• <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 ?

    基于改進(jìn)ITTI模型及粒子群優(yōu)化算法的白細(xì)胞區(qū)域提取

    2016-12-10 09:49:22楊盼盼申元霞
    關(guān)鍵詞:骨髓細(xì)胞白細(xì)胞粒子

    紀(jì) 濱,楊盼盼,申元霞

    (安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,安徽馬鞍山243032)

    基于改進(jìn)ITTI模型及粒子群優(yōu)化算法的白細(xì)胞區(qū)域提取

    紀(jì) 濱,楊盼盼,申元霞

    (安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,安徽馬鞍山243032)

    白細(xì)胞顯微圖像病理分析中,人眼關(guān)注的白細(xì)胞是感興趣的區(qū)域。ITTI視覺(jué)模型是提取圖像感興趣區(qū)域(ROI)的有效辦法。為了進(jìn)一步改善其提取的準(zhǔn)確性,提出了基于改進(jìn)的ITTI視覺(jué)模型與粒子群優(yōu)化算法相結(jié)合的目標(biāo)控制方法,并將其應(yīng)用于醫(yī)學(xué)骨髓細(xì)胞圖像中的白細(xì)胞區(qū)域提取。首先利用高斯濾波和多尺度歸一化的方法分別提取原始圖像的方向、亮度、顏色顯著性特征,再根據(jù)人眼的視覺(jué)對(duì)不同顯著性特征敏感程度不同的特性對(duì)3種顯著性特征采用自適應(yīng)系數(shù)相融合的方式得到顯著圖,最后利用基于改進(jìn)的粒子群優(yōu)化算法的Otsu法對(duì)顯著圖進(jìn)行ROI的提取,并采用數(shù)字形態(tài)學(xué)的方法對(duì)其進(jìn)行后續(xù)處理。結(jié)果表明,本文算法可以較好地提取完整的白細(xì)胞區(qū)域,有助于提高病理分析的效率。

    感興趣區(qū)域;顯著圖;粒子群優(yōu)化算法;ITTI模型;白細(xì)胞

    白細(xì)胞作為“人體衛(wèi)士”,在與疾病斗爭(zhēng)中起著重要的作用,不同類別的白細(xì)胞數(shù)量、形態(tài)發(fā)生異常對(duì)疾病的診斷均有較高的價(jià)值。在實(shí)際應(yīng)用中,病理檢驗(yàn)人員主要根據(jù)在顯微細(xì)胞圖中找到異常細(xì)胞的方式判斷病變,而人工操作方式工作量大、易疲勞從而導(dǎo)致漏判、錯(cuò)判等問(wèn)題。采用計(jì)算機(jī)自動(dòng)提取細(xì)胞圖像中人眼感興趣的白細(xì)胞區(qū)域,可以顯著提高人眼甄別異常白細(xì)胞的工作效率,對(duì)細(xì)胞異常情況的判別具有實(shí)際應(yīng)用價(jià)值。

    目前,對(duì)圖像感興趣區(qū)域(Regions of Interest,ROI)提取的方法主要有基于注視點(diǎn)的方法[1]、基于視覺(jué)注意模型的方法[2]、基于特定對(duì)象分割的方法[3]等。面對(duì)復(fù)雜場(chǎng)景,人類視覺(jué)系統(tǒng)會(huì)將注意力集中在少數(shù)幾個(gè)顯著視覺(jué)對(duì)象上,并優(yōu)先處理。這一事實(shí)表明模仿人類視覺(jué)系統(tǒng)的計(jì)算模型更有利于ROI的快速提取。在檢測(cè)醫(yī)學(xué)骨髓細(xì)胞圖像過(guò)程中,人眼會(huì)不自覺(jué)地將視線集中在白細(xì)胞區(qū)域,表明白細(xì)胞區(qū)域是其感興趣區(qū)域。骨髓細(xì)胞電子顯微鏡圖像不同于其他電鏡圖像,沒(méi)有如金相圖像邊緣和背景復(fù)雜的問(wèn)題[4],因此,利用計(jì)算機(jī)視覺(jué)模型提取骨髓細(xì)胞圖像中的白細(xì)胞區(qū)域,可在專業(yè)應(yīng)用中為細(xì)胞病理檢測(cè)分析奠定技術(shù)基礎(chǔ)。

    目前,視覺(jué)顯著性的研究主要集中于4種模型,即光譜剩余模型、Hu-Rajan-Chia模型、Stentiford模型、ITTI視覺(jué)注意模型[5]。由于醫(yī)學(xué)顯微細(xì)胞圖像分析經(jīng)過(guò)瑞氏染色法處理,染色后圖像顏色較為分明,而ITTI視覺(jué)模型主要利用顏色特征、方向特征、亮度特征,故ITTI視覺(jué)模型是較為合適的選擇。文中針對(duì)傳統(tǒng)ITTI視覺(jué)模型提取圖像顯著性區(qū)域的準(zhǔn)確度不高,難以提取完整的感興趣區(qū)域的問(wèn)題[6],根據(jù)人眼對(duì)不同顯著性特征敏感程度存在差異這一事實(shí),對(duì)傳統(tǒng)ITTI視覺(jué)模型中顯著性特征結(jié)合方式進(jìn)行改進(jìn);并針對(duì)Otsu提取顯著圖的感興趣區(qū)域不能反映幾何結(jié)構(gòu)等問(wèn)題,將粒子群優(yōu)化算法引入Otsu算法,以得到較為完整、清晰的白細(xì)胞區(qū)域。

