• <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 ?

    基于判別信息極限學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)

    2017-03-06 00:41:18楊伊閆德勤張海英楚永賀
    軟件導(dǎo)刊 2017年1期
    關(guān)鍵詞:極限學(xué)習(xí)機(jī)模式識(shí)別

    楊伊+閆德勤+張海英+楚永賀

    摘要摘要:極限學(xué)習(xí)機(jī)(ELM)以其高效、快速和良好的泛化性能在模式識(shí)別領(lǐng)域得到廣泛應(yīng)用,然而在高光譜遙感圖像分類(lèi)中,極限學(xué)習(xí)機(jī)算法不能較好地利用數(shù)據(jù)蘊(yùn)含的判別信息,限制了ELM的分類(lèi)性能。為此,提出一種基于判別信息極限學(xué)習(xí)機(jī)(IELM),IELM繼承了極限學(xué)習(xí)機(jī)的優(yōu)勢(shì),并在一定程度上解決了極限學(xué)習(xí)機(jī)在有限高光譜遙感圖像數(shù)據(jù)樣本中學(xué)習(xí)不充分的問(wèn)題。高光譜遙感圖像分類(lèi)實(shí)驗(yàn)結(jié)果表明,該算法具有較好的分類(lèi)效果。

    關(guān)鍵詞關(guān)鍵詞:極限學(xué)習(xí)機(jī);模式識(shí)別;高光譜遙感圖像;判別信息

    DOIDOI:10.11907/rjdk.162600

    中圖分類(lèi)號(hào):TP317.4文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2017)001016105

    對(duì)于連續(xù)狹窄的光譜帶,高光譜成像傳感器能夠捕獲詳細(xì)和豐富的光譜信息。近年來(lái),隨著圖像處理技術(shù)的發(fā)展,高光譜圖像得到廣泛應(yīng)用,在高光譜圖像應(yīng)用中最重要的任務(wù)是對(duì)圖像進(jìn)行分類(lèi)。然而,在高光譜遙感圖像分類(lèi)問(wèn)題中存在一些挑戰(zhàn)。例如有限訓(xùn)練樣本之間的不平衡和高維度,高光譜遙感圖像幾何形狀復(fù)雜,高光譜遙感圖像分類(lèi)計(jì)算復(fù)雜度高。為使高光譜遙感圖像分類(lèi)取得良好效果,近年來(lái),機(jī)器學(xué)習(xí)方法在高光譜圖像分類(lèi)中得到廣泛應(yīng)用,例如人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks,ANNs)[1]、支持向量機(jī)(Support vector machine,SVM)[2]、多項(xiàng)邏輯回歸(Multinomial logistic regression,MLR)[3]、主動(dòng)學(xué)習(xí)(Active learning,AL)[4]等,其它方法如利用稀疏表示[5]以及譜聚類(lèi)[6]對(duì)高光譜進(jìn)行分離也得到廣泛應(yīng)用。然而,由于高光譜遙感圖像具有髙維度以及復(fù)雜性,通過(guò)機(jī)器學(xué)習(xí)算法尋找最優(yōu)的參數(shù)來(lái)進(jìn)行分類(lèi)通常非常困難,并且耗時(shí),實(shí)現(xiàn)高光譜遙感圖像高效快速分類(lèi)已成為遙感圖像領(lǐng)域的重要問(wèn)題。

    近年來(lái),Huang等[7]基于單隱層前饋神經(jīng)網(wǎng)絡(luò)(Single-hidden layer feedforward networks,SLFNs)結(jié)構(gòu)提出了極限學(xué)習(xí)機(jī)(Extreme learning machine,ELM)。ELM隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值,所有參數(shù)中僅有輸出權(quán)值經(jīng)過(guò)分析確定。ELM將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的求解過(guò)程轉(zhuǎn)化為一個(gè)線性模型,ELM隨機(jī)選擇輸入權(quán)值和分析確定SLFNs的輸出權(quán)值,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法收斂速度慢及陷入局部極小解的可能,具有更好的泛化能力和更快的學(xué)習(xí)速度。文獻(xiàn)[7]指出ELM通過(guò)隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值分析確定輸出權(quán)值,保持了SLFNs的通用逼近能力,同時(shí)能夠得到一個(gè)全局最優(yōu)解。由于ELM良好的泛化能力,使得ELM應(yīng)用在不同的領(lǐng)域中。在高光譜遙感圖像領(lǐng)域,Pal等[8]將ELM應(yīng)用到土地覆蓋分類(lèi)中,與BP[9]神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)相比,ELM取得了更好的分類(lèi)效果,并且ELM算法的計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)小于BP和支持向量機(jī)。Bazi等[10]利用差分進(jìn)化方法優(yōu)化核ELM算法的參數(shù),提高了高光譜遙感圖像的分類(lèi)效果。為了提高ELM算法在高光譜遙感圖像分類(lèi)中的穩(wěn)定性,Samat等[11]基于Bagging 和 AdaBoost算法提出了集成的極限學(xué)習(xí)機(jī)算法(Ensemble extreme learning machine,E2LM)。

