1382-1394.

    [12]ELAD M, YAVNEH I. A plurality of sparse representations is better than the sparsest one alone[J]. IEEE Transactions on Information Theory, 2009, 55(10): 4701-4714.

    [13]FENG X G, MILANFAR P. Multiscale principal components analysis for image local orientation estimation[C]// Proceedings of IEEE Conference Record of the 36th Asilomar Conference on Signals, Systems and Computers. Piscataway, NJ: IEEE,2002, 1: 478-482.

    [14]YANG S, WANG M, CHEN Y, et al. Singleimage superresolution reconstruction via learned geometric dictionaries and clustered sparse coding[J]. IEEE Transactions on Image Processing, 2012, 21(9): 4016-4020.

    [15]TIKHONOV A N, ARSENIN V I A. Solutions of illposed problems[J]. Mathematics of Computation, 1978, 32(144):491.

    [16]AJAFERNANDEZ S, SANJOSESTPAR R, ALBEROLALOPEZ C, et al. Image quality assessment based on local variance[C]// Proceedings of the 28th Annual IEEE International Conference on Engineering in Medicine and Biology Society. Piscataway, NJ: IEEE,2006: 4815-4818.

    [17]黃文輝, 陳仁雷, 張家謀. 數(shù)字視頻圖像質(zhì)量客觀測(cè)量方法的改進(jìn)與實(shí)現(xiàn)[J]. 北京郵電大學(xué)學(xué)報(bào), 2005, 28(4): 87-90. (HUANG W H,CHEN R L, ZHANG J M. Improvement and implementation of objective digital video quality measurement[J].Journal of Beijing University of Posts and Telecommunications,2005, 28(4): 87-90.)

    [18]WANG Z, SHEIKH H R, BOVIK ALAN C. Objective Video Quality Assessment[M]. Boca Raton: CRC Press, 2003:214-220.

    猜你喜歡
    稀疏表示
    耦合了聚類中心約束項(xiàng)的稀疏表示圖像去噪
    CSRimpute算法填補(bǔ)效果的正則化參數(shù)靈敏度分析