    1 白細(xì)胞區(qū)域的提取方法

    感興趣區(qū)域是指在圖像中引起人們興趣和幫助進(jìn)行圖像理解的區(qū)域,通常是彼此連通的具有某種相似屬性的“有意義”的像素集合[7]。本文研究的骨髓細(xì)胞圖像經(jīng)瑞氏染色法處理后使得白細(xì)胞區(qū)域顏色較為分明,準(zhǔn)確提取白細(xì)胞區(qū)域是檢測(cè)白細(xì)胞形態(tài)、數(shù)量及病理分析的重要前提。

    1.1 改進(jìn)的ITTI視覺(jué)模型

    ITTI模型是顯著性區(qū)域的檢測(cè)算法,屬于數(shù)據(jù)驅(qū)動(dòng)型并且是自底向上機(jī)制中的典型代表,其驅(qū)動(dòng)模式符合人類視覺(jué)特征。在病理分析中為了更好地識(shí)別白細(xì)胞區(qū)域,將骨髓細(xì)胞血涂片進(jìn)行瑞氏染色法處理,根據(jù)經(jīng)驗(yàn)本文主要提取顏色、亮度、方向3類顯著性低層視覺(jué)特征。原始ITTI視覺(jué)模型中采用平均值求和方法融合3類顯著圖,前期研究表明,通過(guò)這種方法提取白細(xì)胞區(qū)域會(huì)產(chǎn)生較多噪聲,使圖像不清晰、不完整,影響對(duì)白細(xì)胞區(qū)域的判別。因此,本文采用自適應(yīng)系數(shù)調(diào)整的方法對(duì)信息融合方式進(jìn)行改進(jìn),以得到較為完整的感興趣區(qū)域。

    經(jīng)過(guò)多尺度歸一化運(yùn)算得到的顏色、亮度、方向的顯著圖分別用N(C)、N(I)、N(O)表示,S為融合后的顯著圖,在傳統(tǒng)ITTI視覺(jué)模型中,S計(jì)算如式(1)所示[6]

    式(1)只是簡(jiǎn)單地將3類顯著性特征等量平均加權(quán),沒(méi)有充分考慮到人眼對(duì)不同顯著性特征的敏感程度不同的特性。研究表明圖像中顏色顯著性特征對(duì)人眼視覺(jué)貢獻(xiàn)最大,其次是亮度,最后是方向。根據(jù)貢獻(xiàn)不同,比例系數(shù)應(yīng)不同的策略,采用自適應(yīng)系數(shù)方法求顯著圖如下式。

    其中:P1為骨髓細(xì)胞圖像中特征顯著圖亮度比例,其值為先計(jì)算出圖像亮度值的標(biāo)準(zhǔn)方差和平均值后,取偏差范圍內(nèi)那部分像素所占的比例[8];S1為顏色特征圖、亮度特征圖通過(guò)自適應(yīng)系數(shù)融合后的顯著圖;P2為圖像S1在原始細(xì)胞圖像中面積所占的比例;S為3種顯著性特征圖采用自適應(yīng)系數(shù)運(yùn)算后的最終顯著圖。

    1.2 基于改進(jìn)粒子群優(yōu)化算法的Otsu法

    為了改善白細(xì)胞區(qū)域提取的準(zhǔn)確性,本文采用將粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法引入Otsu算法[9],提取圖像中的白細(xì)胞區(qū)域。

    PSO算法是基于群體智能理論的優(yōu)化算法,它通過(guò)群體中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能優(yōu)化搜索[10]。設(shè)種群共有N個(gè)粒子,搜索空間為D維空間,記粒子i(1≤i≤N)的位置為xi,其飛行速度表示為Vi,k為當(dāng)前迭代次數(shù),經(jīng)過(guò)的最佳適應(yīng)值的位置記為pbi,全局最佳適應(yīng)值的位置記為gbi,在每一次迭代中,粒子通過(guò)跟蹤pbi和gbi來(lái)更新其速度和位置,如式(4)[11]:

    其中:w為慣性權(quán)重,引入慣性權(quán)重的主要作用是起到平衡全局和局部搜索的能力,平衡算法的收斂速度和精度,可以達(dá)到以最少迭代此次尋找最優(yōu)解的效果;C1,C2,C3為加速因子;r1,r2,r3是相互獨(dú)立的隨機(jī)數(shù),取值范圍在(0,1)區(qū)間;x1為粒子初始位置。種群粒子的初始值、pbi和gbi均對(duì)粒子運(yùn)行路線產(chǎn)生影響。這3個(gè)因素同時(shí)對(duì)粒子進(jìn)行約束,使得粒子在尋找最優(yōu)解的過(guò)程中能夠兼顧搜索步長(zhǎng)的極小化,避免無(wú)法搜索到最優(yōu)解的問(wèn)題,因此本文將粒子的初始值加入對(duì)速度的更新中,具體如下

    慣性權(quán)重的值與粒子的最佳位置有關(guān),因此,尋找合適的慣性權(quán)重可以使得粒子向更好的區(qū)域靠攏。文中慣性權(quán)重的初始值為0.9,為避免陷入局部最優(yōu),提高尋優(yōu)的成功率,平衡局部最優(yōu)值和全局最優(yōu)值,得到理想的提取效果,本文采用了非線性的慣性權(quán)重為

    其中:wmax,wmin分別為最大和最小的慣性權(quán)重初始值;G為最大迭代次數(shù)。利用非線性慣性權(quán)重去更新粒子的位置和速度,求出的全局最優(yōu)位置pbi和局部最優(yōu)位置gbi,然后進(jìn)行最優(yōu)解的判斷,替換最優(yōu)解的類間方差值,尋找顯著圖的最佳分割閾值。

