• <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 ?

    基于在線字典學(xué)習(xí)的人臉超分辨率重建

    2017-07-08 11:52:52劉芳華阮若林王建峰倪浩
    現(xiàn)代電子技術(shù) 2017年13期

    劉芳華+阮若林+王建峰+倪浩

    摘 要: 針對基于學(xué)習(xí)的人臉超分辨率算法噪點、偽影較多,且噪聲魯棒性較差的問題,提出一種基于在線字典學(xué)習(xí)的人臉超分辨率重建算法。以人臉圖集作為訓(xùn)練圖庫,運用在線字典學(xué)習(xí)方法提高字典訓(xùn)練的精度。獨立調(diào)整字典學(xué)習(xí)階段的正則化參數(shù)和求解重建稀疏系數(shù)階段的以獲取最優(yōu)的超完備字典和稀疏系數(shù)用于圖像重建。實驗結(jié)果表明,目標(biāo)圖像峰值信噪比比同一類型的稀疏編碼超分法平均提高了0.85 dB,結(jié)構(gòu)相似性增加了0.013 3,有效地抑制了噪點和偽影。在含噪人臉圖像應(yīng)用中,噪聲水平提高時,峰值信噪比下降相對較平緩,提升人臉超分效果的同時改善了算法的噪聲魯棒性。

    關(guān)鍵詞: 在線字典學(xué)習(xí); 超分辨率重建; 含噪人臉圖像; 稀疏編碼

    中圖分類號: TN911.73?34; TP391.9 文獻標(biāo)識碼: A 文章編號: 1004?373X(2017)13?0057?05

    Abstract: Aiming at the problems of more noisy points and artifacts, and poor noise robustness existing in the learning?based human face super?resolution algorithm, a human face super?resolution reconstruction algorithm based on online dictionary learning is proposed. The human face image set is taken as the training library. The online dictionary learning method is used to improve the accuracy of dictionary training. The regularization parameter λt of the dictionary learning phase is regulated independently, and regularization parameter λr in the reconstruction stage of the sparse coefficients is solved to get the optimal overcomplete dictionary and sparse coefficients for image reconstruction. The experimental results show that the peak signal?to?noise ratio (PSNR) of the target image of the proposed algorithm is 0.85 dB higher and the structural similarity is 0.0133 higher than that of the same type sparse coding super?resolution algorithm averagely, which can restrain the noisy point and artifact effectively. The application result of noisy human face image shows that the PSNR is decreased smoothly when the noise level is increased, which can improve the robustness against noise while promoting the performance of face super?resolution.

    Keywords: online dictionary learning; super?resolution reconstruction; noisy human face image; sparse coding

    0 引 言

    在安全監(jiān)控、授權(quán)、生物測量等人臉圖像應(yīng)用領(lǐng)域,人臉圖像獲取時的外部條件不盡相同,如大多數(shù)監(jiān)控場景中,攝像頭離監(jiān)控對象較遠,導(dǎo)致場景圖像中人臉分辨率很低。因此需通過超分辨率重建等技術(shù)增強人臉分辨率,改善識別、建模等后續(xù)處理任務(wù)的效果[1]。為充分挖掘臉部的特殊結(jié)構(gòu),人臉超分算法大多運用稀疏編碼方法,在局部圖像子空間利用非負矩陣分解等算法解決低分人臉超分問題[2]。文獻[3]將人臉相關(guān)的超分方法稱為“虛幻臉”,運用啟發(fā)式方法建立基于圖像金字塔的迭代預(yù)測模型,因先驗不夠準(zhǔn)確和像素獨立預(yù)測會產(chǎn)生圖像不連續(xù)和偽影。文獻[4]中的兩步統(tǒng)計法整合了全局主成分分析(Principal Component Analysis,PCA)模型和局部塊模型,前者用到的啟發(fā)式模型對超分結(jié)果過度渲染,而后者又過于復(fù)雜。文獻[5]中基于張量塊和殘差補償?shù)姆椒ńo人臉增加更多細節(jié),但偽影也較明顯。文獻[6]從圖像樣本塊學(xué)習(xí)得到多級局部約束,利用圖像塊修復(fù)方法恢復(fù)高分圖像。文獻[7]結(jié)合變形人臉模型和基于PCA的超分框架,將基于PCA的超分方法應(yīng)用到低分輸入圖像的紋理和形狀中,重建相應(yīng)的高分紋理和形狀,這兩種方法與原圖相差較大。文獻[8]將人臉圖像分為器官和面部輪廓兩部分,前者通過精確的學(xué)習(xí)算法保留高頻圖像結(jié)構(gòu)的連續(xù)性,后者用學(xué)習(xí)到的統(tǒng)計先驗來凸顯輪廓結(jié)構(gòu),超分效果較好。

    許多常規(guī)圖像超分算法用于人臉超分辨率重建也能取得較好的效果。文獻[9]采用流形學(xué)習(xí)方法,利用局部線性嵌入通過樣本學(xué)習(xí)得到高、低分辨率圖像之間的關(guān)系用于恢復(fù)目標(biāo)高分圖像。文獻[10]提出的稀疏編碼超分方法利用聯(lián)合字典訓(xùn)練生成超完備字典,但邊緣偽影較明顯。在一定的重建約束條件下,有的算法利用多幀序列圖像結(jié)合求解最大后驗概率完成超分任務(wù),還有一些利用在局部圖像塊對學(xué)習(xí)到的先驗知識用于單圖超分。由于這類算法未考慮到人臉圖像的特征,且受字典精度影響較大,當(dāng)輸入低分圖像的分辨率非常低時,算法效果較差。本文針對常規(guī)圖像超分算法的不足,以基于學(xué)習(xí)的人臉超分算法為基礎(chǔ),提出基于在線字典學(xué)習(xí)的人臉圖像超分辨率重建算法,通過引入在線字典訓(xùn)練和優(yōu)化稀疏系數(shù)來提高超分效果。