    Grouplet變換原理及技術(shù)綜述
    基于稀疏表示的圖像去噪和超分辨率重建
    基于字典學(xué)習(xí)和結(jié)構(gòu)聚類的圖像去噪算法研究
    分塊子空間追蹤算法
    基于稀疏表示的人臉識(shí)別方法研究
    基于稀疏表示的人臉表情識(shí)別系統(tǒng)研究
    基于壓縮感知的圖像融合方法
    電子技術(shù)與軟件工程(2015年6期)2015-04-20 16:58:03
    色吧在线观看| 色在线成人网| 搡女人真爽免费视频火全软件 | 免费搜索国产男女视频| 麻豆成人午夜福利视频| 国产在线精品亚洲第一网站| 久久精品国产亚洲av涩爱 | 久久精品影院6| 毛片一级片免费看久久久久| 色av中文字幕| 婷婷亚洲欧美| 亚洲美女视频黄频| 91久久精品国产一区二区成人| 成年女人毛片免费观看观看9| 国产不卡一卡二| 日本-黄色视频高清免费观看| 美女大奶头视频| 国产av不卡久久| 狠狠狠狠99中文字幕| 国产真实乱freesex| 天堂影院成人在线观看| 国产老妇女一区| 美女免费视频网站| 搡老妇女老女人老熟妇| 国产单亲对白刺激| 精品少妇黑人巨大在线播放 | 成人高潮视频无遮挡免费网站| 人人妻,人人澡人人爽秒播| 99在线人妻在线中文字幕| 性色avwww在线观看| 非洲黑人性xxxx精品又粗又长| 国产色婷婷99| 亚洲欧美精品自产自拍| 黑人高潮一二区| 亚洲精品影视一区二区三区av| 人妻久久中文字幕网| 日日摸夜夜添夜夜添av毛片| 亚洲真实伦在线观看| 床上黄色一级片| 1024手机看黄色片| 国产精品野战在线观看| 男女啪啪激烈高潮av片| 变态另类丝袜制服| 狂野欧美白嫩少妇大欣赏| 精品国内亚洲2022精品成人| 日韩欧美 国产精品| 精品乱码久久久久久99久播| 一个人观看的视频www高清免费观看| 色视频www国产| 亚洲av中文字字幕乱码综合| 1000部很黄的大片| 国产精品三级大全| 少妇人妻精品综合一区二区 | 欧美日韩国产亚洲二区| 在线观看av片永久免费下载| a级毛片免费高清观看在线播放| 1024手机看黄色片| 国产激情偷乱视频一区二区| 亚洲精品日韩在线中文字幕 | 欧美色视频一区免费| 国产 一区 欧美 日韩| 三级经典国产精品| 菩萨蛮人人尽说江南好唐韦庄 | 国产真实伦视频高清在线观看| 激情 狠狠 欧美| 国产黄色视频一区二区在线观看 | 直男gayav资源| 亚洲精品一卡2卡三卡4卡5卡| 精华霜和精华液先用哪个| 听说在线观看完整版免费高清| 美女 人体艺术 gogo| 国产精品一区二区免费欧美| 国产午夜福利久久久久久| 高清日韩中文字幕在线| 99在线视频只有这里精品首页| 亚洲图色成人| 你懂的网址亚洲精品在线观看 | 亚洲成人精品中文字幕电影| 69人妻影院| 亚洲一区高清亚洲精品| 亚洲欧美日韩东京热| 黄片wwwwww| 一夜夜www| 成人鲁丝片一二三区免费| 色5月婷婷丁香| 久久久午夜欧美精品| 狂野欧美激情性xxxx在线观看| 非洲黑人性xxxx精品又粗又长| 欧美高清成人免费视频www| 久久热精品热| 久久综合国产亚洲精品| 欧美成人精品欧美一级黄| 亚洲国产精品合色在线| 91麻豆精品激情在线观看国产| 一级毛片我不卡| 日韩欧美国产在线观看| 人妻夜夜爽99麻豆av| 国产精品人妻久久久影院| 午夜福利视频1000在线观看| 午夜视频国产福利| 少妇人妻一区二区三区视频| 久久午夜福利片| 中文在线观看免费www的网站| 小说图片视频综合网站| 久久久久久久午夜电影| 干丝袜人妻中文字幕| 看免费成人av毛片| 