    1.3 骨髓細(xì)胞圖像ROI提取算法步驟

    骨髓細(xì)胞圖像感興趣區(qū)域提取實(shí)現(xiàn)過(guò)程如下:

    1)輸入骨髓細(xì)胞顯微圖像,采用高斯低通濾波后隔行采樣,提取紅-綠、綠-紅、藍(lán)-黃、黃-藍(lán)4個(gè)顏色特征信息,0°,45°,90°,135°4個(gè)方向信息,及1個(gè)亮度信息共9個(gè)分量。

    2)利用中央-周邊差算子[12]計(jì)算出12個(gè)顏色、24個(gè)方向、6個(gè)亮度共計(jì)42個(gè)多尺度顯著性特征圖。根據(jù)中心-周邊感受野的原理,可知中央-周邊差的方法符合人眼的視覺(jué)習(xí)慣,細(xì)尺度圖像表示感受野中心,粗尺度圖像表示感受野周邊。

    3)對(duì)3種顯著性特征圖采用歸一化處理后再進(jìn)行多尺度間求和,可得到顏色顯著圖、亮度顯著圖、方向顯著圖。

    4)利用本文提出的自適應(yīng)系數(shù)法將3類顯著圖合并成最終的顯著圖,再采用基于粒子群優(yōu)化算法Otsu法提取骨髓細(xì)胞圖像中的ROI。

    5)采用形態(tài)學(xué)中的閉運(yùn)算[13]進(jìn)行后續(xù)處理,得到具有較為完整的白細(xì)胞區(qū)域的圖像??驁D如圖1所示。

    圖1 ROI提取算法流程圖Fig.1 Flow chart of ROI extraction

    2 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證本文方法對(duì)醫(yī)學(xué)骨髓細(xì)胞感興趣區(qū)域提取有效性,實(shí)驗(yàn)采用Matlab2012在華碩A42J(酷睿i5,DDR3 2G)電腦上編程實(shí)現(xiàn)。骨髓細(xì)胞圖庫(kù)來(lái)自某醫(yī)院臨床病理科細(xì)胞病理室,骨髓玻片樣本統(tǒng)一經(jīng)過(guò)瑞氏染色法處理,Motic-BA600數(shù)字化切片掃描顯微鏡輸出大小為670像素×450像素的骨髓細(xì)胞圖。分別采用本文基于改進(jìn)的ITTI模型和粒子群優(yōu)化提取白細(xì)胞區(qū)域的方法,原始ITTI視覺(jué)模型[14]、單一改進(jìn)ITTI視覺(jué)模型、基于上下文的顯著性檢測(cè)(Context-Aware Saliency Detection,CA)[15]、基于光譜剩余模型(Spectral Residual Model,SR)[16]等算法進(jìn)行實(shí)驗(yàn)。Otsu優(yōu)化算法迭代次數(shù)為100;初始粒子個(gè)數(shù)為圖像橫向像素個(gè)數(shù);慣性權(quán)重最大值與最小值分別為0.9,0.4;加速因子均為2。

    圖2是不同方法骨髓細(xì)胞圖像白細(xì)胞ROI提取結(jié)果。

    圖2 白細(xì)胞的ROI提取實(shí)驗(yàn)結(jié)果Fig.2 Experimental results of the ROI about Leukocyte areas extracting

    由圖2可以看出CA、SR和傳統(tǒng)的ITTI模型提取ROI的白細(xì)胞區(qū)域效果較差(如圖2(e),2(f)和,2(b))。僅僅對(duì)ITTI模型中的單一特征圖融合方式進(jìn)行改進(jìn),得到的白細(xì)胞區(qū)域圖依然不夠清晰(如圖2(c),2(d))。經(jīng)分析可知,采用本文提出算法所得效果較為理想(如圖2(g))。

    為了進(jìn)一步驗(yàn)證本文提出算法的性能,分別采用了3種指標(biāo)進(jìn)行分析,即概率邊緣指數(shù)(Probabilistic Rand Index,PRI)、全局一致性誤差(Global Consistency Error,GCE)、變換信息量(Variation of Information,VOI)[17],其中PRI在取值范圍[0,1]中值越大,則實(shí)際分割結(jié)果與理想分割結(jié)果越接近;GCE在取值范圍[0,1]得到的值越小證明提取效果越好;VOI取值范圍[0,∞]的值越小,說(shuō)明實(shí)際分割結(jié)果相對(duì)理想分割圖像信息變化越少,實(shí)際分割結(jié)果與理想分割圖像越接近[11]。同一方法進(jìn)行10次實(shí)驗(yàn)驗(yàn)證,其平均檢測(cè)結(jié)果見(jiàn)表1。

    由表1可知,本文方法得到的PRI值最大;GCE和VOI的值最小,其最接近理想值。實(shí)驗(yàn)中為了避免無(wú)法搜索最優(yōu)解的情況,采用本文方法時(shí)增加了迭代次數(shù),導(dǎo)致與原始ITTI算法相比耗時(shí)略多。雖然采用SR算法耗時(shí)較少,但是從目標(biāo)提取效果(圖2(e))和3項(xiàng)評(píng)判指標(biāo)對(duì)比可知,其其他性能沒(méi)有本文算法優(yōu)越。綜合評(píng)價(jià)參數(shù)值和效果圖可以看出,本文基于改進(jìn)粒子群優(yōu)化ITTI模型的白細(xì)胞區(qū)域提取方法更具合理性。