    雖然針對(duì)高光譜遙感圖像分類(lèi)問(wèn)題,研究人員在ELM算法的基礎(chǔ)上提出了改進(jìn),然而 ELM及其改進(jìn)算法并未充分考慮數(shù)據(jù)樣本間的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息。知道樣本之間具有某些相似的屬性和分布特征,樣本之間的相似屬性和分布特征能夠彌補(bǔ)ELM學(xué)習(xí)不夠充分的問(wèn)題,進(jìn)而可以提高ELM的泛化能力,因而數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息對(duì)ELM的分類(lèi)性能具有重要作用。

    基于以上分析,本文提出一種基于判別信息極端學(xué)習(xí)機(jī)(Discriminative information regularized extreme learning machine,IELM),對(duì)于分類(lèi)問(wèn)題,IELM同時(shí)考慮到數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值,從而在一定程度上提高ELM的分類(lèi)性能和泛化能力。IELM方法的優(yōu)勢(shì)在于:①繼承了ELM的優(yōu)點(diǎn),在一定程度上避免了ELM學(xué)習(xí)不充分的問(wèn)題;②將異類(lèi)離散度和同類(lèi)離散度引入到ELM中,充分利用數(shù)據(jù)樣本的判別信息;③利用MMC[12]方法有效解決最大化異類(lèi)離散度和最小化同類(lèi)離散度矩陣奇異問(wèn)題。

    為評(píng)價(jià)和驗(yàn)證本文提出的基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,實(shí)驗(yàn)使用Indian Pines,Salinas scene兩個(gè)高光譜遙感圖像數(shù)據(jù),將本文所提出的方法與ELM、支持向量機(jī)(Support vector machine,SVM)、最近鄰分類(lèi)器協(xié)作表示(Collaborative representation nearest neighbor classifier,CRNN)[13]進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明本文提出的算法能夠取得較好的分類(lèi)效果。

    實(shí)驗(yàn)環(huán)境為惠普工作站處理器:Intel(R)Xeon(R) CPU E5-1603 0 @2.80 GHz,安裝內(nèi)存:8.00GB ,系統(tǒng)類(lèi)型:64位操作系統(tǒng),版本:win7,語(yǔ)言開(kāi)發(fā)環(huán)境采用 Matlab 2010b。

    第一組實(shí)驗(yàn)數(shù)據(jù)為Indian Pines遙感圖像數(shù)據(jù),Indian Pines數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含200個(gè)波段,圖像大小為145×145,地表真實(shí)分類(lèi)如圖1所示,Indian Pines數(shù)據(jù)集屬性設(shè)置如表1所示。

    第二組實(shí)驗(yàn)數(shù)據(jù)為Salinas scene遙感圖像數(shù)據(jù),Salinas scene數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含204個(gè)波段,圖像大小為512×217,地表真實(shí)分類(lèi)如圖2所示, Salinas scene數(shù)據(jù)集屬性設(shè)置如表2所示。

    實(shí)驗(yàn)中,對(duì)于Indian Pines和Salinas scene圖像數(shù)據(jù),隨機(jī)選取1%的數(shù)據(jù)樣本作為訓(xùn)練集,剩下部分為測(cè)試集,使用總體精度(OA),Kappa系數(shù),平均準(zhǔn)確率(AA)衡量不同算法的性能。

    (1)總體精度。總體精度(overall accuracy,OA)是對(duì)分類(lèi)結(jié)果質(zhì)量的總體評(píng)價(jià),等于被正確分類(lèi)的像素總和除 以總的像素個(gè)數(shù)。被正確分類(lèi)的像素沿著混淆矩陣的對(duì)角線分布,它顯示了被正確分類(lèi)到真實(shí)分類(lèi)中的像元數(shù)。根據(jù)混淆矩陣可得OA的計(jì)算式為:p=∑ci=1miiN(21)其中,c表示類(lèi)別數(shù)目,mii表示混淆矩陣對(duì)角線上的元素,N=∑ci=1∑cj=1mij表示測(cè)試樣本的總數(shù)。