    1 基于學(xué)習(xí)的人臉超分辨率重建

    根據(jù)稀疏表示理論,人臉、自然圖像等信號可以表示為超完備字典中一系列基向量的稀疏線性組合[11]。通常,基于學(xué)習(xí)的人臉超分辨率重建框架中,需求解以下目標(biāo)函數(shù)的最小值:

    式中:為正則化參數(shù);為圖像塊集中的第個圖像塊,可表示為超完備字典與其對應(yīng)的的稀疏系數(shù)的稀疏線性組合;和分別為數(shù)據(jù)擬合項和稀疏懲罰項。

    與一些典型的基于稀疏表示的單幅圖像超分辨率重建模型一樣,引入拉格朗日乘子后,基于學(xué)習(xí)的人臉超分辨率重建問題可以表述為[12]:

    式(2)可以看成一個典型的基追蹤問題或Lasso問題,正則化參數(shù)用于平衡式中的兩項。和兩個變量中一個固定求另一個時為經(jīng)典的凸優(yōu)化問題??梢酝ㄟ^最優(yōu)方向法、奇異值分解[13]等方法迭代直到收斂,更新得到和同時,如果字典過大,稀疏系數(shù)的值可能會過小,因此需要約束的列使其范數(shù)小于或等于1,即訓(xùn)練得到的超完備字典必須滿足其中約束條件為:

    根據(jù)上述稀疏表示模型,人臉超分辨率重建可分為四步:

    第一步,圖像塊處理。根據(jù)重建圖像建立高分人臉訓(xùn)練圖庫,按照字典訓(xùn)練要求將訓(xùn)練圖像和輸入低分人臉圖像劃分為圖像塊,再利用特征提取算子提取人臉圖像特征,通常使用的含4個一維濾波器:為轉(zhuǎn)置。每個圖像塊經(jīng)過濾波器處理后得到4個描述特征的向量,將它們組合起來可以形成一個總體特征向量來表示圖像塊[9]。

    第二步,字典訓(xùn)練。根據(jù)式(2),通過隨機填充、離散余弦變換等簡單方法設(shè)定初始字典,再用正交匹配追蹤等算法解出稀疏系數(shù)然后用奇異值分解等方法對稀疏字典逐列迭代更新得到高分字典和低分字典

    第三步,求解稀疏系數(shù)。結(jié)合輸入低分人臉圖像塊和已解出的通過式(4)解出用于圖像重建的稀疏系數(shù)

    在Matlab中可以利用SPAMS工具箱中提供的函數(shù)順利解出。

    第四步,圖像重建。稀疏表示理論認為高、低分辨率空間中稀疏系數(shù)近似相同,即存在則高分圖像塊的高頻部分可以通過下式計算:

    再將所有預(yù)測到的重疊若干像素合并所有高分圖像塊得到目標(biāo)高分圖像的高頻部分。在重疊區(qū)域,最終恢復(fù)值為各像素多次預(yù)測得到的加權(quán)平均值。最后,將低分輸入人臉與插值放大后得到與目標(biāo)圖像大小相同的作為重建圖像的低頻部分,與計算得到的高頻部分疊加得到目標(biāo)高分圖像:

    式中:為從高分圖像的第個位置上提取圖像塊的窗函數(shù)。除上述直接重建模型外,為使重建圖像嚴(yán)格滿足重建約束其中和分別為下采樣和模糊操作數(shù)。一些重建模型除包含重建約束項和稀疏超分正則項外,還引入局部先驗、非局部先驗等正則項,通過梯度遞減迭代計算出目標(biāo)高分圖像[14]。

    2 改進算法

    以基于學(xué)習(xí)的超分辨率重建技術(shù)為基礎(chǔ),文中算法在字典訓(xùn)練時引入在線學(xué)習(xí)方法訓(xùn)練生成超完備字典對,并通過優(yōu)化正則化參數(shù)、改善噪聲的魯棒性來進一步提升算法的超分效果和去噪能力。

    2.1 引入在線字典學(xué)習(xí)

    在基于學(xué)習(xí)的超分辨率重建過程中,字典訓(xùn)練的結(jié)果是影響超分結(jié)果的關(guān)鍵因素。在線字典訓(xùn)練時,可看作是的統(tǒng)計參數(shù)組合,利用圖像塊進行字典更新時,其結(jié)果只與當(dāng)前字典和輸入的圖像塊數(shù)據(jù)有關(guān),而與之前的圖像塊數(shù)據(jù)無關(guān)[15]。也就是說,在線學(xué)習(xí)得到的字典更新時并不需要完整的歷史圖像塊信息,它與傳統(tǒng)的字典學(xué)習(xí)方法的區(qū)別可表述為:

    在線字典學(xué)習(xí)過程中并不需要每次都記錄、處理它將當(dāng)前的和上一步迭代生成的結(jié)合起來,可以統(tǒng)計地表示為這種字典學(xué)習(xí)方法生成的字典更為準(zhǔn)確,而且在視頻幀序列等大規(guī)模動態(tài)數(shù)據(jù)的應(yīng)用方面應(yīng)用廣泛,這是傳統(tǒng)的字典學(xué)習(xí)方法無法企及的。因此,文中采用在線字典學(xué)習(xí)算法分別進行高、低分人臉樣本訓(xùn)練,先后得到和具體方法如下:

    (1) 初始化訓(xùn)練參數(shù)。設(shè)定字典訓(xùn)練階段用到的正則化參數(shù)和圖像塊大小以圖像塊集作為輸入信號,利用隨機矩陣、離散余弦變換、稀疏編碼等方法對初始字典進行初始化。

    (2) 稀疏編碼計算稀疏系數(shù)。從初始字典開始,利用最小角回歸算法迭代求解:

    式中:表示字典訓(xùn)練的迭代次數(shù),根據(jù)已知輸入的圖像塊向量更新稀疏系數(shù)雖然用于訓(xùn)練的人臉圖像集非常大,但圖片數(shù)量通常是確定的,即訓(xùn)練集尺寸是一定的。因此,盡管在線字典學(xué)習(xí)算法也適用于不定尺寸訓(xùn)練集和大規(guī)模訓(xùn)練集,文中為了平衡算法時間消耗和訓(xùn)練效果,與一些傳統(tǒng)字典訓(xùn)練算法比較,還是采用確定大小的訓(xùn)練集進行字典訓(xùn)練。

    (3) 迭代更新字典。用作為熱啟動,結(jié)合每次更新得到的稀疏系數(shù)根據(jù)下式迭代更新

    為了使的列不會因過大而導(dǎo)致其不滿足約束條件這里引入約束最優(yōu)化來解決這個問題。結(jié)合牛頓迭代法進行歸一化處理后得到:

    (4) 生成字典。次迭代完成后,生成超完備字典根據(jù)已知的訓(xùn)練高分圖像和插值縮小得到的低分訓(xùn)練圖像按照上述步驟分別先后生成高分字典和低分字典

    2.2 優(yōu)化稀疏系數(shù)

    當(dāng)算法在字典學(xué)習(xí)階段引入在線字典學(xué)習(xí)等較為精確的學(xué)習(xí)方法時,可以得到最優(yōu)的超完備字典對根據(jù)若要使重建的高分圖像塊足夠準(zhǔn)確,除高分字典外,也必須足夠準(zhǔn)確。而式(4)中根據(jù)輸入和求解的稀疏系數(shù)也只是一個用于圖像塊重建的近似值。而根據(jù)式(4),可以通過調(diào)整字典訓(xùn)練階段的正則化參數(shù)來找到最適合的重建稀疏系數(shù)

    在式(11)中第一行的字典訓(xùn)練階段和第二行求解重建稀疏系數(shù)階段,許多算法都使用相同的正則化參數(shù),即結(jié)合上述分析,當(dāng)訓(xùn)練和重建階段設(shè)置相同的正則化參數(shù)時,如果通過調(diào)整得到最優(yōu)的則字典訓(xùn)練階段的也同時被調(diào)整,就無法保證訓(xùn)練生成的足夠精確。因此,文中改進算法在字典訓(xùn)練階段和求解重建稀疏系數(shù)階段分別設(shè)置不同的正則化參數(shù)和實驗中可以通過靈活調(diào)整它們的值分別得到圖像塊重建時所需的最優(yōu)高分字典和稀疏系數(shù)。

    3 實驗結(jié)果

    實驗中采用Multi?PIE[16]中大小為240×320的1 990幅人臉圖集作為訓(xùn)練集,用雙三次插值法(Bicubic)將高分人臉源圖像縮小3倍作為測試圖像隨機選取。目標(biāo)超分圖像放大3倍。采樣圖像塊數(shù)量取50 000,低、高分圖像塊大小分別為3×3和9×9,重建時高分圖像塊重疊1像素。Bicubic放大2倍后用特征提取算子提取特征,且只對人眼比較敏感的輸入彩色圖像亮度部分進行超分重建。

    3.1 PSNR與視覺效果

    實驗中將本文算法與Bicubic法、位置修補法[6](Ma10)和稀疏編碼法[10](Yang10)的超分效果進行對比,使用常用的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和結(jié)構(gòu)相似性(Structural Similarity,SSIM)兩項指標(biāo)來評價。其中,Ma10和Yang10分別代表結(jié)構(gòu)型和常規(guī)圖像型人臉超分算法,實驗中隨機選取了40幅人臉圖像,部分超分結(jié)果如表1所示。從整幅圖像的PSNR值來看,Ma10的超分效果最差,平均比最簡單的Bicubic法還要低3.04 dB。以自然圖像為訓(xùn)練集的Yang10總體上與Bicubic處于同一水平,其中,測試圖像0146.png超分結(jié)果差距最大,比Bicubic法提高了0.3 dB。本文算法在四種方法中表現(xiàn)最好,所有圖像的PSNR和SSIM均為最大值,且比Yang10的PSNR平均提升0.85 dB,SSIM平均提升0.013 3。

    從圖1中的視覺效果對比上來看,雖然Ma10超分結(jié)果的PSNR值比Bicubic低得多,但看起來更清晰。這是因為它所使用的位置修補法對圖像進行了“涂抹”: 將對比度大的高頻部分增強,如眼眶邊緣、眼神,光看起來最自然;將變化較為緩慢的低頻部分,如發(fā)絲、背景文字、皺紋、斑點等細節(jié)虛化。這種操作使其偏離源圖像較遠,PSNR值低,但“美顏”效果較好。Yang10與Ma10在視覺上的處理方向是相反的,整體上圖像更加清晰,皺紋、背景文字等邊緣細節(jié)表現(xiàn)更好,這是因為它增強的圖像高頻范圍比Ma10更大,缺點是圖像噪點增多,眼皮上方、背景文字等圖像邊緣偽影較明顯。本文算法的視覺表現(xiàn)最好,既不過分涂抹,也未過分銳化,最為自然,未產(chǎn)生明顯偽影。