    表1 檢測(cè)結(jié)果Tab.1 Detection result

    3 結(jié) 語(yǔ)

    本文將基于改進(jìn)的ITTI模型及粒子群優(yōu)化相結(jié)合,給出一種提取骨髓細(xì)胞圖像中白細(xì)胞區(qū)域的有效方法。該算法在原始的ITTI模型的基礎(chǔ)上采用了自適應(yīng)系數(shù)融合,并將粒子群優(yōu)化算法引入Otsu法進(jìn)行白細(xì)胞區(qū)域提取,有效地解決了傳統(tǒng)ITTI模型提取白細(xì)胞區(qū)域存在的噪聲較大,無(wú)法提取較為完整的白細(xì)胞區(qū)域等問(wèn)題。實(shí)驗(yàn)結(jié)果表明,該方法可以更為有效地提取圖像中的白細(xì)胞區(qū)域,可為對(duì)完成白細(xì)胞的分類統(tǒng)計(jì)、病理分析等奠定技術(shù)基礎(chǔ)。

    [1]JACOB R J K,KARN K S.The Mind’s Eye∶Cognitive&Applied Aspects of Eye Movement Research[M].[S.l.]∶Amsterdam Elsevier Science,2003∶573-605.

    [2]ELAZARY L,ITTI L.Abayesian model for efficient visual search and recognition[J].Vision Research,2010,50(14)∶1338-1352.

    [3]LOOG M,LAUZE F.The improbability of harris interest points[J].IEEE Transactions on Pattern Analysis and machine Intelligence,2010,32(6)∶1141-1147.

    [4]王培珍,吳琳,殷子睆,等.基于改進(jìn)Mean Shift的高鉻鑄鐵電鏡圖像碳化物目標(biāo)提取[J].安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,32(3)∶233-238..

    [5]陳再量.圖像感興趣區(qū)域提取方法研究[D].長(zhǎng)沙:中南大學(xué),2012.

    [6]ITTI L,KOCH C,NIEBUR E.A model of saliency-based visual attention for rapid scene analysis[J].IEEE Transactions on PatternAnalysis and Machine Intelligence,1998,20(11)∶1254-1259.

    [7]GOKTURK S B,TOMASI C,GIROD B.Medical image compression based on region of interest,with application to colon CT images[C]//Proceedings of the 23rd Annual Engineering in Medicine and Biology Society International Conference.[s.l.]∶IEEE,2001∶2453-2456.

    [8]馮競(jìng)舸.靜止圖像的ROI區(qū)域自動(dòng)提取于編碼[D].南京:南京郵電大學(xué),2013.

    [9]劉申曉,王學(xué)春.基于改進(jìn)粒子群優(yōu)化算的Ostu圖像分割算法[J].計(jì)算機(jī)科學(xué),2013,40(8)∶293-295.

    [10]ZHANG Y,GONG D W.Adaptive bare-bones particle swarm optimization algorithm and its convergenc analysis[J].Soft Compute,2014,18∶1337-1352.

    [11]SRI M R,AROCKIA S.Improved PSO based multi-evel thresholding for cancer infected breast thermal images using Otsu[J].Science Dierct,2015,48∶524-529.

    [12]SIAGIAN C,ITTI L.Rapid biologically-inspired scene classification using features shared with visual attention[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,2007,29(2)∶300-312.

    [13]QI D W,GUO F.Medical image edge detection based on omni-directional multi-scale structure element of mathematical morphology[C]//IEEE International Conference onAutomation and Logistics,2007∶2281-2286.

    [14]ITTI L,KOCH C.Computational modeling of visual attention[J].Nature Reviews Neuroscience,2001,2(3)∶194-203.

    [15]GOFERMAN L,MANOR Z.Context aware saliency detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,34(10)∶1915-1926.

    [16]HOU X,ZHANG L.Saliency detection∶A spectral residual approach[C]//IEEE Conference on Computer Vision and Pattern Recognition.[s.l.]∶IEEE,2007∶1-8.

    [17]UNNIKRISHNAN R,HEBRT M.Toward objective evaluation of image segmentation algorithms[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(6)∶929-944.

    責(zé)任編輯:丁吉海

    Extraction of LeukocyteAreas Based on Improved ITTI and Particle Swarm OptimizationAlgorithm

    JI Bin,YANG Panpan,SHEN Yuanxia
    (School of Computer Science and Technology,Anhui University of Technology,Ma'anshan 243032,China)

    In the process of pathological analysis of the Leukocyte microscopic image,the leukocyte areas are regions of interest(ROI).The ITTI visual model is an effective method of extracting the ROI from image.For improving the extracting accuracy,an object extracting method combining the improved ITTI visual model with particle swarm optimization algorithm is proposed and used to extract the ROI from the bone marrow cell image.Firstly,based on Gaussian filter and multi-scale normalization,features of the orientation,brightness,and color are computed from the original image.And then,according the fact that the sensitivity of eyes is not the same as different features the saliency map is obtained with adaptive coefficient from three significant characteristics.Finally,by using Otsu method based on the improved particle swarm optimization(PSO)algorithm,the ROIs are extracted and subsequent processed with method of morphology.Experimental results show that this method can extract white blood cell areas perfectly,which is helpful for improving the efficiency of pathological analysis.

    region of interest;salient map;particle swarm optimization;ITTI model;leukocyte areas

    TP 391.41-3

    A

    10.3969/j.issn.1671-7872.2016.03.016

    2015-12-08;

    國(guó)家自然科學(xué)基金項(xiàng)目(61300059)