    (2)Kappa系數(shù)。Kappa系數(shù)采用一種多元離散分析技術(shù),反映分類(lèi)結(jié)果與參考數(shù)據(jù)之間的吻合程度,它考慮了混淆矩陣的所有因子,是一種更為客觀的評(píng)價(jià)指標(biāo),其定義為:k=N∑ci=1mii-∑ci=1(mi+m+i)N2-∑ci=1(mi+m+i)(22)其中,mi+,m+i分別表示混淆矩陣第i行的總和、第i列的總和,c表示類(lèi)別數(shù)目,N為測(cè)試樣本總數(shù),mii表示混淆矩陣對(duì)角線上的元素,Kappa系數(shù)越大分類(lèi)精度越高。

    (3)平均精度。平均精度(average accuracy,AA)定義為每類(lèi)分類(lèi)準(zhǔn)確率相加除以類(lèi)別總數(shù)。AA=∑ci=1accic(23)其中,c表示類(lèi)別數(shù)目,acci表示每類(lèi)的分類(lèi)準(zhǔn)確率。

    4.2實(shí)驗(yàn)結(jié)果及分析

    將IELM與ELM,SVM,CRNN進(jìn)行對(duì)比,SVM采用libsvm工具箱,核函數(shù)采用徑向基核函數(shù)(Radial basis function,RBF),懲罰參數(shù)c=0.02,核函數(shù)參數(shù)g=0.02,IELM與ELM均采用Sigmoid函數(shù)作為激活函數(shù),隱層節(jié)點(diǎn)個(gè)數(shù)設(shè)置為500,懲罰參數(shù)c=20。

    5結(jié)語(yǔ)

    本文提出了一種基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,創(chuàng)新之外在于考慮到光譜遙感圖像數(shù)據(jù)的聯(lián)系和差異信息。IELM引入同類(lèi)離散度和異類(lèi)離散度的概念,體現(xiàn)了輸入空間數(shù)據(jù)的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值。與NN,SVM, ELM算法的對(duì)比實(shí)驗(yàn)表明,本文所提出方法的分類(lèi)效果優(yōu)于NN,SVM,ELM算法。

    參考文獻(xiàn):

    [1]Q SAMI UL HAQ,L TAO.Neural network based adaboosting approach for hyperspectral data classication[J].International Conference on Computer Science and Network Technology(ICCSNT),2011:241245.

    [2]J A GUALTI,R F CROMP.Support vector machines for hyperspectral remote sensing classification[J].in Proc.SPIE 27th AIPR Workshop:Adv.Comput.Assisted Recognit.Int.Soc.Opt.Photonics,Washington,DC,USA,1999:221232.

    [3]J Li,J BIOUCASDIAS,A.PLAZA.Semisupervised hyperspectral image classification using soft sparse multinomial logistic regression[J].IEEE Geosci.Remote Sens.Lett,2013,10(2):318322.

    [4]W DI,MM CRAWFORD.Active learning via multiview and local proximity coregularization for hyperspectral image classification[J].IEEE Journal of Selected Topics in Signal Processing,2011,5(3):618628.

    [5]J BIOUCASDIAS,M A T.FIGUEIREDO.Alternating direction algorithms for constrained sparse regression:application to hyperspectral unmixing[J].Hyperspectral Image and Signal Processing:Evolution in Remote Sensing (WHISPERS),2010:14.

    [6]Y TARABALKA,J A BENEDIKTSSON,J CHANUSSOT.Spectralspatial classification of hyperspectral imagery based on partitional clustering techniques[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(8):29732987.

    [7]GB HUANG,H ZHOU,X DING,et al.Extreme learning machine for regression and multiclass classification[J].IEEE Trans.Syst Man Cybern B,2012,42(2):51329.

    [8]M PAL,A E MAXWELL,T A WARNER.Kernelbased extreme learning machine for remotesensing image classification[J].Remote Sens.Lett,2013,4(9):853862.

    [9]D RUMELHART,G HINTON,R WILLIAMS.Learning by backpropagating errors[J].Nature,1986,323(6088):533536.

    [10]Y BAZI.Differential evolution extreme learning machine for the classification of hyperspectral images[J].IEEE Geosci.Remote Sens.Lett,2014,11(6):10661070.

    [11]A SAMAT,P DU,S LIU,et al.E2LMs:ensemble extreme learning machines for hyperspectral image classification[J].IEEE J.Sel.Topics Appl.Earth Observ.Remote Sens,2014,7(4):10601069.

    [12]H LI,T JIANG,K ZHANG.Efficient robust feature extraction by maximum margin criterion[J].IEEE Transactions on Neural Networks ,2006,17(1):157165.

