• <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
    老司机午夜十八禁免费视频| 久久久久国产一级毛片高清牌| 亚洲av成人不卡在线观看播放网| 黄色成人免费大全| 久久国产精品影院| 国产精品亚洲美女久久久| 成人午夜高清在线视频 | 午夜免费观看网址| 免费在线观看影片大全网站| 91字幕亚洲| 男人舔女人的私密视频| 真人做人爱边吃奶动态| 特大巨黑吊av在线直播 | 国产aⅴ精品一区二区三区波| 免费看十八禁软件| 久久精品国产亚洲av香蕉五月| 亚洲成人精品中文字幕电影| 国产一区二区三区视频了| 9191精品国产免费久久| 亚洲精品av麻豆狂野| 免费在线观看黄色视频的| 在线看三级毛片| 久久久久国产一级毛片高清牌| 我的亚洲天堂| 啦啦啦韩国在线观看视频| svipshipincom国产片| 亚洲天堂国产精品一区在线| 国产成人精品久久二区二区免费| 欧美精品啪啪一区二区三区| 亚洲一区中文字幕在线| 欧美日韩瑟瑟在线播放| 亚洲av成人一区二区三| 女性被躁到高潮视频| 1024视频免费在线观看| 久久精品91无色码中文字幕| 两性夫妻黄色片| 视频在线观看一区二区三区| 亚洲精品粉嫩美女一区| av天堂在线播放| 久久久久久人人人人人| 亚洲精品在线美女| 9191精品国产免费久久| 国产aⅴ精品一区二区三区波| 久久九九热精品免费| 黑丝袜美女国产一区| 51午夜福利影视在线观看| 免费搜索国产男女视频| 国产精华一区二区三区| 久9热在线精品视频| 热99re8久久精品国产| 久久草成人影院| 午夜免费鲁丝| 国产亚洲精品av在线| 日韩中文字幕欧美一区二区| av天堂在线播放| 久久久久久人人人人人| ponron亚洲| 男女下面进入的视频免费午夜 | 国产一区二区三区在线臀色熟女| 99在线视频只有这里精品首页| aaaaa片日本免费| 黑人欧美特级aaaaaa片| 色综合婷婷激情| 国产精品一区二区精品视频观看| 亚洲精品国产区一区二| 日韩成人在线观看一区二区三区| 他把我摸到了高潮在线观看| 亚洲av成人av| 国产伦人伦偷精品视频| 一区二区三区精品91| 国产亚洲欧美在线一区二区| 丝袜美腿诱惑在线| 俄罗斯特黄特色一大片| 人成视频在线观看免费观看| 男人的好看免费观看在线视频 | 欧美丝袜亚洲另类 | 欧美精品亚洲一区二区| 成人国产综合亚洲| 亚洲电影在线观看av| 国产一区二区三区视频了| 此物有八面人人有两片| 亚洲专区中文字幕在线| ponron亚洲| 亚洲精品国产区一区二| 欧美亚洲日本最大视频资源| 黄色 视频免费看| avwww免费| 久久久久久大精品| 午夜精品在线福利| 久久伊人香网站| 热re99久久国产66热| av免费在线观看网站| 少妇粗大呻吟视频| avwww免费| 国产欧美日韩精品亚洲av| 极品教师在线免费播放| 久久天躁狠狠躁夜夜2o2o| 人人妻人人澡人人看| 国产成人啪精品午夜网站| 1024视频免费在线观看| 成年人黄色毛片网站| 91麻豆av在线| 精品高清国产在线一区| 亚洲精品在线美女| 国产不卡一卡二| 久久久国产精品麻豆| 亚洲aⅴ乱码一区二区在线播放 | 波多野结衣高清作品| 亚洲av日韩精品久久久久久密| 色精品久久人妻99蜜桃| xxxwww97欧美| 国产片内射在线| 日日摸夜夜添夜夜添小说| 动漫黄色视频在线观看| 2021天堂中文幕一二区在线观 | 色尼玛亚洲综合影院| 韩国av一区二区三区四区| 亚洲 欧美 日韩 在线 免费| 午夜影院日韩av| 天堂√8在线中文| 日韩av在线大香蕉| 国产麻豆成人av免费视频| 国产aⅴ精品一区二区三区波| 