    3.2 正則化參數(shù)的影響

    采用本文改進算法,將字典大小設(shè)置為設(shè)置不同的正則化參數(shù)對進行超分重建。實驗中隨機選取20幅輸入圖像,正則化參數(shù)從0.02~0.2每隔0.02取值形成正則化參數(shù)對部分結(jié)果如表2所示。從5組圖像的超分結(jié)果可以看出,當(dāng)訓(xùn)練和重建階段的正則化參數(shù)相同時,取(0.2,0.2)時的PSNR值最低,?。?.1,0.1)時PSNR提高 [10]0.64 dB。在字典訓(xùn)練和求解稀疏系數(shù)兩個階段分別設(shè)置不同的正則化參數(shù)并進行獨立地調(diào)整,得到的超分結(jié)果與?。?.1,0.1)時處于同一水平,?。?.1,0.04)時超分效果最好,PSNR比?。?.1,0.1)時提升0.07 dB。因此,3.3節(jié)中的噪聲魯棒性以(0.1,0.04)作為參照,通過調(diào)整噪聲方差進行分析討論。

    3.3 噪聲魯棒性

    大多數(shù)單圖超分算法均假設(shè)輸入源圖像干凈、無噪聲污染,這種假設(shè)通常與超分算法的實際應(yīng)用條件相背離。為了測試改進算法對于噪聲的魯棒性,實驗中在低分輸入圖像上疊加不同程度的0均值加性高斯噪聲進行超分辨率重建,高斯噪聲的標(biāo)準(zhǔn)差取var={1,2,…,10}。在進行含噪圖像超分時,正則化參數(shù)應(yīng)隨噪聲標(biāo)準(zhǔn)差逐漸增大[10]。根據(jù)實驗人臉圖像大小,實驗參考同類型的Yang10中的稀疏編碼超分算法中的參數(shù)設(shè)置方法,將用于圖像重建的正則化參數(shù)均相應(yīng)設(shè)置為經(jīng)驗值0.03 var。

    測試圖像001.png的不同程度加噪圖像超分結(jié)果的PSNR值對比如圖2所示。Yang10法在噪聲水平較低時比Bicubic法好,但噪聲較嚴(yán)重時,較嚴(yán)重的偽影使其噪聲也增強,PSNR值比Bicubic下降得更快。本文算法的PSNR值最大,同時隨噪聲方差增加而下降的趨勢比其他算法更為平緩,不同噪聲水平影響下PSNR值最穩(wěn)定,噪聲魯棒性最好。

    4 結(jié) 語

    基于在線字典學(xué)習(xí)的人臉超分辨率重建算法以人臉數(shù)據(jù)集作為外部訓(xùn)練圖像,引入在線字典學(xué)習(xí)方法,經(jīng)過圖像訓(xùn)練先后生成準(zhǔn)確的超完備字典對。在字典訓(xùn)練階段和求解重建稀疏系數(shù)階段設(shè)置不同的正則化參數(shù)并進行獨立地調(diào)整,以取得最佳的高分字典和稀疏系數(shù)用于目標(biāo)圖像塊重建。本文算法比經(jīng)典的稀疏編碼人臉超分算法在PSNR和SSIM上都有較大幅度的提升,圖像視覺上噪點和偽影更少、更自然,貼近原始高分圖像。而且,處理含噪圖像時,超分圖像的PSNR值更加穩(wěn)定,噪聲魯棒性更好。但本文算法的不足之處在于,當(dāng)訓(xùn)練樣本增大時,訓(xùn)練和重建階段的計算量呈線性增長,時間消耗和內(nèi)存消耗更大,后續(xù)研究中將進一步優(yōu)化在線字典學(xué)習(xí)中的稀疏編碼和字典更新模型,提高超分速度。

    參考文獻

    [1] WANG N, TAO D, GAO X, et al. A comprehensive survey to face hallucination [J]. International journal of computer vision, 2014, 106(1): 9?30.

    [2] LEE D D, SEUNG H S. Learning the parts of objects by non?negative matrix factorization [J]. Nature, 1999, 401(6755): 788?791.

    [3] S BAKER, T KANADE. Hallucinating faces [C]// Proceedings of the Fourth IEEE International Conference on Automatic Face and Gesture Recognition. Grenoble, France: IEEE, 2000: 83?88.

    [4] LIU C, SHUM H Y, FREEMAN W T. Face hallucination: theory and practice [J]. International journal of computer vision, 2007, 75(1): 115?134.

    [5] LIU Wei, LIN Dahua, TANG Xiaoou. Hallucinating faces: TensorPatch super?resolution and coupled residue compensation [C]// Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, USA: IEEE, 2005: 478?484.

    [6] MA X, ZHANG J, QI C. Hallucinating face by position?patch [J]. Pattern recognition, 2010, 43(6): 2224?2236.

    [7] JEONG?SEON P, SEONG?WHAN L. An example?based face hallucination method for single?frame, low?resolution facial images [J]. IEEE transactions on image processing, 2008, 17(10): 1806?1816.

    [8] YANG C Y, LIU S, YANG M H. Structured face hallucination [C]// Proceedings of the 2013 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Portland, USA: IEEE, 2013: 1099?1106.

    [9] CHANG H, YEUNG D, XIONG Y M. Super?resolution through neighbor embedding [C]// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington DC, USA: IEEE, 2004: 275?282.

    [10] YANG J C, WRIGHT J, MA Y. Image super?resolution via sparse representation [J]. IEEE transactions on image processing, 2010, 19(11): 2861?2873.

