• <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 ?

    一種基于CNN與梯度分水嶺算法的衛(wèi)星圖像區(qū)域分割識別方法

    2017-03-26 06:38:50張日升朱桂斌張燕琴陳威靜
    紅外技術(shù) 2017年12期
    關(guān)鍵詞:分水嶺類別梯度

    張日升,朱桂斌,張燕琴,陳威靜

    ?

    一種基于CNN與梯度分水嶺算法的衛(wèi)星圖像區(qū)域分割識別方法

    張日升1,朱桂斌1,張燕琴2,陳威靜1

    (1. 重慶通信學(xué)院應(yīng)急通信重慶市重點實驗室;重慶 400035;2. 中國人民解放軍95894部隊,北京 102211)

    衛(wèi)星圖像的準確分割與識別在軍事、環(huán)境、民生方面都有著重要的研究意義與價值。傳統(tǒng)的區(qū)域分割算法如分水嶺算法、k-means算法等在錯綜復(fù)雜的衛(wèi)星圖像中表現(xiàn)不佳,且不能同時給出區(qū)域的類別。為解決上述問題,本文提出一種結(jié)合CNN與分水嶺算法的圖像區(qū)域分割方法。該方法首先使用人工標記的區(qū)域圖像訓(xùn)練CNN(卷積神經(jīng)網(wǎng)絡(luò))分類器,且使其具有旋轉(zhuǎn)不變性及平移不變性,從而能適應(yīng)不同狀態(tài)下的圖像分類。然后用分水嶺算法對圖像進行區(qū)域粗粒度的聚類,針對分割出的每一個候選區(qū)域,使用CNN分類器對其迭代打分,最后得到分割區(qū)域并給出識別結(jié)果。實驗結(jié)果表明,該方法較傳統(tǒng)方法有更好效果。

    卷積神經(jīng)網(wǎng)絡(luò);梯度分水嶺;衛(wèi)星圖像;分割識別

    0 引言

    圖像分割技術(shù)一直是計算機視覺領(lǐng)域中的一個研究熱點。圖像分割是指將數(shù)字圖像細分為多個圖像子區(qū)域的過程[1],通常用于定位圖像中的物體和邊界。對于衛(wèi)星圖像,因其錯綜復(fù)雜的區(qū)域交叉特性與區(qū)域間的不規(guī)則連接,傳統(tǒng)的圖像分割技術(shù),如Chen等[2]提出的基于顏色的聚類方法和Fowlkes等[3]提出的基于梯度的圖像分割方法,容易造成多分、重分等問題,效果不佳。

    隨著深度學(xué)習(xí)的興起,卷積神經(jīng)網(wǎng)絡(luò)越來越多的被應(yīng)用到了圖像識別中[4],卷積神經(jīng)網(wǎng)絡(luò)的稀疏連接、權(quán)值共享的特殊結(jié)構(gòu),不僅大大降低了模型的運算復(fù)雜度,而且旋轉(zhuǎn)不變性與縮放不變性也使其具備良好的魯棒性。目前,Google利用卷積神經(jīng)網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上已取得了96.9%的驚人準確率。同時,將卷積神經(jīng)網(wǎng)絡(luò)運用到衛(wèi)星圖像的分類問題中,可以較好地解決衛(wèi)星離地距離不同、遙感設(shè)備拍攝角度不同和大氣層多光譜散射等帶來的噪聲等問題。

    我們也考慮到了RCNN(Region with Convo- lutional Neural Network)與 Fast-RCNN[5]對于區(qū)域的分割方法。由于Fast-RCNN在訓(xùn)練與識別時,所計算出的區(qū)域均為矩形,對于彎曲的公路或河流,具有較低的召回率,因此只能解決局部的準確率問題,大幅的衛(wèi)星圖像中表現(xiàn)不佳。如圖1所示。

    為解決多分、重分以及召回率過低的問題,我們結(jié)合卷積神經(jīng)網(wǎng)絡(luò)[6]對圖像精準分類的優(yōu)點,提出分割區(qū)域重組思想。首先使用梯度分水嶺算法[7]對預(yù)處理后的圖像按顏色進行粗粒度聚類,再使用卷積神經(jīng)網(wǎng)絡(luò)對每一個聚類區(qū)域按一定規(guī)則進行迭代識別,并按識別結(jié)果對每一個類別進行打分,將得分最高的類別認為是該區(qū)域所屬類別。針對相同類別的相鄰區(qū)域,將其合并為一個區(qū)域,進而解決多分重分問題。

    1 算法實現(xiàn)