    [13]W LI,Q DU,F(xiàn) ZHANG.Collaborativerepresentationbased nearest neighbor classifier for hyperspectral imagery[J].IEEE Geoscience and Remote Sensing Letters ,2015,12(2):389393.

    [14]G B HUANG.An insight into extreme learning machines:random neurons,random features and kernels[J].Cognitive Computation,2014,6(3):376390.

    責(zé)任編輯(責(zé)任編輯:陳福時(shí))

    猜你喜歡
    極限學(xué)習(xí)機(jī)模式識(shí)別
    紫地榆HPLC指紋圖譜建立及模式識(shí)別
    中成藥(2018年2期)2018-05-09 07:19:52
    淺談模式識(shí)別在圖像識(shí)別中的應(yīng)用
    基于稀疏編碼器與集成學(xué)習(xí)的文本分類(lèi)
    神經(jīng)元的形態(tài)分類(lèi)方法研究
    極限學(xué)習(xí)機(jī)修正誤差的體育成績(jī)預(yù)測(cè)模型
    第四屆亞洲模式識(shí)別會(huì)議
    基于極限學(xué)習(xí)機(jī)的玻璃瓶口缺陷檢測(cè)方法研究
    極限學(xué)習(xí)機(jī)在圖像分割中的應(yīng)用
    可拓模式識(shí)別算法中經(jīng)典域的確定方法
    基于關(guān)節(jié)信息和極限學(xué)習(xí)機(jī)的人體動(dòng)作識(shí)別
    一个人观看的视频www高清免费观看 | 欧美乱妇无乱码| aaaaa片日本免费| 美女高潮的动态| 欧美另类亚洲清纯唯美| 欧美日韩国产亚洲二区| 99视频精品全部免费 在线 | 午夜久久久久精精品| 国产伦精品一区二区三区四那| 精品福利观看| 男人舔女人的私密视频| 在线观看午夜福利视频| 国内久久婷婷六月综合欲色啪| 亚洲国产欧美网| 欧美日韩精品网址| 日韩 欧美 亚洲 中文字幕| 女生性感内裤真人,穿戴方法视频| 亚洲国产欧美一区二区综合| 亚洲第一电影网av| 亚洲天堂国产精品一区在线| 又黄又爽又免费观看的视频| 搡老岳熟女国产| 久久香蕉国产精品| 欧美乱妇无乱码| 蜜桃久久精品国产亚洲av| 欧美高清成人免费视频www| 日本黄色视频三级网站网址| 亚洲激情在线av| 国内毛片毛片毛片毛片毛片| 成人性生交大片免费视频hd| 真实男女啪啪啪动态图| 婷婷精品国产亚洲av| 成人鲁丝片一二三区免费| 成人欧美大片| 日本成人三级电影网站| 国产不卡一卡二| 国产三级黄色录像| 十八禁人妻一区二区| 亚洲第一欧美日韩一区二区三区| 搞女人的毛片| av中文乱码字幕在线| 深夜精品福利| 桃红色精品国产亚洲av| 国产 一区 欧美 日韩| 少妇熟女aⅴ在线视频| 免费在线观看影片大全网站| 国产精品久久久av美女十八| 亚洲av五月六月丁香网| 丰满的人妻完整版| 日本五十路高清| 国产午夜福利久久久久久| 午夜福利在线观看免费完整高清在 | h日本视频在线播放| 国内精品美女久久久久久| 女人高潮潮喷娇喘18禁视频| 在线永久观看黄色视频| 日韩三级视频一区二区三区| 少妇裸体淫交视频免费看高清| 嫁个100分男人电影在线观看| 亚洲国产色片| 99久久综合精品五月天人人| 色老头精品视频在线观看| 午夜福利在线在线| 俄罗斯特黄特色一大片| 亚洲五月婷婷丁香| 在线播放国产精品三级| 在线十欧美十亚洲十日本专区| 精品不卡国产一区二区三区| 丰满人妻一区二区三区视频av | 一级作爱视频免费观看| 亚洲午夜理论影院| 