    [11] 盛帥,曹麗萍,黃增喜,等.基于改進稀疏編碼的圖像超分辨率算法[J].計算機應(yīng)用,2014,34(2):562?566.

    [12] LEE H, BATTLE A, RAINA R, et al. Efficient sparse coding algorithms [C]// Proceedings of the 19th International Confe?rence on Neural Information Processing Systems. Vancouver: [s.n.]. 2007: 801?808.

    [13] 張小丹,范九倫,徐健,等.K均值聚類和支持向量數(shù)據(jù)描述的圖像超分辨率算法[J].中國圖象圖形學(xué)報,2016,21(2):135?144.

    [14] ZHANG K, GAO X, TAO D, et al. Multi?scale dictionary for single image super?resolution [C]// Proceedings of the 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Rhode Island, USA: IEEE, 2012: 1114?1121.

    [15] MAIRAL J, BACH F, PONCE J, et al. Online learning for matrix factorization and sparse coding [J]. Journal of machine learning research, 2010, 11(10): 19?60.

    [16] GROSS R, MATTHEWS I, COHN J, et al. Multi?PIE [J]. Image & vision computing, 2010, 28(5): 807?813.

    国产av一区在线观看免费| 99在线人妻在线中文字幕| 波多野结衣av一区二区av| 精品人妻1区二区| 精品久久久久久,| 午夜福利欧美成人| 色综合亚洲欧美另类图片| 国产一区二区在线av高清观看| videosex国产| 桃色一区二区三区在线观看| 国产伦在线观看视频一区| 免费在线观看影片大全网站| 国产欧美日韩一区二区三| 国产亚洲精品久久久久5区| 中文字幕精品亚洲无线码一区 | 久久香蕉精品热| 久久精品夜夜夜夜夜久久蜜豆 | 视频在线观看一区二区三区| 91成人精品电影| 国产一区二区激情短视频| 午夜福利视频1000在线观看| 老司机福利观看| 国产伦一二天堂av在线观看| 久久国产乱子伦精品免费另类| 亚洲无线在线观看| 夜夜夜夜夜久久久久| 久久 成人 亚洲| 国产一级毛片七仙女欲春2 | 亚洲专区字幕在线| 国产成人系列免费观看| 欧美日韩亚洲综合一区二区三区_| 国产麻豆成人av免费视频| 欧美最黄视频在线播放免费| 国产一级毛片七仙女欲春2 | 婷婷亚洲欧美| 亚洲片人在线观看| 亚洲国产欧美一区二区综合| 色尼玛亚洲综合影院| 香蕉久久夜色| www日本黄色视频网| 久久人妻福利社区极品人妻图片| 国产国语露脸激情在线看| 欧美另类亚洲清纯唯美| 白带黄色成豆腐渣| 久久99热这里只有精品18| 人成视频在线观看免费观看| 伦理电影免费视频| 久久国产精品影院| 久久久久久久久久黄片| 两性夫妻黄色片| 最新美女视频免费是黄的| 久热爱精品视频在线9| 97碰自拍视频| 神马国产精品三级电影在线观看 | 国产成人精品久久二区二区91| 国产一区二区激情短视频| 久久久久久国产a免费观看| 亚洲精品中文字幕一二三四区| 最近最新免费中文字幕在线| 午夜福利视频1000在线观看| 中文字幕人妻熟女乱码| 老司机午夜福利在线观看视频| 国产激情久久老熟女| 人人澡人人妻人| 91在线观看av| 变态另类成人亚洲欧美熟女| 老熟妇仑乱视频hdxx| 自线自在国产av| 午夜福利欧美成人| 90打野战视频偷拍视频| 亚洲成a人片在线一区二区| 精品国产国语对白av| 午夜免费成人在线视频| 亚洲一码二码三码区别大吗| 中文字幕最新亚洲高清| 欧美亚洲日本最大视频资源| 亚洲狠狠婷婷综合久久图片| 成熟少妇高潮喷水视频| 精品不卡国产一区二区三区| 日韩三级视频一区二区三区| aaaaa片日本免费| 国产亚洲精品av在线| 国产亚洲精品第一综合不卡| 成人午夜高清在线视频 | 亚洲成人国产一区在线观看| 亚洲成人久久爱视频| 一区二区三区国产精品乱码| 最好的美女福利视频网| 免费看美女性在线毛片视频| 精品日产1卡2卡| 777久久人妻少妇嫩草av网站| 免费av毛片视频| 俺也久久电影网| 啦啦啦观看免费观看视频高清| 悠悠久久av| 久久精品国产清高在天天线| 日本一区二区免费在线视频| 亚洲va日本ⅴa欧美va伊人久久| 久久国产精品男人的天堂亚洲| 大型av网站在线播放| 国产av一区在线观看免费| 亚洲精品在线美女| 亚洲性夜色夜夜综合| 亚洲一区高清亚洲精品| 