国产精品,欧美在线| 国产亚洲av嫩草精品影院| av在线老鸭窝| 亚洲精品亚洲一区二区| 久久6这里有精品| 亚洲av不卡在线观看| 国产探花极品一区二区| 久久99热这里只有精品18| 嫩草影院入口| 亚洲在线观看片| 两个人的视频大全免费| 综合色丁香网| 欧洲精品卡2卡3卡4卡5卡区| 成年女人看的毛片在线观看| a级毛片a级免费在线| 国产成人aa在线观看| 午夜日韩欧美国产| 久久精品久久久久久噜噜老黄 | 深夜精品福利| 51国产日韩欧美| 日日摸夜夜添夜夜添av毛片| 一进一出好大好爽视频| 老司机影院成人| 国产伦精品一区二区三区四那| 免费看a级黄色片| 精品免费久久久久久久清纯| 亚洲av不卡在线观看| 在线a可以看的网站| 香蕉av资源在线| 春色校园在线视频观看| 国产精品不卡视频一区二区| 国产成人91sexporn| 毛片一级片免费看久久久久| 一级毛片aaaaaa免费看小| 亚洲av中文av极速乱| 在线观看美女被高潮喷水网站| 特大巨黑吊av在线直播| 三级国产精品欧美在线观看| 深爱激情五月婷婷| 乱码一卡2卡4卡精品| 亚洲成人久久性| 亚洲无线在线观看| 午夜精品国产一区二区电影 | 亚洲人成网站在线播放欧美日韩| 亚洲熟妇熟女久久| 美女高潮的动态| 亚洲色图av天堂| 日韩三级伦理在线观看| 99热这里只有是精品在线观看| 国产精品一区二区三区四区免费观看 | 男女做爰动态图高潮gif福利片| 亚洲婷婷狠狠爱综合网| 国产伦精品一区二区三区四那| 欧美又色又爽又黄视频| 少妇猛男粗大的猛烈进出视频 | 成人高潮视频无遮挡免费网站| 99久久精品热视频| 亚洲最大成人手机在线| 尾随美女入室| 久久久久久伊人网av| 99在线视频只有这里精品首页| a级一级毛片免费在线观看| 亚洲成人精品中文字幕电影| 亚洲欧美清纯卡通| 伦精品一区二区三区| 亚洲国产精品sss在线观看| 国产精品久久久久久av不卡| 久久久久久久久中文| 97人妻精品一区二区三区麻豆| av卡一久久| 淫妇啪啪啪对白视频| 亚洲精品亚洲一区二区| 亚洲欧美清纯卡通| 精品少妇黑人巨大在线播放 | 搡老岳熟女国产| 亚洲精品影视一区二区三区av| 淫妇啪啪啪对白视频| 又粗又爽又猛毛片免费看| 综合色丁香网| 久久久久久久亚洲中文字幕| 亚洲美女黄片视频| 在现免费观看毛片| 伊人久久精品亚洲午夜| 波多野结衣高清作品| 亚洲成a人片在线一区二区| 又黄又爽又免费观看的视频| 九色成人免费人妻av| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| 日韩三级伦理在线观看| 女的被弄到高潮叫床怎么办| 一级黄色大片毛片| 91久久精品国产一区二区三区| 中出人妻视频一区二区| 亚洲成人久久性| 久久久精品欧美日韩精品| 亚洲av不卡在线观看| 国产熟女欧美一区二区| 免费看美女性在线毛片视频| 国产成人a区在线观看| 亚洲乱码一区二区免费版| 99国产精品一区二区蜜桃av| 国产在线精品亚洲第一网站| 免费看a级黄色片| 夜夜爽天天搞| 亚洲,欧美,日韩| 一进一出好大好爽视频| 亚洲人与动物交配视频| 在线观看66精品国产| 九色成人免费人妻av| 久久久国产成人精品二区| 一级黄色大片毛片| 亚洲七黄色美女视频| 国产aⅴ精品一区二区三区波| 最好的美女福利视频网| 国产亚洲精品久久久com| 成人永久免费在线观看视频| 国产欧美日韩精品亚洲av| 国产v大片淫在线免费观看| 亚洲中文字幕日韩| 嫩草影院新地址| 一本精品99久久精品77| 波多野结衣高清无吗| 91在线精品国自产拍蜜月| 精品久久久久久久久久久久久| 