国产精品久久久av美女十八| 久久久久国内视频| 两个人看的免费小视频| 日韩免费av在线播放| 国产精品九九99| 亚洲人成电影免费在线| 欧美乱码精品一区二区三区| 国产又色又爽无遮挡免费看| 99riav亚洲国产免费| 中文在线观看免费www的网站| 超碰成人久久| 欧美乱码精品一区二区三区| 母亲3免费完整高清在线观看| 啪啪无遮挡十八禁网站| 最近最新免费中文字幕在线| 欧美性猛交黑人性爽| 99re在线观看精品视频| 老汉色∧v一级毛片| 女生性感内裤真人,穿戴方法视频| 日本三级黄在线观看| 成人18禁在线播放| 国产成人啪精品午夜网站| 久久久国产成人免费| 婷婷精品国产亚洲av在线| 亚洲成人久久性| 村上凉子中文字幕在线| 国产一区二区三区视频了| 亚洲色图av天堂| av在线蜜桃| 91字幕亚洲| 99国产精品一区二区三区| 国产精品98久久久久久宅男小说| 在线观看66精品国产| 国产视频一区二区在线看| 国产精品乱码一区二三区的特点| 亚洲成人久久爱视频| 午夜激情欧美在线| 嫁个100分男人电影在线观看| 高清毛片免费观看视频网站| 桃红色精品国产亚洲av| 国产乱人伦免费视频| 可以在线观看毛片的网站| 日日摸夜夜添夜夜添小说| 精品国产超薄肉色丝袜足j| 老熟妇乱子伦视频在线观看| 欧美日韩瑟瑟在线播放| 成年版毛片免费区| 亚洲熟女毛片儿| 巨乳人妻的诱惑在线观看| 久久久精品欧美日韩精品| av女优亚洲男人天堂 | 每晚都被弄得嗷嗷叫到高潮| 久久久久久国产a免费观看| 久久午夜亚洲精品久久| 亚洲人成网站高清观看| 亚洲色图av天堂| 日韩欧美三级三区| 给我免费播放毛片高清在线观看| 久久久精品大字幕| 亚洲电影在线观看av| 亚洲熟妇中文字幕五十中出| 午夜精品在线福利| 国产综合懂色| 伊人久久大香线蕉亚洲五| 老汉色av国产亚洲站长工具| 后天国语完整版免费观看| 天堂av国产一区二区熟女人妻| 色老头精品视频在线观看| 国产高清三级在线| www.999成人在线观看| 国产男靠女视频免费网站| 在线a可以看的网站| 成年女人看的毛片在线观看| 一进一出抽搐gif免费好疼| 日韩精品青青久久久久久| 亚洲精品一区av在线观看| www日本黄色视频网| 久久99热这里只有精品18| 午夜a级毛片| 亚洲熟妇中文字幕五十中出| 一个人免费在线观看的高清视频| 中国美女看黄片| 国产麻豆成人av免费视频| 午夜成年电影在线免费观看| 女同久久另类99精品国产91| 宅男免费午夜| 久9热在线精品视频| 精品99又大又爽又粗少妇毛片 | 91老司机精品| 亚洲 欧美 日韩 在线 免费| 亚洲av日韩精品久久久久久密| 操出白浆在线播放| 欧美乱色亚洲激情| 无遮挡黄片免费观看| 叶爱在线成人免费视频播放| 精品久久久久久成人av| 亚洲中文字幕日韩| 国产av不卡久久| 久久久国产成人免费| 亚洲专区字幕在线| 国产伦精品一区二区三区视频9 | 香蕉丝袜av| 精品午夜福利视频在线观看一区| 国产精品1区2区在线观看.| 国产真人三级小视频在线观看| 十八禁人妻一区二区| 黑人欧美特级aaaaaa片| 欧美日韩黄片免| 久久久精品欧美日韩精品| 亚洲成a人片在线一区二区| 韩国av一区二区三区四区| 国产精品香港三级国产av潘金莲| 国产精品久久久久久人妻精品电影| 成人亚洲精品av一区二区| 国语自产精品视频在线第100页| avwww免费| АⅤ资源中文在线天堂| 特级一级黄色大片| 99热这里只有是精品50| 搡老熟女国产l中国老女人| 国产成人啪精品午夜网站| 日日夜夜操网爽| 看黄色毛片网站| 99视频精品全部免费 在线 | 国产高清激情床上av| 色在线成人网| 巨乳人妻的诱惑在线观看| 97超视频在线观看视频| 久久久久久大精品| 国产成人精品无人区| 麻豆国产av国片精品| 久久久久性生活片| 欧美另类亚洲清纯唯美| 精品国产乱子伦一区二区三区| 久久精品亚洲精品国产色婷小说| 在线观看免费视频日本深夜| 午夜免费成人在线视频| 丁香六月欧美| 国产极品精品免费视频能看的| 亚洲精品美女久久久久99蜜臀| 国产成人影院久久av| 国产亚洲精品一区二区www| 天天躁狠狠躁夜夜躁狠狠躁| 中国美女看黄片| 真实男女啪啪啪动态图| 亚洲成人精品中文字幕电影| 十八禁人妻一区二区| 亚洲在线自拍视频| 久久精品夜夜夜夜夜久久蜜豆| 一级作爱视频免费观看| 国产精品1区2区在线观看.