    紀(jì)濱(1969-),男,江蘇鎮(zhèn)江人,博士,副教授,研究方向計(jì)算機(jī)視覺(jué)及智能感知。

    1671-7872(2016)03-0284-05

    猜你喜歡
    骨髓細(xì)胞白細(xì)胞粒子
    白細(xì)胞
    案例微課-翻轉(zhuǎn)課堂教學(xué)法在骨髓細(xì)胞形態(tài)臨床教學(xué)中的應(yīng)用
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    白細(xì)胞降到多少應(yīng)停止放療
    人人健康(2017年19期)2017-10-20 14:38:31
    骨髓細(xì)胞涂片會(huì)診中存在的問(wèn)題及影響因素*
    急性白血病患者骨髓細(xì)胞LIMD1,VEGF-C,CTGF和Survivin的mRNA異常表達(dá)及相關(guān)性研究
    雞住白細(xì)胞蟲(chóng)病防治體會(huì)
    基于Matlab的α粒子的散射實(shí)驗(yàn)?zāi)M
    物理與工程(2014年4期)2014-02-27 11:23:08
    臨床血液學(xué)檢驗(yàn)骨髓細(xì)胞形態(tài)學(xué)教學(xué)的幾點(diǎn)思考
    人人妻人人澡欧美一区二区| 岛国在线免费视频观看| 久久6这里有精品| 亚洲精品成人久久久久久| 村上凉子中文字幕在线| 午夜福利在线在线| 三级男女做爰猛烈吃奶摸视频| 亚洲一区二区三区色噜噜| 一进一出抽搐gif免费好疼| 不卡一级毛片| 色噜噜av男人的天堂激情| 国产高清激情床上av| www.色视频.com| 美女大奶头视频| 他把我摸到了高潮在线观看| www.999成人在线观看| 麻豆国产97在线/欧美| 久久精品影院6| 国产av不卡久久| 性色av乱码一区二区三区2| 免费大片18禁| 午夜福利在线观看吧| 欧美成人a在线观看| 亚洲欧美激情综合另类| 亚洲人成网站在线播| 直男gayav资源| 免费一级毛片在线播放高清视频| 日韩欧美在线乱码| 国产乱人伦免费视频| 一区二区三区激情视频| 成人国产一区最新在线观看| 国产三级在线视频| 久久婷婷人人爽人人干人人爱| 婷婷六月久久综合丁香| 国产午夜精品久久久久久一区二区三区 | 久久天躁狠狠躁夜夜2o2o| 久久精品人妻少妇| 国产精品99久久久久久久久| 又紧又爽又黄一区二区| 成人特级黄色片久久久久久久| 一区二区三区高清视频在线| 国产爱豆传媒在线观看| av天堂在线播放| 精品不卡国产一区二区三区| 亚洲av二区三区四区| 天天一区二区日本电影三级| 一级黄色大片毛片| 亚洲精品一区av在线观看| 激情在线观看视频在线高清| 熟妇人妻久久中文字幕3abv| 日本成人三级电影网站| 神马国产精品三级电影在线观看| 久久热精品热| 亚洲自拍偷在线| 免费av毛片视频| 国产一区二区在线观看日韩| 一进一出好大好爽视频| 丝袜美腿在线中文| 国产麻豆成人av免费视频| aaaaa片日本免费| 国产高清有码在线观看视频| 久久久色成人| 欧美极品一区二区三区四区| 日韩欧美国产在线观看| 国产精品亚洲美女久久久| 黄色日韩在线| 日本黄大片高清| 亚洲精品一区av在线观看| 国产蜜桃级精品一区二区三区| 99久久精品热视频| 亚洲 国产 在线| 国产三级在线视频| 最近在线观看免费完整版| 真人一进一出gif抽搐免费| 午夜亚洲福利在线播放| 毛片女人毛片| 又爽又黄a免费视频| 亚洲欧美日韩高清在线视频| 两人在一起打扑克的视频| 少妇的逼水好多| 日韩精品中文字幕看吧| 一个人看视频在线观看www免费| 日韩欧美 国产精品| 身体一侧抽搐| 国产精品影院久久| 国产免费av片在线观看野外av| 日韩欧美三级三区| 欧美性感艳星| 午夜福利视频1000在线观看| 午夜福利在线观看吧| 久久性视频一级片| 亚洲不卡免费看| 国产在线精品亚洲第一网站| 一个人看的www免费观看视频| 国产爱豆传媒在线观看| 亚洲av.av天堂| 亚洲18禁久久av| АⅤ资源中文在线天堂| 久久午夜福利片| 国产真实乱freesex| 97超级碰碰碰精品色视频在线观看| 日韩 亚洲 欧美在线| 欧美另类亚洲清纯唯美| 中出人妻视频一区二区| 可以在线观看毛片的网站| 国产精品乱码一区二三区的特点| 亚洲天堂国产精品一区在线| 看片在线看免费视频| 成人国产综合亚洲| 午夜免费成人在线视频| h日本视频在线播放| 亚洲中文字幕日韩| 日本成人三级电影网站| 国产爱豆传媒在线观看| 欧美激情国产日韩精品一区| 亚洲中文字幕一区二区三区有码在线看| 日韩人妻高清精品专区| 99久久久亚洲精品蜜臀av| 