日日啪夜夜撸| 一本一本综合久久| 婷婷亚洲欧美| 中文字幕熟女人妻在线| 亚洲在线自拍视频| 男女做爰动态图高潮gif福利片| 国产人妻一区二区三区在| 国产成人一区二区在线| 亚洲国产欧美人成| 亚洲不卡免费看| 国产精品久久久久久亚洲av鲁大| videossex国产| 中文字幕av在线有码专区| 少妇丰满av| 国产成人aa在线观看| 婷婷亚洲欧美| 激情 狠狠 欧美| 尤物成人国产欧美一区二区三区| 成人毛片a级毛片在线播放| 国产高清有码在线观看视频| 91在线观看av| 五月玫瑰六月丁香| av黄色大香蕉| 亚洲精品成人久久久久久| 人妻少妇偷人精品九色| 全区人妻精品视频| 欧美激情在线99| 国产伦精品一区二区三区四那| 国内揄拍国产精品人妻在线| 亚洲一区高清亚洲精品| 日本黄大片高清| 日韩欧美免费精品| 看片在线看免费视频| 搡女人真爽免费视频火全软件 | 你懂的网址亚洲精品在线观看 | 精品一区二区免费观看| 人妻久久中文字幕网| 老熟妇仑乱视频hdxx| 国模一区二区三区四区视频| 国产成人一区二区在线| 变态另类丝袜制服| 国产又黄又爽又无遮挡在线| www日本黄色视频网| 国产真实乱freesex| 亚洲av五月六月丁香网| 国产一区二区亚洲精品在线观看| 久久人妻av系列| 欧美日韩在线观看h| 俺也久久电影网| 中国美白少妇内射xxxbb| 国产精品国产三级国产av玫瑰| 久久草成人影院| 91久久精品电影网| 日韩亚洲欧美综合| 一级黄色大片毛片| 国产日本99.免费观看| 国产视频一区二区在线看| 噜噜噜噜噜久久久久久91| 久久人妻av系列| 深夜a级毛片| 最近2019中文字幕mv第一页| 午夜福利在线观看免费完整高清在 | 成人特级av手机在线观看| 成年av动漫网址| 嫩草影视91久久| 亚洲精品国产av成人精品 | 插阴视频在线观看视频| 黄色一级大片看看| 我要搜黄色片| 国产亚洲精品av在线| 久久人人爽人人爽人人片va| 国产精品永久免费网站| 国产精品无大码| 能在线免费观看的黄片| 三级国产精品欧美在线观看| 国产精华一区二区三区| 夜夜看夜夜爽夜夜摸| а√天堂www在线а√下载| 天堂av国产一区二区熟女人妻| 免费av毛片视频| 最近的中文字幕免费完整| 国产午夜精品论理片| 国产精品免费一区二区三区在线| 久久草成人影院| 国产精品国产高清国产av| 国产一区二区亚洲精品在线观看| 99精品在免费线老司机午夜| 国产精品,欧美在线| 别揉我奶头 嗯啊视频| 18禁黄网站禁片免费观看直播| 在线免费观看不下载黄p国产| 日本-黄色视频高清免费观看| 天天躁日日操中文字幕| 欧美不卡视频在线免费观看| 丝袜美腿在线中文| 看免费成人av毛片| av视频在线观看入口| 中文资源天堂在线| 一级毛片电影观看 | 精品一区二区三区视频在线| 你懂的网址亚洲精品在线观看 | 亚洲精品粉嫩美女一区| 亚洲av成人精品一区久久| 在线观看一区二区三区| 非洲黑人性xxxx精品又粗又长| 国产极品精品免费视频能看的| 国产高清有码在线观看视频| 99久久九九国产精品国产免费| 亚洲性夜色夜夜综合| 99精品在免费线老司机午夜| 亚洲av免费在线观看| 老司机福利观看| 国产av在哪里看| 欧美色视频一区免费| 亚洲人成网站在线播放欧美日韩| 欧美在线一区亚洲| 久久鲁丝午夜福利片| 中国国产av一级| 美女被艹到高潮喷水动态| 亚洲国产欧洲综合997久久,| av在线老鸭窝| 亚洲18禁久久av| 日本在线视频免费播放| 久久婷婷人人爽人人干人人爱| 久久精品国产99精品国产亚洲性色| 日韩精品青青久久久久久| 日韩亚洲欧美综合| 