亚洲va日本ⅴa欧美va伊人久久| 亚洲 国产 在线| 亚洲成人国产一区在线观看| 国产成人啪精品午夜网站| 国产乱人伦免费视频| 国产又爽黄色视频| 欧美成人性av电影在线观看| 99精品久久久久人妻精品| 黄色丝袜av网址大全| 黑人操中国人逼视频| 亚洲午夜精品一区,二区,三区| 亚洲全国av大片| 亚洲国产精品sss在线观看| aaaaa片日本免费| 一级毛片精品| 白带黄色成豆腐渣| 国产三级在线视频| 久久久精品欧美日韩精品| 成年免费大片在线观看| 色播在线永久视频| 国产99白浆流出| 1024香蕉在线观看| 一级片免费观看大全| 欧美性猛交╳xxx乱大交人| 欧美乱码精品一区二区三区| 亚洲五月色婷婷综合| 国产精品久久久久久亚洲av鲁大| 一进一出好大好爽视频| cao死你这个sao货| 国产v大片淫在线免费观看| 高清在线国产一区| 成人亚洲精品一区在线观看| 在线观看日韩欧美| 啦啦啦观看免费观看视频高清| 激情在线观看视频在线高清| 日韩精品青青久久久久久| 国产精品九九99| 在线观看午夜福利视频| 精品日产1卡2卡| 国产久久久一区二区三区| 91老司机精品| 亚洲va日本ⅴa欧美va伊人久久| 悠悠久久av| 婷婷六月久久综合丁香| 亚洲九九香蕉| 国产国语露脸激情在线看| 精品国内亚洲2022精品成人| 国产一级毛片七仙女欲春2 | 嫁个100分男人电影在线观看| 免费看日本二区| 免费在线观看视频国产中文字幕亚洲| 精品一区二区三区视频在线观看免费| 嫁个100分男人电影在线观看| www.精华液| 精品国产乱子伦一区二区三区| 夜夜躁狠狠躁天天躁| 亚洲精华国产精华精| 99久久精品国产亚洲精品| 欧美大码av| 欧美不卡视频在线免费观看 | 人人妻,人人澡人人爽秒播| 久久精品影院6| 久久香蕉激情| 亚洲欧美日韩高清在线视频| 日本黄色视频三级网站网址| 国产蜜桃级精品一区二区三区| 欧美在线一区亚洲| 一卡2卡三卡四卡精品乱码亚洲| 天天一区二区日本电影三级| 亚洲国产毛片av蜜桃av| 亚洲av电影在线进入| 无人区码免费观看不卡| 看片在线看免费视频| 日韩欧美 国产精品| 变态另类丝袜制服| 久久午夜亚洲精品久久| 男女那种视频在线观看| 999久久久精品免费观看国产| 他把我摸到了高潮在线观看| 丝袜人妻中文字幕| 日韩欧美国产在线观看| 亚洲中文字幕日韩| 国产91精品成人一区二区三区| 国产精品久久视频播放| 级片在线观看| 一边摸一边做爽爽视频免费| 香蕉av资源在线| 18禁裸乳无遮挡免费网站照片 | 国产野战对白在线观看| 黄色视频,在线免费观看| 精品一区二区三区四区五区乱码| 成人一区二区视频在线观看| 999精品在线视频| 亚洲精品美女久久av网站| 欧美色视频一区免费| 脱女人内裤的视频| 久久久久久人人人人人| 亚洲av日韩精品久久久久久密| 中文字幕精品亚洲无线码一区 | 丁香欧美五月| 亚洲aⅴ乱码一区二区在线播放 | 一级毛片高清免费大全| 久久久久亚洲av毛片大全| 免费高清在线观看日韩| 日本撒尿小便嘘嘘汇集6| 中文字幕精品免费在线观看视频| 亚洲第一av免费看| 丝袜人妻中文字幕| 欧美乱妇无乱码| 精品一区二区三区av网在线观看| 亚洲精品国产区一区二| 精品国产美女av久久久久小说| 免费看十八禁软件| 我的亚洲天堂| 一进一出抽搐gif免费好疼| 日本精品一区二区三区蜜桃| 制服诱惑二区| 欧美最黄视频在线播放免费| 97碰自拍视频| 两人在一起打扑克的视频| 亚洲av成人一区二区三| 99久久久亚洲精品蜜臀av| 久久久水蜜桃国产精品网| 免费在线观看黄色视频的| 久久国产亚洲av麻豆专区| 欧美日韩精品网址| 