97碰自拍视频| 久久久久久久久大av| 免费电影在线观看免费观看| 超碰av人人做人人爽久久| 国产亚洲精品久久久com| 国产成人影院久久av| 99久久精品国产亚洲精品| 欧美极品一区二区三区四区| 欧美极品一区二区三区四区| 日日摸夜夜添夜夜添av毛片 | 午夜精品在线福利| 久久九九热精品免费| 九色国产91popny在线| 在线国产一区二区在线| 国产免费男女视频| 国产三级在线视频| 男女床上黄色一级片免费看| 他把我摸到了高潮在线观看| 精品久久国产蜜桃| 亚洲精品色激情综合| 国产精品精品国产色婷婷| 丝袜美腿在线中文| 国产精品亚洲av一区麻豆| 亚洲,欧美,日韩| 国产精品亚洲美女久久久| 午夜精品一区二区三区免费看| 国产欧美日韩一区二区精品| 国产高清有码在线观看视频| 久久精品综合一区二区三区| 国产蜜桃级精品一区二区三区| 亚洲精品在线美女| 成人精品一区二区免费| 757午夜福利合集在线观看| 老熟妇仑乱视频hdxx| 日韩免费av在线播放| 精华霜和精华液先用哪个| 国产精品久久久久久精品电影| 国产精品三级大全| 一夜夜www| 亚洲五月婷婷丁香| 国产成人啪精品午夜网站| 成人美女网站在线观看视频| 在线十欧美十亚洲十日本专区| 成人特级黄色片久久久久久久| 搡老岳熟女国产| 亚洲18禁久久av| 观看美女的网站| 亚洲国产欧美人成| 欧美黑人欧美精品刺激| 我要看日韩黄色一级片| 丝袜美腿在线中文| 国产伦精品一区二区三区视频9| 国产黄a三级三级三级人| 69人妻影院| 日本免费a在线| 十八禁人妻一区二区| 久久草成人影院| 欧美成狂野欧美在线观看| 免费观看精品视频网站| 在线天堂最新版资源| 成人国产综合亚洲| 少妇丰满av| 免费观看人在逋| 中文字幕av成人在线电影| 18禁黄网站禁片免费观看直播| 亚洲内射少妇av| 岛国在线免费视频观看| 久久久久性生活片| 免费观看精品视频网站| 日本黄色视频三级网站网址| 欧美区成人在线视频| 欧美日本亚洲视频在线播放| 精品乱码久久久久久99久播| 制服丝袜大香蕉在线| 日韩高清综合在线| 国产成人欧美在线观看| 精品国内亚洲2022精品成人| 欧美不卡视频在线免费观看| 搡老岳熟女国产| 有码 亚洲区| 亚洲五月天丁香| 欧美黄色淫秽网站| 欧美绝顶高潮抽搐喷水| 午夜影院日韩av| 国产欧美日韩精品亚洲av| 久久午夜福利片| 色综合欧美亚洲国产小说| 18+在线观看网站| 国产视频一区二区在线看| 搡女人真爽免费视频火全软件 | 少妇高潮的动态图| 午夜福利在线在线| 琪琪午夜伦伦电影理论片6080| 桃红色精品国产亚洲av| 国内久久婷婷六月综合欲色啪| av专区在线播放| 夜夜看夜夜爽夜夜摸| 色在线成人网| 麻豆国产97在线/欧美| 夜夜爽天天搞| 特大巨黑吊av在线直播| 国产精品99久久久久久久久| 国产免费男女视频| 人妻夜夜爽99麻豆av| 国产高清视频在线播放一区| 久久精品久久久久久噜噜老黄 | 露出奶头的视频| 毛片女人毛片| 男女那种视频在线观看| 女同久久另类99精品国产91| 男人舔女人下体高潮全视频| 色吧在线观看| 亚洲精品成人久久久久久| 国产高清视频在线观看网站| 男插女下体视频免费在线播放| 男人狂女人下面高潮的视频| 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美国产一区二区入口| 五月玫瑰六月丁香| 亚洲av熟女| 性插视频无遮挡在线免费观看| 99在线视频只有这里精品首页| 亚洲第一欧美日韩一区二区三区| 看免费av毛片| 波野结衣二区三区在线| 3wmmmm亚洲av在线观看| 深爱激情五月婷婷| 真人一进一出gif抽搐免费| 中出人妻视频一区二区| 亚洲一区二区三区不卡视频| 少妇的逼水好多| 麻豆成人av在线观看| 一区二区三区高清视频在线| 免费高清视频大片| 熟女人妻精品中文字幕| 9191精品国产免费久久| 亚洲一区二区三区色噜噜| 亚洲美女视频黄频| 最近中文字幕高清免费大全6 | 人妻制服诱惑在线中文字幕| 中文字幕人成人乱码亚洲影| 天堂动漫精品| 亚洲熟妇中文字幕五十中出| 亚洲avbb在线观看| 少妇丰满av| 69人妻影院| 如何舔出高潮| 男人舔女人下体高潮全视频| 亚洲av免费在线观看| 日本免费a在线| 久久久久性生活片| 国产免费男女视频| 亚洲国产精品sss在线观看| 成年女人永久免费观看视频| 首页视频小说图片口味搜索| 搡老熟女国产l中国老女人| 97碰自拍视频| 亚洲内射少妇av| 国产精华一区二区三区| 亚洲人成网站高清观看| 国产精品一区二区三区四区免费观看 | 久久国产乱子免费精品| 久久久久性生活片| 极品教师在线视频| 一级黄色大片毛片| 午夜免费成人在线视频| 国产免费av片在线观看野外av| 