亚洲av成人一区二区三| 欧美三级亚洲精品| 黑人操中国人逼视频| 又大又爽又粗| 免费人成视频x8x8入口观看| 久久久国产成人免费| 特大巨黑吊av在线直播 | 亚洲精品一区av在线观看| 精华霜和精华液先用哪个| 久久中文看片网| 免费看美女性在线毛片视频| 国产欧美日韩一区二区精品| 国产97色在线日韩免费| 精品一区二区三区av网在线观看| 中文字幕精品免费在线观看视频| 日韩欧美 国产精品| 18禁国产床啪视频网站| 夜夜爽天天搞| 免费在线观看日本一区| 在线视频色国产色| 亚洲五月婷婷丁香| 国产99久久九九免费精品| 神马国产精品三级电影在线观看 | 欧美中文日本在线观看视频| 久久香蕉精品热| 欧美激情极品国产一区二区三区| 婷婷丁香在线五月| 妹子高潮喷水视频| 一夜夜www| 日本三级黄在线观看| 女同久久另类99精品国产91| 欧美性猛交黑人性爽| 亚洲成国产人片在线观看| 欧美日韩精品网址| www.999成人在线观看| 美女 人体艺术 gogo| 一本大道久久a久久精品| 女性被躁到高潮视频| 丁香欧美五月| 高清毛片免费观看视频网站| 国产亚洲精品av在线| 日韩精品免费视频一区二区三区| 1024手机看黄色片| 欧美性长视频在线观看| 亚洲激情在线av| 制服诱惑二区| 中文字幕精品免费在线观看视频| 国产成年人精品一区二区| 一进一出抽搐动态| 国语自产精品视频在线第100页| 亚洲,欧美精品.| 亚洲成人久久爱视频| 国产伦在线观看视频一区| 一级a爱片免费观看的视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲成人久久性| 亚洲av日韩精品久久久久久密| 99久久综合精品五月天人人| 在线观看免费视频日本深夜| 欧美激情高清一区二区三区| 精品久久久久久久久久免费视频| 亚洲国产毛片av蜜桃av| 高清毛片免费观看视频网站| 久久精品国产综合久久久| 久久亚洲精品不卡| 日韩有码中文字幕| 天天一区二区日本电影三级| 19禁男女啪啪无遮挡网站| 精品久久蜜臀av无| 亚洲国产高清在线一区二区三 | 人人澡人人妻人| av中文乱码字幕在线| 俄罗斯特黄特色一大片| 国内精品久久久久精免费| 人人妻人人澡欧美一区二区| 黄片大片在线免费观看| 国产免费男女视频| 免费电影在线观看免费观看| 少妇的丰满在线观看| 精品不卡国产一区二区三区| 国产黄色小视频在线观看| 天堂影院成人在线观看| 亚洲av成人不卡在线观看播放网| 这个男人来自地球电影免费观看| 欧美 亚洲 国产 日韩一| 欧美黄色片欧美黄色片| 一卡2卡三卡四卡精品乱码亚洲| 亚洲中文字幕一区二区三区有码在线看 | 日韩精品中文字幕看吧| 久久久久久大精品| 久久国产精品人妻蜜桃| 欧美在线黄色| 热99re8久久精品国产| 欧美激情久久久久久爽电影| 视频区欧美日本亚洲| 午夜久久久在线观看| 老司机靠b影院| 午夜亚洲福利在线播放| 窝窝影院91人妻| 国产又色又爽无遮挡免费看| 亚洲成人久久爱视频| 亚洲av五月六月丁香网| 黑丝袜美女国产一区| 一本精品99久久精品77| 久久狼人影院| 一进一出抽搐动态| 国产一级毛片七仙女欲春2 | 久久久久久人人人人人| 日韩高清综合在线| 欧美激情久久久久久爽电影| 99国产综合亚洲精品| 一本精品99久久精品77| 18禁黄网站禁片免费观看直播| 18禁裸乳无遮挡免费网站照片 | 亚洲熟妇中文字幕五十中出| 国产精品永久免费网站| 成人三级黄色视频| 无人区码免费观看不卡| 一二三四在线观看免费中文在| 美女高潮到喷水免费观看| √禁漫天堂资源中文www| 日韩精品青青久久久久久| 午夜福利在线观看吧| 中文字幕高清在线视频| 久久久久久久久久黄片| www.熟女人妻精品国产| 国产又爽黄色视频| 97超级碰碰碰精品色视频在线观看| 亚洲中文字幕日韩| 亚洲aⅴ乱码一区二区在线播放 | 国产又爽黄色视频| e午夜精品久久久久久久| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 国产成人精品久久二区二区免费| 国产高清激情床上av| 99久久国产精品久久久| 不卡一级毛片| 亚洲国产精品成人综合色| 久久国产亚洲av麻豆专区| 色综合亚洲欧美另类图片| 国产区一区二久久| 身体一侧抽搐| 久久久久久久午夜电影| 人人妻人人澡人人看| 国产激情久久老熟女| 看片在线看免费视频| 成人特级黄色片久久久久久久| 国产私拍福利视频在线观看| 母亲3免费完整高清在线观看| 婷婷丁香在线五月| 欧美乱码精品一区二区三区| 国产高清视频在线播放一区| 久久久国产精品麻豆| 色播亚洲综合网| 精品日产1卡2卡| 国产伦在线观看视频一区| 韩国精品一区二区三区| 日本a在线网址| 丰满人妻熟妇乱又伦精品不卡| 91成人精品电影| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美三级亚洲精品| 高清毛片免费观看视频网站| 欧美国产精品va在线观看不卡| 琪琪午夜伦伦电影理论片6080| 国产又黄又爽又无遮挡在线| 