| 美女高潮喷水抽搐中文字幕| 欧美日韩亚洲国产一区二区在线观看| 亚洲人成网站在线播放欧美日韩| 成人特级av手机在线观看| 18禁黄网站禁片午夜丰满| 欧美乱色亚洲激情| 久久精品国产亚洲av香蕉五月| 真人一进一出gif抽搐免费| 国产精品野战在线观看| 少妇丰满av| bbb黄色大片| 国产亚洲精品一区二区www| 最新中文字幕久久久久 | 麻豆一二三区av精品| 久久国产乱子伦精品免费另类| 亚洲九九香蕉| 中文字幕最新亚洲高清| 嫩草影视91久久| 欧美午夜高清在线| 成年免费大片在线观看| 久久香蕉精品热| 深夜精品福利| 欧美成人免费av一区二区三区| 黄色日韩在线| 黄色视频,在线免费观看| 美女扒开内裤让男人捅视频| 免费在线观看影片大全网站| 美女cb高潮喷水在线观看 | 国产高清视频在线观看网站| 亚洲男人的天堂狠狠| 三级男女做爰猛烈吃奶摸视频| 国产av不卡久久| 老司机午夜十八禁免费视频| 国产亚洲精品久久久久久毛片| 99在线人妻在线中文字幕| 亚洲一区高清亚洲精品| 欧美+亚洲+日韩+国产| 最近最新中文字幕大全免费视频| 高潮久久久久久久久久久不卡| 一个人看视频在线观看www免费 | 嫩草影视91久久| 国产极品精品免费视频能看的| 久久久久精品国产欧美久久久| 99国产精品一区二区三区| 午夜两性在线视频| 亚洲美女黄片视频| 变态另类丝袜制服| 久久中文字幕人妻熟女| 亚洲精品久久国产高清桃花| 亚洲五月天丁香| 男人的好看免费观看在线视频| 欧美丝袜亚洲另类 | 中文字幕高清在线视频| 麻豆成人av在线观看| 美女大奶头视频| 精品久久久久久久毛片微露脸| 亚洲精品久久国产高清桃花| 99久久综合精品五月天人人| 久久久久久久久中文| 老汉色∧v一级毛片| 久久久国产精品麻豆| 成年女人毛片免费观看观看9| 国产精品综合久久久久久久免费| 久久久久久久精品吃奶| 在线十欧美十亚洲十日本专区| 岛国视频午夜一区免费看| 午夜免费激情av| 搞女人的毛片| 国产午夜精品久久久久久| 成人鲁丝片一二三区免费| 国产精品1区2区在线观看.| 国产午夜精品久久久久久| 精品午夜福利视频在线观看一区| 国产高潮美女av| 久久久久九九精品影院| 黑人操中国人逼视频| 亚洲精品美女久久久久99蜜臀| 少妇的丰满在线观看| 手机成人av网站| 男女床上黄色一级片免费看| 亚洲国产中文字幕在线视频| 久久欧美精品欧美久久欧美| 久久性视频一级片| 老司机在亚洲福利影院| 国产精品精品国产色婷婷| 精品久久久久久久久久免费视频| 搡老岳熟女国产| 美女cb高潮喷水在线观看 | 亚洲av熟女| 91在线观看av| 99热只有精品国产| 少妇的丰满在线观看| 伊人久久大香线蕉亚洲五| 叶爱在线成人免费视频播放| 91在线观看av| 亚洲精品美女久久av网站| 久久热在线av| 亚洲 国产 在线| 成年人黄色毛片网站| 不卡av一区二区三区| 国产91精品成人一区二区三区| 特大巨黑吊av在线直播| 黄色 视频免费看| 亚洲狠狠婷婷综合久久图片| 欧洲精品卡2卡3卡4卡5卡区| 欧美在线黄色| 国产成人一区二区三区免费视频网站| 麻豆久久精品国产亚洲av| 国产精品久久久久久精品电影| 日本撒尿小便嘘嘘汇集6| 搞女人的毛片| 国产三级黄色录像| 国产人伦9x9x在线观看| 久久久国产欧美日韩av| 一本一本综合久久| 国产精品98久久久久久宅男小说| 精品久久久久久久末码| 成人永久免费在线观看视频| 99精品欧美一区二区三区四区| 91麻豆av在线| 色在线成人网| 好男人在线观看高清免费视频| 