    本文利用卷積神經(jīng)網(wǎng)絡(luò)在分類時具有平移不變性、旋轉(zhuǎn)不變性的特點,對衛(wèi)星圖像塊進行準確分類(準確率97%),進而對候選區(qū)域打分并重組,實現(xiàn)區(qū)域分割識別。本文首先利用梯度分水嶺算法對整幅衛(wèi)星圖像按顏色聚類,得到粗略的區(qū)域劃分,然后對候選區(qū)域使用CNN分類器為所屬類別打分,最后根據(jù)得分,重新整理候選區(qū)域,得到分割識別結(jié)果。算法流程如圖2所示。

    1.1 數(shù)據(jù)預(yù)處理

    首先采用小波變換[8]對圖像進行去噪處理,然后將圖像轉(zhuǎn)為灰度圖,采用中值濾波算法[9]對圖像做平滑處理,便于梯度分水嶺算法聚類。

    1.1.1 小波變換

    采用自適應(yīng)閾值法去噪。相比于固定閾值方法,該方法可自適應(yīng)地調(diào)節(jié)閾值,使之對于不同噪聲的適應(yīng)性與穩(wěn)定性都得到了提升。自適應(yīng)閾值定義如公式(1):

    式中:為小波的總分解尺度;為閾值小波尺度??梢?,不同尺度有不同閾值,與小波分析的多分辨率相適應(yīng)。

    圖像經(jīng)小波變換去噪后效果如圖3所示(左圖為原始圖像,右圖為去噪后圖像)。

    1.1.2 中值濾波

    針對灰度圖,采用中值濾波算法對其處理,如公式(2):

    (,)=med{(-,-),(,?)} (2)

    式中:(,)和(,)分別為處理后的圖像與原始圖像;和分別為圖像橫坐標和縱坐標的滑動距離;為二維模板,本方法中選取9×9大小的區(qū)域。

    針對圖像中混雜的一些椒鹽噪聲,采用中值濾波方法可以很好地起到過濾作用,如圖4所示(左圖為輸入圖像,右圖為中值濾波后圖像)。

    1.2 區(qū)域粗分割

    1.2.1 梯度分水嶺算法

    分水嶺分割方法,是一種基于拓撲理論的數(shù)學(xué)形態(tài)學(xué)的分割方法,其基本思想是把圖像看作是測地學(xué)上的拓撲地貌,圖像中每一點像素的灰度值表示該點的海拔高度,每一個局部極小值及其影響區(qū)域稱為集水盆,而集水盆的邊界則形成分水嶺。

    分水嶺變換得到的是輸入圖像的集水盆圖像,集水盆之間的邊界點,即為分水嶺。顯然,分水嶺表示的是輸入圖像極大值點。因此,為得到圖像的邊緣信息,通常把梯度圖像作為輸入圖像,如公式(3):

    圖1 基于RCNN的衛(wèi)星遙感圖像區(qū)域識別結(jié)果

    圖2 基于CNN與梯度分水嶺算法的區(qū)域分割算法流程圖

    式中:函數(shù)表示原始圖像;grad函數(shù)表示梯度運算。

    為降低分水嶺算法產(chǎn)生的過度分割,通常要對梯度函數(shù)進行修改,一個簡單的方法是對梯度圖像進行閾值處理,以消除灰度的微小變化產(chǎn)生的過度分割,如公式(4):

    (,)=max(grad((,)),()) (4)

    式中:函數(shù)表示閾值。

    1.2.2 候選區(qū)域獲取

    結(jié)合實際圖像,對預(yù)處理后的圖像使用梯度分水嶺算法進行區(qū)域粗分割,當(dāng)閾值為10時分割結(jié)果如圖5所示(從左至右依次是輸入圖像、梯度化后圖像、標記后圖像和分割后圖像)。

    1.3 卷積神經(jīng)網(wǎng)絡(luò)模型

    1.3.1 卷積神經(jīng)網(wǎng)絡(luò)的特點

    卷積神經(jīng)網(wǎng)絡(luò)受貓腦皮層的局部感知與方向選擇的啟發(fā)而被設(shè)計提出。一方面,卷積神經(jīng)網(wǎng)絡(luò)中神經(jīng)元之間的稀疏鏈接與權(quán)值共享,可使其在深層次上挖掘出數(shù)據(jù)在空間上的關(guān)系,因此使網(wǎng)絡(luò)具有旋轉(zhuǎn)不變性與平移不變性;同時,參數(shù)共享也減少網(wǎng)絡(luò)中可訓(xùn)練參數(shù)的數(shù)量,提高了訓(xùn)練速度與計算效率。