一进一出好大好爽视频| 色综合欧美亚洲国产小说| 波多野结衣高清无吗| 久久久久九九精品影院| 日本成人三级电影网站| 啪啪无遮挡十八禁网站| 欧美乱码精品一区二区三区| 长腿黑丝高跟| 人人澡人人妻人| 久热这里只有精品99| 久久久久久亚洲精品国产蜜桃av| 婷婷精品国产亚洲av在线| 久久午夜亚洲精品久久| 成人特级黄色片久久久久久久| 亚洲aⅴ乱码一区二区在线播放 | 一a级毛片在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲一区二区三区色噜噜| 1024视频免费在线观看| 国语自产精品视频在线第100页| 日韩欧美免费精品| 亚洲一区二区三区不卡视频| 一进一出好大好爽视频| 精品欧美一区二区三区在线| 97人妻精品一区二区三区麻豆 | 亚洲国产高清在线一区二区三 | 不卡av一区二区三区| 亚洲av日韩精品久久久久久密| 黄色a级毛片大全视频| 国产主播在线观看一区二区| 国产v大片淫在线免费观看| 韩国精品一区二区三区| 美女 人体艺术 gogo| 亚洲国产欧美日韩在线播放| 国产亚洲av嫩草精品影院| 一级a爱视频在线免费观看| 国产亚洲精品久久久久5区| 热re99久久国产66热| www.999成人在线观看| 一本精品99久久精品77| 国产精品,欧美在线| 亚洲国产中文字幕在线视频| 国产真人三级小视频在线观看| 欧美色欧美亚洲另类二区| 亚洲全国av大片| 国产亚洲av嫩草精品影院| 少妇 在线观看| 两个人视频免费观看高清| 成人精品一区二区免费| 91成年电影在线观看| 可以在线观看毛片的网站| 欧美黄色片欧美黄色片| 久久热在线av| 亚洲久久久国产精品| 成人18禁高潮啪啪吃奶动态图| 男女下面进入的视频免费午夜 | 日本免费一区二区三区高清不卡| 国产真实乱freesex| 999久久久精品免费观看国产| 中国美女看黄片| 欧美精品亚洲一区二区| 在线观看午夜福利视频| 亚洲成人免费电影在线观看| 99riav亚洲国产免费| 午夜激情av网站| 亚洲aⅴ乱码一区二区在线播放 | 欧美午夜高清在线| 正在播放国产对白刺激| 男人舔女人下体高潮全视频| 午夜成年电影在线免费观看| 午夜福利一区二区在线看| 欧美另类亚洲清纯唯美| av在线播放免费不卡| 精品欧美一区二区三区在线| 男人舔女人下体高潮全视频| 欧美成人免费av一区二区三区| 美女大奶头视频| 亚洲免费av在线视频| 国产av在哪里看| 免费在线观看亚洲国产| 欧美日本亚洲视频在线播放| 久久草成人影院| 色在线成人网| 精品日产1卡2卡| 欧美在线黄色| 国产精品永久免费网站| 在线免费观看的www视频| 制服人妻中文乱码| 一二三四社区在线视频社区8| 欧美久久黑人一区二区| 国产精品一区二区三区四区久久 | 国内揄拍国产精品人妻在线 | 日韩成人在线观看一区二区三区| 亚洲第一欧美日韩一区二区三区| 精华霜和精华液先用哪个| 精品久久蜜臀av无| 欧美黑人精品巨大| 国产aⅴ精品一区二区三区波| 国产欧美日韩一区二区三| 国产高清videossex| 久久精品aⅴ一区二区三区四区| 欧美成人免费av一区二区三区| 巨乳人妻的诱惑在线观看| 精品久久蜜臀av无| 国产高清激情床上av| 国产精品 欧美亚洲| 在线永久观看黄色视频| 欧美久久黑人一区二区| 国产午夜精品久久久久久| 看免费av毛片| 国产一区二区三区在线臀色熟女| 中文资源天堂在线| 欧美日韩乱码在线| 精品福利观看| 黄片大片在线免费观看| 一区二区三区高清视频在线| aaaaa片日本免费| 2021天堂中文幕一二区在线观 | 色综合亚洲欧美另类图片| 中文字幕最新亚洲高清| 欧美黄色片欧美黄色片| 国产精品野战在线观看| 久久中文字幕一级| 欧美激情久久久久久爽电影| 午夜福利在线观看吧| 中文亚洲av片在线观看爽| 俺也久久电影网| 妹子高潮喷水视频| 99久久国产精品久久久| 嫩草影视91久久| 给我免费播放毛片高清在线观看| 午夜久久久久精精品| 一级毛片女人18水好多| 久久久国产欧美日韩av| 中文字幕人妻熟女乱码| 日韩精品中文字幕看吧| videosex国产| 亚洲在线自拍视频| 国产主播在线观看一区二区| 国产亚洲欧美98| 此物有八面人人有两片| bbb黄色大片| 精品国产亚洲在线| 久久精品成人免费网站| 不卡av一区二区三区| 欧美黑人欧美精品刺激| av片东京热男人的天堂| 亚洲午夜精品一区,二区,三区| 久久久久久大精品| 成熟少妇高潮喷水视频| av天堂在线播放| 国产精品精品国产色婷婷| e午夜精品久久久久久久| 国语自产精品视频在线第100页| 国产一区二区激情短视频| 757午夜福利合集在线观看| 一二三四社区在线视频社区8| 国产高清videossex| 国产又色又爽无遮挡免费看| 久久久国产成人精品二区| 日韩免费av在线播放| 国产av又大| 精品不卡国产一区二区三区| av视频在线观看入口| 韩国av一区二区三区四区| 国产精品日韩av在线免费观看| 男女那种视频在线观看| 他把我摸到了高潮在线观看| 校园春色视频在线观看| 波多野结衣av一区二区av| 