老熟妇乱子伦视频在线观看| 91av网站免费观看| 午夜福利欧美成人| 毛片女人毛片| 三级男女做爰猛烈吃奶摸视频| 一个人观看的视频www高清免费观看 | 很黄的视频免费| 成人国产综合亚洲| а√天堂www在线а√下载| 久久热在线av| 黄片小视频在线播放| 两人在一起打扑克的视频| 国产三级中文精品| 麻豆成人午夜福利视频| 每晚都被弄得嗷嗷叫到高潮| 日本一二三区视频观看| 激情在线观看视频在线高清| av视频在线观看入口| 一级毛片高清免费大全| 久久香蕉国产精品| 亚洲在线自拍视频| 日韩 欧美 亚洲 中文字幕| 非洲黑人性xxxx精品又粗又长| 亚洲中文字幕日韩| 两性夫妻黄色片| 日韩国内少妇激情av| 精品免费久久久久久久清纯| 人人妻人人看人人澡| 亚洲国产欧美人成| 国产在线精品亚洲第一网站| 亚洲国产欧洲综合997久久,| 日本一本二区三区精品| 久久这里只有精品中国| 亚洲精品乱码久久久v下载方式 | or卡值多少钱| 国产成人精品久久二区二区免费| 一二三四社区在线视频社区8| 黑人欧美特级aaaaaa片| 久久99热这里只有精品18| 午夜成年电影在线免费观看| 欧美在线黄色| 成熟少妇高潮喷水视频| 村上凉子中文字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 此物有八面人人有两片| 1024手机看黄色片| 亚洲成人久久性| 18禁裸乳无遮挡免费网站照片| 日本成人三级电影网站| 亚洲国产欧美一区二区综合| 日本成人三级电影网站| 天天躁日日操中文字幕| 一区二区三区国产精品乱码| 国产精品精品国产色婷婷| 可以在线观看毛片的网站| 成人特级av手机在线观看| 久久久精品大字幕| 天堂√8在线中文| 国产精品一区二区免费欧美| 精品国产三级普通话版| 精品久久久久久久久久久久久| 五月伊人婷婷丁香| 老司机福利观看| 97碰自拍视频| 国产淫片久久久久久久久 | 国产一区二区在线观看日韩 | 色综合婷婷激情| 国产高清视频在线观看网站| 中文字幕最新亚洲高清| 久久99热这里只有精品18| 亚洲第一电影网av| 一区福利在线观看| 久久午夜综合久久蜜桃| 色噜噜av男人的天堂激情| 色av中文字幕| 国产精品影院久久| 女人被狂操c到高潮| 午夜福利在线在线| 中出人妻视频一区二区| www日本黄色视频网| 亚洲第一电影网av| 99久久精品热视频| 精品99又大又爽又粗少妇毛片 | 欧美不卡视频在线免费观看| 欧美av亚洲av综合av国产av| 久久精品91无色码中文字幕| 久久热在线av| 久久久久亚洲av毛片大全| 国产成人精品久久二区二区91| 久久久精品欧美日韩精品| 黄色片一级片一级黄色片| 熟妇人妻久久中文字幕3abv| 日韩三级视频一区二区三区| 免费看日本二区| 又紧又爽又黄一区二区| 少妇丰满av| 97超级碰碰碰精品色视频在线观看| 欧美激情久久久久久爽电影| 亚洲,欧美精品.| 亚洲avbb在线观看| 国产高潮美女av| 两个人视频免费观看高清| 免费一级毛片在线播放高清视频| 亚洲国产看品久久| 后天国语完整版免费观看| 欧美乱色亚洲激情| 国产精品爽爽va在线观看网站| 一级毛片女人18水好多| 哪里可以看免费的av片| 看黄色毛片网站| 亚洲无线在线观看| 韩国av一区二区三区四区| 国产午夜精品久久久久久| 一级毛片女人18水好多| 成人特级av手机在线观看| 色综合婷婷激情| 床上黄色一级片| 国产亚洲精品av在线| 亚洲av日韩精品久久久久久密| 国产精品野战在线观看| 两个人视频免费观看高清| 久久精品亚洲精品国产色婷小说| 久久中文字幕人妻熟女| 欧美日韩国产亚洲二区| 国产精品女同一区二区软件 | 手机成人av网站| 男女之事视频高清在线观看| 国产成+人综合+亚洲专区| 亚洲av成人av| 9191精品国产免费久久| a级毛片a级免费在线| 国产精品野战在线观看| 亚洲中文av在线| 久久精品亚洲精品国产色婷小说| 