欧美在线黄色| 欧美在线一区亚洲| 午夜成年电影在线免费观看| 亚洲人成网站在线播放欧美日韩| 又紧又爽又黄一区二区| 日韩中文字幕欧美一区二区| 两个人免费观看高清视频| 99国产综合亚洲精品| 亚洲成a人片在线一区二区| 成人永久免费在线观看视频| 91字幕亚洲| 国产亚洲欧美在线一区二区| 久9热在线精品视频| 亚洲 欧美一区二区三区| 麻豆久久精品国产亚洲av| 亚洲精品粉嫩美女一区| 国产精品美女特级片免费视频播放器 | 18禁裸乳无遮挡免费网站照片 | 自线自在国产av| 极品教师在线免费播放| 校园春色视频在线观看| 黄色成人免费大全| 亚洲成av片中文字幕在线观看| 免费在线观看黄色视频的| 国产免费男女视频| 在线视频色国产色| 母亲3免费完整高清在线观看| 亚洲 欧美一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av第一区精品v没综合| 日韩欧美国产在线观看| 亚洲国产高清在线一区二区三 | 久久久久久久久中文| 宅男免费午夜| 国内久久婷婷六月综合欲色啪| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲欧美98| 日韩免费av在线播放| 一区二区三区精品91| 欧美日韩精品网址| 91av网站免费观看| 中文资源天堂在线| 黑丝袜美女国产一区| 可以在线观看毛片的网站| 久久精品国产清高在天天线| 国产高清videossex| 18禁黄网站禁片免费观看直播| 国产成人av教育| 麻豆久久精品国产亚洲av| 久久久久国内视频| 女同久久另类99精品国产91| 日本 欧美在线| 无限看片的www在线观看| 久久久久久大精品| 色综合婷婷激情| 亚洲熟妇熟女久久| 中文字幕久久专区| 亚洲第一青青草原| 两个人看的免费小视频| 美女高潮喷水抽搐中文字幕| 日本一本二区三区精品| 99精品欧美一区二区三区四区| 国产精品 欧美亚洲| 国产一区在线观看成人免费| 成熟少妇高潮喷水视频| 巨乳人妻的诱惑在线观看| 亚洲人成伊人成综合网2020| av天堂在线播放| 久99久视频精品免费| 国产99白浆流出| 国产成人影院久久av| 在线十欧美十亚洲十日本专区| 亚洲人成77777在线视频| 成人欧美大片| 成人免费观看视频高清| 99国产精品99久久久久| 女性生殖器流出的白浆| 看免费av毛片| 天堂√8在线中文| 亚洲天堂国产精品一区在线| 国产91精品成人一区二区三区| 亚洲国产精品久久男人天堂| 国产蜜桃级精品一区二区三区| 校园春色视频在线观看| 国产高清激情床上av| 99久久综合精品五月天人人| www日本黄色视频网| 桃色一区二区三区在线观看| 亚洲欧美日韩无卡精品| 色综合欧美亚洲国产小说| 亚洲欧美日韩无卡精品| 国产v大片淫在线免费观看| 久久久国产欧美日韩av| 在线av久久热| 啦啦啦免费观看视频1| 成年女人毛片免费观看观看9| av天堂在线播放| 国内精品久久久久久久电影| 国产野战对白在线观看| 老司机午夜福利在线观看视频| 亚洲精品一区av在线观看| 非洲黑人性xxxx精品又粗又长| 国产爱豆传媒在线观看 | 日日摸夜夜添夜夜添小说| 天堂√8在线中文| 50天的宝宝边吃奶边哭怎么回事| 长腿黑丝高跟| 亚洲精品av麻豆狂野| АⅤ资源中文在线天堂| 成人欧美大片| 国产精品爽爽va在线观看网站 | 亚洲,欧美精品.