黄色片一级片一级黄色片| 午夜两性在线视频| 满18在线观看网站| 好看av亚洲va欧美ⅴa在| 变态另类丝袜制服| 精品久久久久久久久久久久久 | 亚洲第一青青草原| 成人亚洲精品av一区二区| 国产精品影院久久| 一级作爱视频免费观看| 亚洲精品在线美女| 这个男人来自地球电影免费观看| 少妇熟女aⅴ在线视频| 国产精品精品国产色婷婷| 热re99久久国产66热| 国产午夜精品久久久久久| 久久久久久久久免费视频了| 嫩草影院精品99| 日韩大尺度精品在线看网址| 丰满的人妻完整版| 亚洲avbb在线观看| 久久国产精品男人的天堂亚洲| 成年免费大片在线观看| 欧美+亚洲+日韩+国产| 在线观看日韩欧美| 日本黄色视频三级网站网址| 1024视频免费在线观看| 国产精品1区2区在线观看.| 一区二区三区精品91| 欧美+亚洲+日韩+国产| 99久久综合精品五月天人人| 岛国视频午夜一区免费看| 午夜日韩欧美国产| av超薄肉色丝袜交足视频| 国产成人欧美| 久久久久久亚洲精品国产蜜桃av| 国产欧美日韩一区二区三| 日日摸夜夜添夜夜添小说| 一夜夜www| 国产亚洲精品久久久久久毛片| 国产极品粉嫩免费观看在线| 国产三级在线视频| 日韩欧美国产在线观看| 一个人免费在线观看的高清视频| 国产黄片美女视频| 亚洲成人久久爱视频| 精华霜和精华液先用哪个| 久久国产精品人妻蜜桃| 国产精品精品国产色婷婷| 国产精品1区2区在线观看.| 一级作爱视频免费观看| 欧美在线黄色| 91老司机精品| 黄频高清免费视频| 在线观看免费视频日本深夜| 久久这里只有精品19| 国产精品香港三级国产av潘金莲| 91老司机精品| 国产黄色小视频在线观看| 亚洲熟女毛片儿| 免费在线观看亚洲国产| 在线永久观看黄色视频| 在线国产一区二区在线| 夜夜爽天天搞| 久久精品人妻少妇| 欧美日韩亚洲国产一区二区在线观看| www.999成人在线观看| 91九色精品人成在线观看| 中国美女看黄片| 欧美+亚洲+日韩+国产| 美女扒开内裤让男人捅视频| 国产欧美日韩精品亚洲av| 亚洲一区二区三区不卡视频| 午夜免费激情av| 日韩精品青青久久久久久| 国产久久久一区二区三区| 国产午夜精品久久久久久| 又黄又爽又免费观看的视频| 中文字幕人妻熟女乱码| 日韩精品免费视频一区二区三区| 中文字幕av电影在线播放| 亚洲aⅴ乱码一区二区在线播放 | 久久久久久久午夜电影| 国语自产精品视频在线第100页| 99精品久久久久人妻精品| 国产一区在线观看成人免费| 精品国内亚洲2022精品成人| 最近最新中文字幕大全免费视频| 99久久久亚洲精品蜜臀av| www国产在线视频色| 亚洲,欧美精品.| 久久精品国产综合久久久| 久久久久国内视频| 久久久久亚洲av毛片大全| 久久久久精品国产欧美久久久| 亚洲成人国产一区在线观看| 在线国产一区二区在线| 视频在线观看一区二区三区| 99国产极品粉嫩在线观看| 日韩欧美国产在线观看| 免费看美女性在线毛片视频| 精品一区二区三区视频在线观看免费| www国产在线视频色| 在线免费观看的www视频| 一本大道久久a久久精品| 欧美乱妇无乱码| 国产又爽黄色视频| 日日爽夜夜爽网站| 最近最新免费中文字幕在线| 自线自在国产av| 正在播放国产对白刺激| 欧美日韩亚洲综合一区二区三区_| 夜夜看夜夜爽夜夜摸| 久久久国产成人精品二区| 国产精品久久久久久精品电影 | 免费人成视频x8x8入口观看| 伊人久久大香线蕉亚洲五| 成人18禁在线播放| 俄罗斯特黄特色一大片| 日韩中文字幕欧美一区二区| www国产在线视频色| АⅤ资源中文在线天堂| 激情在线观看视频在线高清| 日本一区二区免费在线视频| 日韩欧美一区视频在线观看| 亚洲av中文字字幕乱码综合 | 午夜福利高清视频| www.精华液| 天天添夜夜摸| 欧美日韩黄片免| 精品久久蜜臀av无| 美女高潮到喷水免费观看| 一二三四在线观看免费中文在| 日本撒尿小便嘘嘘汇集6| 亚洲av美国av| 又黄又爽又免费观看的视频| 色播亚洲综合网| 国产一级毛片七仙女欲春2 | 日韩欧美 国产精品| 亚洲成av人片免费观看| 少妇粗大呻吟视频| 国产欧美日韩一区二区精品| 人人妻人人澡欧美一区二区| 人妻久久中文字幕网| 久久精品国产亚洲av香蕉五月| 久久人妻av系列| 久久香蕉国产精品| 国产熟女xx| 中亚洲国语对白在线视频| 侵犯人妻中文字幕一二三四区| 欧美成人一区二区免费高清观看 | 国产麻豆成人av免费视频| 亚洲成人精品中文字幕电影| www.精华液| 亚洲熟妇中文字幕五十中出| 国产亚洲精品av在线| 国产精品久久久久久人妻精品电影| 精品国产亚洲在线| 老司机午夜十八禁免费视频| 在线观看一区二区三区| 淫妇啪啪啪对白视频| 天天添夜夜摸| 777久久人妻少妇嫩草av网站| 欧美色视频一区免费| 天天躁狠狠躁夜夜躁狠狠躁| 精品久久久久久久久久久久久 | aaaaa片日本免费| 久久亚洲精品不卡| 久久青草综合色| 黄色视频,在线免费观看| 欧美不卡视频在线免费观看 | 国产日本99.免费观看| 婷婷六月久久综合丁香| 国产激情偷乱视频一区二区|