国产黄色小视频在线观看| 自拍偷自拍亚洲精品老妇| 看片在线看免费视频| 我的老师免费观看完整版| 久久热精品热| 亚洲专区中文字幕在线| 黄色视频,在线免费观看| 久久久国产成人精品二区| 美女被艹到高潮喷水动态| 亚洲精品一卡2卡三卡4卡5卡| 悠悠久久av| 色综合婷婷激情| 色视频www国产| 国产精品久久久久久久久免 | 搡老妇女老女人老熟妇| 天美传媒精品一区二区| 我的女老师完整版在线观看| 97超视频在线观看视频| 国产精品一区二区三区四区久久| 女生性感内裤真人,穿戴方法视频| 亚洲av日韩精品久久久久久密| 久久久久久久久大av| 亚洲激情在线av| a级毛片免费高清观看在线播放| 久久久国产成人免费| 麻豆一二三区av精品| 午夜福利高清视频| 国产成年人精品一区二区| 18禁在线播放成人免费| 欧美性猛交╳xxx乱大交人| 精品人妻熟女av久视频| 高清在线国产一区| 小说图片视频综合网站| 国产av不卡久久| 男女下面进入的视频免费午夜| 国产一区二区在线观看日韩| 午夜老司机福利剧场| 国产综合懂色| 人妻夜夜爽99麻豆av| 免费av毛片视频| 在线观看午夜福利视频| 国产成人av教育| 久久久久久久久中文| 午夜免费成人在线视频| 亚洲成人精品中文字幕电影| 久久久久久久精品吃奶| 十八禁国产超污无遮挡网站| 国产精品久久久久久久电影| 亚洲国产欧美人成| 久久性视频一级片| 国产成人a区在线观看| 国产爱豆传媒在线观看| 岛国在线免费视频观看| 超碰av人人做人人爽久久| 99国产精品一区二区蜜桃av| 久久精品国产清高在天天线| 在现免费观看毛片| 欧美最黄视频在线播放免费| 一区二区三区激情视频| 欧美性猛交黑人性爽| 亚洲人成电影免费在线| 亚洲欧美日韩高清在线视频| 好男人电影高清在线观看| 国产国拍精品亚洲av在线观看| 久久午夜亚洲精品久久| 又黄又爽又刺激的免费视频.| 国产高潮美女av| 美女高潮喷水抽搐中文字幕| 在线免费观看不下载黄p国产 | 精品久久久久久久久亚洲 | 中文亚洲av片在线观看爽| 国内精品一区二区在线观看| 午夜免费男女啪啪视频观看 | 久久中文看片网| 亚洲精品成人久久久久久| 国产精品一及| 欧美激情在线99| 成人性生交大片免费视频hd| 国产精品久久电影中文字幕| 99精品在免费线老司机午夜| 亚洲va日本ⅴa欧美va伊人久久| 国产色婷婷99| 国产高清三级在线| 99久国产av精品| 欧美最新免费一区二区三区 | a级毛片a级免费在线| 亚洲av电影在线进入| 99热这里只有是精品在线观看 | 最新在线观看一区二区三区| 国产伦一二天堂av在线观看| 国产av在哪里看| 亚洲无线在线观看| 久久99热6这里只有精品| 日韩国内少妇激情av| 亚洲美女视频黄频| 精品久久久久久久末码| 欧美一级a爱片免费观看看| 老熟妇乱子伦视频在线观看| 97超视频在线观看视频| 好男人在线观看高清免费视频| 9191精品国产免费久久| 亚洲专区国产一区二区| 国产精品一区二区三区四区久久| 国产视频内射| 人妻久久中文字幕网| 又紧又爽又黄一区二区| 琪琪午夜伦伦电影理论片6080| 欧美3d第一页| 国产免费一级a男人的天堂| 国产黄色小视频在线观看| 免费黄网站久久成人精品 | 麻豆久久精品国产亚洲av| 久久久精品欧美日韩精品| 免费看日本二区| 夜夜看夜夜爽夜夜摸| 久久久成人免费电影| 欧美黑人巨大hd| 免费人成在线观看视频色| 午夜福利在线在线| 久久精品国产清高在天天线| 一进一出抽搐动态| 欧美精品啪啪一区二区三区| 国产精品1区2区在线观看.| 精品久久久久久,| 亚洲欧美日韩卡通动漫| 在线播放国产精品三级| 白带黄色成豆腐渣| 欧美精品国产亚洲| 国产精品久久视频播放| 免费在线观看日本一区| 亚洲成人精品中文字幕电影| 天堂动漫精品| 久久性视频一级片| 亚洲av中文字字幕乱码综合| 国产午夜精品久久久久久一区二区三区 | 麻豆av噜噜一区二区三区| 国产乱人伦免费视频| 成年女人看的毛片在线观看| 精品国产三级普通话版| 久久久久国内视频| 免费在线观看日本一区| 五月伊人婷婷丁香| avwww免费| 一本久久中文字幕| 亚洲无线观看免费| 国产在线男女| 少妇的逼好多水| 国产视频内射| 三级男女做爰猛烈吃奶摸视频| 深爱激情五月婷婷| 国产成人a区在线观看| 他把我摸到了高潮在线观看| 很黄的视频免费| 成年女人毛片免费观看观看9| 国产黄片美女视频| 黄色视频,在线免费观看| 美女 人体艺术 gogo| 国产伦在线观看视频一区| avwww免费| 国产中年淑女户外野战色| 国产精品人妻久久久久久| 一a级毛片在线观看| 精品午夜福利在线看| 国产精品嫩草影院av在线观看 | 国内毛片毛片毛片毛片毛片| 白带黄色成豆腐渣| 国产精品影院久久| 