| 久久午夜综合久久蜜桃| 88av欧美| 亚洲精品av麻豆狂野| 欧美黑人欧美精品刺激| 一级毛片女人18水好多| 成人免费观看视频高清| 欧美乱码精品一区二区三区| 亚洲av第一区精品v没综合| 99国产精品一区二区三区| 男女之事视频高清在线观看| 亚洲av五月六月丁香网| 精品久久久久久久末码| 国产亚洲精品久久久久久毛片| 日韩高清综合在线| 精品不卡国产一区二区三区| 嫁个100分男人电影在线观看| 一区二区三区激情视频| 精品国产美女av久久久久小说| 一进一出抽搐gif免费好疼| 这个男人来自地球电影免费观看| 又紧又爽又黄一区二区| 亚洲国产精品成人综合色| 色老头精品视频在线观看| 大型av网站在线播放| 欧美不卡视频在线免费观看 | 狂野欧美激情性xxxx| 97人妻精品一区二区三区麻豆 | 国产成人av激情在线播放| 国产男靠女视频免费网站| 国产精品 国内视频| 丁香六月欧美| 亚洲精品一区av在线观看| 午夜福利在线观看吧| 免费观看精品视频网站| 成人永久免费在线观看视频| 天堂动漫精品| 国产精品久久电影中文字幕| 99国产极品粉嫩在线观看| 男人的好看免费观看在线视频| 精品少妇黑人巨大在线播放 | 婷婷亚洲欧美| 91久久精品国产一区二区三区| 精品人妻一区二区三区麻豆 | 欧美在线一区亚洲| 亚洲成av人片在线播放无| 亚洲自偷自拍三级| 亚洲美女搞黄在线观看 | 三级毛片av免费| 日本-黄色视频高清免费观看| 成人无遮挡网站| 女同久久另类99精品国产91| 国产精品嫩草影院av在线观看| 欧美一区二区精品小视频在线| 非洲黑人性xxxx精品又粗又长| 日本与韩国留学比较| 久久草成人影院| 国产高清激情床上av| 国产大屁股一区二区在线视频| 日韩欧美三级三区| 国产欧美日韩精品一区二区| 俄罗斯特黄特色一大片| 看十八女毛片水多多多| 男人的好看免费观看在线视频| 国产精品一区二区性色av| 亚洲人与动物交配视频| 美女大奶头视频| 校园春色视频在线观看| 久久久久久久久久黄片| 青春草视频在线免费观看| 男女边吃奶边做爰视频| 熟妇人妻久久中文字幕3abv| 国产精品久久视频播放| 国产女主播在线喷水免费视频网站 | 国产精品国产高清国产av| 18禁在线无遮挡免费观看视频 | 日本撒尿小便嘘嘘汇集6| 日本色播在线视频| 中文在线观看免费www的网站| 十八禁网站免费在线| 日韩欧美在线乱码| 69av精品久久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 噜噜噜噜噜久久久久久91| 欧美高清成人免费视频www| 高清午夜精品一区二区三区 | 亚洲精品乱码久久久v下载方式| 国产精品久久久久久精品电影| 十八禁国产超污无遮挡网站| 亚洲国产欧美人成| 国产探花极品一区二区| 国产精品久久视频播放| 日韩欧美 国产精品| 欧美色欧美亚洲另类二区| 一级a爱片免费观看的视频| 亚洲国产精品久久男人天堂| АⅤ资源中文在线天堂| 成人永久免费在线观看视频| videossex国产| 日本黄大片高清| 韩国av在线不卡| 久久精品国产自在天天线| 尤物成人国产欧美一区二区三区| eeuss影院久久| 啦啦啦啦在线视频资源| 午夜福利高清视频| 日本欧美国产在线视频| 国产精品久久久久久久电影| 亚洲美女视频黄频| av在线播放精品| 国产av麻豆久久久久久久| 国产一区亚洲一区在线观看| 亚洲久久久久久中文字幕| 少妇丰满av| 精品久久久久久成人av| 一区福利在线观看| 99热全是精品| 此物有八面人人有两片| 韩国av在线不卡| 最好的美女福利视频网| 狂野欧美白嫩少妇大欣赏| 夜夜看夜夜爽夜夜摸| 亚洲aⅴ乱码一区二区在线播放| 中文资源天堂在线| 91久久精品国产一区二区三区| 日日摸夜夜添夜夜添小说| 十八禁网站免费在线| 精品久久久久久久久久免费视频| 99热网站在线观看| 校园春色视频在线观看| 