在线观看美女被高潮喷水网站 | 色播亚洲综合网| 欧美日韩国产亚洲二区| 亚洲性夜色夜夜综合| 9191精品国产免费久久| 美女高潮喷水抽搐中文字幕| 小蜜桃在线观看免费完整版高清| 国产av不卡久久| 真实男女啪啪啪动态图| 国产高清激情床上av| 热99re8久久精品国产| 老司机在亚洲福利影院| 国产午夜精品久久久久久| 久久草成人影院| 嫩草影视91久久| 女警被强在线播放| 无人区码免费观看不卡| 精品人妻1区二区| 久99久视频精品免费| 两个人的视频大全免费| 首页视频小说图片口味搜索| 精品久久久久久,| 成人鲁丝片一二三区免费| 美女大奶头视频| www国产在线视频色| 美女黄网站色视频| 日韩大尺度精品在线看网址| 日韩三级视频一区二区三区| 久久久久久久久中文| 欧美zozozo另类| 国产精品一区二区三区四区免费观看 | 人人妻人人看人人澡| 亚洲av电影在线进入| 国内精品一区二区在线观看| 中亚洲国语对白在线视频| 一二三四在线观看免费中文在| 日韩av在线大香蕉| 亚洲精品一卡2卡三卡4卡5卡| 亚洲黑人精品在线| 亚洲最大成人中文| 嫩草影院入口| 女同久久另类99精品国产91| 桃红色精品国产亚洲av| 亚洲熟女毛片儿| 两人在一起打扑克的视频| 97人妻精品一区二区三区麻豆| 亚洲精品456在线播放app | 深夜精品福利| 99热这里只有是精品50| 亚洲国产欧洲综合997久久,| 亚洲av成人精品一区久久| 19禁男女啪啪无遮挡网站| 99热这里只有是精品50| 欧美性猛交╳xxx乱大交人| 亚洲欧美日韩东京热| 午夜福利视频1000在线观看| 国内少妇人妻偷人精品xxx网站 | 巨乳人妻的诱惑在线观看| 99久久综合精品五月天人人| 日本 av在线| 日韩大尺度精品在线看网址| 视频区欧美日本亚洲| 国产亚洲精品综合一区在线观看| 露出奶头的视频| 亚洲一区二区三区不卡视频| 51午夜福利影视在线观看| 亚洲中文字幕日韩| 操出白浆在线播放| 神马国产精品三级电影在线观看| 欧美丝袜亚洲另类 | 欧美黑人巨大hd| 一个人看的www免费观看视频| 久久精品91无色码中文字幕| 日本黄大片高清| 精品久久蜜臀av无| 日本 av在线| 一本精品99久久精品77| 亚洲精品美女久久久久99蜜臀| 亚洲在线观看片| 国产三级黄色录像| 亚洲成av人片在线播放无| 观看美女的网站| 人人妻人人看人人澡| 午夜福利在线观看吧| 国产一区二区三区视频了| 女警被强在线播放| 午夜福利18| 高潮久久久久久久久久久不卡| 国产亚洲欧美在线一区二区| 在线国产一区二区在线| 最近最新中文字幕大全免费视频| 日本免费一区二区三区高清不卡| 国产精品亚洲av一区麻豆| 巨乳人妻的诱惑在线观看| 黄色丝袜av网址大全| 99精品欧美一区二区三区四区| 757午夜福利合集在线观看| 午夜免费激情av| 99久久久亚洲精品蜜臀av| 青草久久国产| 无遮挡黄片免费观看| 丰满人妻熟妇乱又伦精品不卡| 一二三四社区在线视频社区8| 一区二区三区国产精品乱码| 免费看十八禁软件| 国产极品精品免费视频能看的| 国产成人av教育| 12—13女人毛片做爰片一| 日本三级黄在线观看| 99精品欧美一区二区三区四区| 色av中文字幕| 他把我摸到了高潮在线观看| 国产午夜精品论理片| 亚洲七黄色美女视频| 精品福利观看| 男人和女人高潮做爰伦理| 国产爱豆传媒在线观看| 成人18禁在线播放| 亚洲熟妇中文字幕五十中出| 亚洲成av人片在线播放无| 国产一区二区三区在线臀色熟女| 亚洲中文字幕日韩| 一进一出抽搐动态| 美女大奶头视频| 成人精品一区二区免费| 狠狠狠狠99中文字幕| 日韩免费av在线播放| 伦理电影免费视频| 亚洲国产欧美人成| 国产亚洲av高清不卡| 别揉我奶头~嗯~啊~动态视频| 婷婷六月久久综合丁香| xxx96com| 亚洲欧美日韩卡通动漫| 亚洲中文字幕一区二区三区有码在线看 | 日本三级黄在线观看| 最新中文字幕久久久久 |