男插女下体视频免费在线播放| 成年人黄色毛片网站| 在线天堂最新版资源| 国产精品自产拍在线观看55亚洲| 日韩欧美三级三区| 91麻豆av在线| 中文字幕高清在线视频| 宅男免费午夜| 亚洲精品乱码久久久v下载方式| 日韩免费av在线播放| 91久久精品国产一区二区成人| 女人被狂操c到高潮| 小蜜桃在线观看免费完整版高清| 乱码一卡2卡4卡精品| 在线观看舔阴道视频| 好男人电影高清在线观看| 国产精品一区二区性色av| 亚洲av成人不卡在线观看播放网| 97超视频在线观看视频| 欧美黑人巨大hd| 欧美日韩亚洲国产一区二区在线观看| 久久国产精品人妻蜜桃| 久久久久国产精品人妻aⅴ院| 国产成+人综合+亚洲专区| 日本免费一区二区三区高清不卡| 成年女人看的毛片在线观看| 又紧又爽又黄一区二区| 少妇丰满av| 91在线精品国自产拍蜜月| 国产精品不卡视频一区二区 | 亚洲熟妇熟女久久| 99久国产av精品| 婷婷精品国产亚洲av在线| 亚洲av免费在线观看| xxxwww97欧美| 日韩大尺度精品在线看网址| 国产蜜桃级精品一区二区三区| 夜夜夜夜夜久久久久| 757午夜福利合集在线观看| 一个人免费在线观看的高清视频| 亚洲人成网站在线播| 亚洲一区二区三区色噜噜| 在现免费观看毛片| 波野结衣二区三区在线| 免费大片18禁| 免费观看精品视频网站| 他把我摸到了高潮在线观看| 婷婷丁香在线五月| 日韩免费av在线播放| 日本 av在线| 午夜福利成人在线免费观看| 神马国产精品三级电影在线观看| 色精品久久人妻99蜜桃| netflix在线观看网站| 久久久久久久久大av| 成人鲁丝片一二三区免费| 久久久久国产精品人妻aⅴ院| 久久久久久国产a免费观看| 久久人人爽人人爽人人片va | 9191精品国产免费久久| 人人妻,人人澡人人爽秒播| 国产成人aa在线观看| 亚洲av二区三区四区| 一进一出好大好爽视频| 欧美3d第一页| 国产视频一区二区在线看| 午夜精品在线福利| 国产白丝娇喘喷水9色精品| 国内毛片毛片毛片毛片毛片| 看片在线看免费视频| 久久精品国产亚洲av香蕉五月| 99久国产av精品| 婷婷精品国产亚洲av在线| 一个人免费在线观看电影| 国产亚洲精品综合一区在线观看| 久久婷婷人人爽人人干人人爱| 精品久久久久久成人av| 97碰自拍视频| 免费看日本二区| 大型黄色视频在线免费观看| 亚洲国产欧洲综合997久久,| 日韩欧美国产在线观看| 久久精品夜夜夜夜夜久久蜜豆| 欧美极品一区二区三区四区| 欧美+亚洲+日韩+国产| 丝袜美腿在线中文| 在线播放国产精品三级| 日本与韩国留学比较| 国产人妻一区二区三区在| 国产黄片美女视频| 嫩草影院精品99| 久久草成人影院| 日本免费一区二区三区高清不卡| 成年人黄色毛片网站| 欧美激情在线99| 欧美日本视频| 国产免费av片在线观看野外av| 男插女下体视频免费在线播放| 欧美不卡视频在线免费观看| 在线观看美女被高潮喷水网站 | 午夜福利视频1000在线观看| 啦啦啦韩国在线观看视频| 亚州av有码| 精品久久久久久久久久久久久| АⅤ资源中文在线天堂| 国产综合懂色| 噜噜噜噜噜久久久久久91| a级一级毛片免费在线观看| 欧美性猛交╳xxx乱大交人| 99久久99久久久精品蜜桃| 亚洲av免费在线观看| 内地一区二区视频在线| 婷婷色综合大香蕉| 欧洲精品卡2卡3卡4卡5卡区| 欧美bdsm另类| 乱码一卡2卡4卡精品| 99久久精品热视频| 国产精品一区二区免费欧美| 亚洲美女视频黄频| 国产成人aa在线观看| 一a级毛片在线观看| 97超级碰碰碰精品色视频在线观看| 少妇丰满av| 精品久久久久久成人av| 十八禁网站免费在线| 国产又黄又爽又无遮挡在线| 男女床上黄色一级片免费看| 高清在线国产一区| 国产精品99久久久久久久久| avwww免费| 最近视频中文字幕2019在线8| 欧美黄色淫秽网站| 国产三级在线视频| 国产成年人精品一区二区| 亚洲av电影不卡..在线观看| 亚洲精品一区av在线观看| 久久精品国产清高在天天线| 嫩草影院精品99| 国产精品伦人一区二区| 神马国产精品三级电影在线观看| 男人和女人高潮做爰伦理| 黄色日韩在线| 亚洲黑人精品在线| 国产精品亚洲美女久久久| 嫩草影院精品99| 久久久精品大字幕| 国产精品免费一区二区三区在线| 午夜福利成人在线免费观看| 中文字幕人成人乱码亚洲影| 午夜精品久久久久久毛片777| 夜夜看夜夜爽夜夜摸| 嫩草影院入口| 亚洲,欧美,日韩| 乱人视频在线观看| 国产色婷婷99| 亚洲,欧美精品.| 久久久久精品国产欧美久久久| av天堂在线播放| 国产日本99.免费观看| 国产av在哪里看| 狂野欧美白嫩少妇大欣赏| 精品一区二区三区人妻视频| 日本精品一区二区三区蜜桃|