少妇人妻一区二区三区视频| 日本黄色片子视频| 国产精品久久久久久亚洲av鲁大| 乱系列少妇在线播放| 黄色日韩在线| 97热精品久久久久久| 国产老妇女一区| 在线观看午夜福利视频| 在线观看免费视频日本深夜| 国产成人影院久久av| 三级男女做爰猛烈吃奶摸视频| 欧美xxxx黑人xx丫x性爽| 三级男女做爰猛烈吃奶摸视频| 亚洲国产精品成人综合色| 三级经典国产精品| 国产精品久久视频播放| 变态另类成人亚洲欧美熟女| 丰满乱子伦码专区| 亚洲在线观看片| 超碰av人人做人人爽久久| 变态另类成人亚洲欧美熟女| 国产中年淑女户外野战色| 欧美bdsm另类| 大又大粗又爽又黄少妇毛片口| 天美传媒精品一区二区| 日本黄色视频三级网站网址| 国产69精品久久久久777片| 99久久精品热视频| 小蜜桃在线观看免费完整版高清| 日韩av在线大香蕉| 日韩人妻高清精品专区| 九九爱精品视频在线观看| 九色成人免费人妻av| 不卡视频在线观看欧美| 99在线视频只有这里精品首页| 一区二区三区高清视频在线| 人妻少妇偷人精品九色| 欧美一区二区精品小视频在线| 99riav亚洲国产免费| 国产高清不卡午夜福利| 一级毛片我不卡| 国产熟女欧美一区二区| 国产亚洲av嫩草精品影院| 麻豆久久精品国产亚洲av| 狂野欧美白嫩少妇大欣赏| 国产三级中文精品| 简卡轻食公司| 午夜福利18| 亚洲欧美精品综合久久99| 99久久精品热视频| 久久久久久久午夜电影| 真人做人爱边吃奶动态| 激情 狠狠 欧美| 内射极品少妇av片p| 欧美成人a在线观看| 成年女人看的毛片在线观看| 非洲黑人性xxxx精品又粗又长| 97人妻精品一区二区三区麻豆| 别揉我奶头 嗯啊视频| 国产精品一及| 国产在线精品亚洲第一网站| 长腿黑丝高跟| 国产亚洲精品av在线| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久久电影| 亚洲人与动物交配视频| 日韩欧美精品v在线| 在线播放国产精品三级| 亚洲av成人av| 久久久欧美国产精品| 观看美女的网站| 又黄又爽又免费观看的视频| 成人无遮挡网站| 国产成人精品久久久久久| 精品人妻熟女av久视频| 日本色播在线视频| 级片在线观看| 国产av不卡久久| 又黄又爽又刺激的免费视频.| 久久99热这里只有精品18| 久久人妻av系列| a级毛片a级免费在线| 大香蕉久久网| 国产精品嫩草影院av在线观看| 亚洲第一区二区三区不卡| 一进一出抽搐动态| 人人妻人人澡欧美一区二区| 特大巨黑吊av在线直播| 香蕉av资源在线| 免费一级毛片在线播放高清视频| 精品熟女少妇av免费看| 国产精品爽爽va在线观看网站| 亚洲性久久影院| 男女之事视频高清在线观看| 国产毛片a区久久久久| 国产精品久久视频播放| 成年女人看的毛片在线观看| 日韩 亚洲 欧美在线| 2021天堂中文幕一二区在线观| 中文字幕免费在线视频6| 香蕉av资源在线| 免费一级毛片在线播放高清视频| 少妇裸体淫交视频免费看高清| 亚洲精品一卡2卡三卡4卡5卡| 久久久国产成人免费| 欧美日本亚洲视频在线播放| 久久精品国产亚洲av天美| 国产精品一区二区三区四区久久| 国产亚洲精品综合一区在线观看| 日韩av在线大香蕉| 不卡一级毛片| 韩国av在线不卡| 日韩精品有码人妻一区| 99热这里只有是精品50| 舔av片在线| 精品福利观看| 亚洲国产精品成人久久小说 | 亚洲一区二区三区色噜噜| 国产麻豆成人av免费视频| 精品久久久久久久久亚洲| 最近最新中文字幕大全电影3| 亚洲无线在线观看| 国产精品一区二区三区四区免费观看 | 欧美丝袜亚洲另类| 色噜噜av男人的天堂激情|