99久久久亚洲精品蜜臀av| 欧美xxxx黑人xx丫x性爽| 国产白丝娇喘喷水9色精品| 美女xxoo啪啪120秒动态图| 97超碰精品成人国产| 麻豆国产97在线/欧美| 国产高清三级在线| 长腿黑丝高跟| 亚洲丝袜综合中文字幕| 美女黄网站色视频| 老女人水多毛片| 搡女人真爽免费视频火全软件 | 老熟妇仑乱视频hdxx| 99久久精品国产国产毛片| 熟女电影av网| 男人的好看免费观看在线视频| 欧美不卡视频在线免费观看| 亚洲精品影视一区二区三区av| h日本视频在线播放| 久久韩国三级中文字幕| 国产精品1区2区在线观看.| av视频在线观看入口| 内射极品少妇av片p| 我要搜黄色片| 国产精品乱码一区二三区的特点| 亚洲av第一区精品v没综合| 亚洲国产日韩欧美精品在线观看| 我要搜黄色片| 久久鲁丝午夜福利片| а√天堂www在线а√下载| 天天一区二区日本电影三级| 亚洲av第一区精品v没综合| 欧美人与善性xxx| 99九九线精品视频在线观看视频| 国产亚洲精品av在线| 舔av片在线| 日韩欧美在线乱码| 免费大片18禁| 久久鲁丝午夜福利片| 91在线精品国自产拍蜜月| 免费看光身美女| 亚洲av熟女| 黄色一级大片看看| 91久久精品国产一区二区成人| 国产毛片a区久久久久| 亚洲七黄色美女视频| 内射极品少妇av片p| 欧美性猛交╳xxx乱大交人| 国产精品人妻久久久久久| 精品久久国产蜜桃| 久久久久久久久中文| 久久久久久国产a免费观看| 国产伦精品一区二区三区四那| 免费高清视频大片| 少妇的逼水好多| 久久久久久大精品| 麻豆一二三区av精品| 国产一区二区亚洲精品在线观看| 91在线观看av| 亚洲av一区综合| 欧美日韩国产亚洲二区| 一夜夜www| 国产白丝娇喘喷水9色精品| 免费搜索国产男女视频| 亚洲国产高清在线一区二区三| 男插女下体视频免费在线播放| 身体一侧抽搐| 亚洲国产精品成人久久小说 | 99热只有精品国产| 久久久精品大字幕| 亚洲精品粉嫩美女一区| 国产亚洲精品综合一区在线观看| 18禁在线播放成人免费| 欧美激情久久久久久爽电影| 天天躁日日操中文字幕| 亚洲人成网站在线播放欧美日韩| 毛片女人毛片| 人妻夜夜爽99麻豆av| 能在线免费观看的黄片| 亚洲精品在线观看二区| 国产精品一二三区在线看| 亚洲美女黄片视频| 欧美成人免费av一区二区三区| 国产 一区精品| 极品教师在线视频| 99久久精品热视频| av在线老鸭窝| 亚洲精品粉嫩美女一区| 久久久欧美国产精品| av在线天堂中文字幕| 久久久久久久久久成人| 卡戴珊不雅视频在线播放| 一个人看的www免费观看视频| 中国美女看黄片| 欧美区成人在线视频| 毛片女人毛片| 久久热精品热| 欧美3d第一页| 婷婷色综合大香蕉| 中文在线观看免费www的网站| 国产精品野战在线观看| 中国国产av一级| 国产精品亚洲美女久久久| 亚洲七黄色美女视频| .国产精品久久| 毛片女人毛片| 久久久午夜欧美精品| 啦啦啦啦在线视频资源| 一级a爱片免费观看的视频| 欧美极品一区二区三区四区| 亚洲av.av天堂| 亚洲在线自拍视频| 久久精品综合一区二区三区| 国产午夜精品论理片| 亚洲av熟女| 精品不卡国产一区二区三区| 精品一区二区三区视频在线| 午夜福利18| 午夜精品国产一区二区电影 | 日韩欧美一区二区三区在线观看| 国产色爽女视频免费观看| 波多野结衣高清作品| 天堂av国产一区二区熟女人妻| 久久综合国产亚洲精品| 成年版毛片免费区| 国产精华一区二区三区| 午夜福利在线观看免费完整高清在 | 99热6这里只有精品| 91av网一区二区| 别揉我奶头 嗯啊视频| 久久久久久伊人网av| 啦啦啦观看免费观看视频高清| 久久久久久国产a免费观看| 尾随美女入室| 亚洲国产精品成人综合色| 亚洲人成网站在线播放欧美日韩| 国产成人aa在线观看| 午夜影院日韩av| 久久精品国产鲁丝片午夜精品| 日本精品一区二区三区蜜桃| 色5月婷婷丁香| 性插视频无遮挡在线免费观看| 免费观看在线日韩| 中文字幕精品亚洲无线码一区| 自拍偷自拍亚洲精品老妇| 成年av动漫网址| 99热只有精品国产| 午夜免费男女啪啪视频观看 | 小说图片视频综合网站| 午夜爱爱视频在线播放| 成人三级黄色视频| 久久久精品大字幕| 噜噜噜噜噜久久久久久91| 亚洲国产精品合色在线| 春色校园在线视频观看| 国产三级中文精品| 精品99又大又爽又粗少妇毛片| 亚洲18禁久久av| 中文资源天堂在线| 免费人成视频x8x8入口观看| 欧美日韩一区二区视频在线观看视频在线 | 国国产精品蜜臀av免费| 国产精品99久久久久久久久| 69av精品久久久久久| 全区人妻精品视频| 非洲黑人性xxxx精品又粗又长| av国产免费在线观看| 老女人水多毛片| 亚洲国产欧美人成| 久久鲁丝午夜福利片| 插阴视频在线观看视频| 日韩精品青青久久久久久| 国产久久久一区二区三区| АⅤ资源中文在线天堂| 搞女人的毛片| 高清毛片免费观看视频网站| 国内少妇人妻偷人精品xxx网站| 午夜福利成人在线免费观看| 丰满人妻一区二区三区视频av| 久久久久免费精品人妻一区二区| 成人无遮挡网站| 久久热精品热| 日本三级黄在线观看| 亚洲熟妇熟女久久| 色综合色国产| 91av网一区二区| 最近最新中文字幕大全电影3| 有码 亚洲区| 搞女人的毛片| 99久久精品国产国产毛片| 99国产极品粉嫩在线观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲熟妇熟女久久| 亚洲欧美日韩东京热| 毛片女人毛片| 亚洲美女黄片视频| 国产大屁股一区二区在线视频| 丰满乱子伦码专区| 成年版毛片免费区| 日韩高清综合在线| 你懂的网址亚洲精品在线观看 | 亚洲精品粉嫩美女一区| 人人妻人人看人人澡| 女人十人毛片免费观看3o分钟| 亚洲成人久久性| 午夜福利成人在线免费观看| 国产欧美日韩精品亚洲av| 欧美绝顶高潮抽搐喷水| 男插女下体视频免费在线播放| 欧美+亚洲+日韩+国产| 精品99又大又爽又粗少妇毛片| 国产av不卡久久| 亚洲最大成人中文| 好男人在线观看高清免费视频| 久久人人精品亚洲av| 国产综合懂色| 最近中文字幕高清免费大全6| 亚洲国产高清在线一区二区三| 51国产日韩欧美| av免费在线看不卡| 免费看光身美女| 精品人妻熟女av久视频| 99热网站在线观看| 搞女人的毛片| 国产淫片久久久久久久久| 婷婷六月久久综合丁香| av在线亚洲专区| 最近在线观看免费完整版| 热99在线观看视频| 久久久久免费精品人妻一区二区| 五月伊人婷婷丁香| 久久久久久久久久久丰满| 久久久久久大精品| 亚洲人成网站在线播放欧美日韩| 91精品国产九色| 国产精品日韩av在线免费观看| 国产视频一区二区在线看| 成人鲁丝片一二三区免费| 国产高清激情床上av| 色5月婷婷丁香| 别揉我奶头~嗯~啊~动态视频| 精品国产三级普通话版| 免费观看精品视频网站| 久久天躁狠狠躁夜夜2o2o| 日韩欧美精品v在线| 欧美极品一区二区三区四区| 亚洲最大成人av| 成年女人看的毛片在线观看| 亚洲人与动物交配视频| 99热只有精品国产| 老熟妇乱子伦视频在线观看| 99riav亚洲国产免费| 黄片wwwwww| 中文资源天堂在线| 中文字幕熟女人妻在线| 插逼视频在线观看|