    1.3.2 針對衛(wèi)星圖像搭建的卷積神經(jīng)網(wǎng)絡(luò)模型

    模型分為兩個部分。一是特征提取部分,一是分類部分。其中,特征提取部分負責(zé)學(xué)習(xí)圖像塊中的有效特征以助于后續(xù)分類;分類部分利用上述特征對圖像所屬類別進行精準預(yù)測。

    特征提取部分是由卷積層與池化層組成。其中,卷積層又由眾多卷積核組成,最后經(jīng)過激活函數(shù)后將結(jié)果輸出,如公式(5):

    式中:x表示第層卷積層中第個圈結(jié)合對應(yīng)的特征;M表示當(dāng)前神經(jīng)元的感受域;W表示第層中第個卷積核的第個加權(quán)系數(shù);b表示第層中第個卷積核的偏執(zhí)系數(shù),在這里,我們選取ReLu函數(shù)作為激活函數(shù),如公式(6):

    ()=max(0,) (6)

    池化層利用局部相關(guān)性原理對數(shù)據(jù)進行子抽樣,在減少數(shù)據(jù)維度的同時又保證了信息的有效性,且使模型具有了平移不變性。如公式(7):

    式中:down函數(shù)表示卷積函數(shù);表示加權(quán)系數(shù);表示偏執(zhí)系數(shù)。

    針對35×35像素大小的遙感衛(wèi)星圖像設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)模型圖,如圖6所示。

    1.3.3 訓(xùn)練方法

    卷積神經(jīng)網(wǎng)絡(luò)是輸入到輸出的映射,能夠在不需要任何輸入和輸出之間的精確數(shù)學(xué)表達式的前提下,利用已標記的數(shù)據(jù)進行訓(xùn)練,建立輸入輸出對之間的映射關(guān)系。卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程如圖7所示。

    據(jù)經(jīng)驗值,將設(shè)為60,偏置系數(shù)初始為1,卷積核加權(quán)系數(shù)按照公式(8)初始化:

    式中:Fin為輸入數(shù)據(jù)的維度;Fout為輸出數(shù)據(jù)的維度。

    圖4 中值濾波

    圖5 梯度分水嶺算法區(qū)域粗分割

    圖6 識別衛(wèi)星圖像的卷積神經(jīng)網(wǎng)絡(luò)模型圖

    圖7 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖

    1.4 區(qū)域分割方法

    1.4.1 區(qū)域打分

    對于2.2節(jié)給出的候選區(qū)域,我們使用2.3節(jié)中CNN分類器對候選區(qū)域中的每一個圖像塊進行識別分類,步長為25,如圖8所示。

    對于邊界外區(qū)域,我們采用0填充,如圖9所示。

    為所屬類別打分,分值即為softmax給出的概率值,如公式(9):

    式中:Ci為第i類別的得分;n為大區(qū)域中小區(qū)域塊的數(shù)量;Sji為第j個區(qū)域塊屬于i類別的概率。

    Fig. 8 Region marking

    圖9 邊界填充

    圖10的打分結(jié)果如表1所示,精確到小數(shù)點后兩位,小于0.01時得分為0。

    1.4.2 區(qū)域重組

    對上述打分后的區(qū)域,認為得分最高的類別為該區(qū)域所屬類別,同時,將屬于同一類別而相鄰的區(qū)域合并,如圖10所示。

    圖10 區(qū)域合并

    Fig. 10 Region merging

    表1 遙感圖像分割區(qū)域打分表

    2 測試結(jié)果及分析

    2.1 卷積神經(jīng)網(wǎng)絡(luò)超參數(shù)選取方法

    2.1.1 訓(xùn)練數(shù)據(jù)的選取

    實驗所使用數(shù)據(jù)來自谷歌衛(wèi)星地圖19級圖像,隨機區(qū)域采集后切分成25×25像素圖像,按照類別分為5類,即草地、湖泊、公路、居民區(qū)、土地,每類5000張,合計25000張。為了增加樣本的相關(guān)性,使模型具有更好的泛化能力,現(xiàn)將訓(xùn)練數(shù)據(jù)依次順時針旋轉(zhuǎn)90°、180°和270°,如圖11所示。

    經(jīng)過旋轉(zhuǎn)處理后,每類圖片擴增至20000張,合計100000張。在每類20000張數(shù)據(jù)中,隨機取12000張作為訓(xùn)練集,其余部分隨機分成兩部分,每部分4000張,分別為測試集與驗證集。

    2.1.2 訓(xùn)練次數(shù)選擇

    我們將數(shù)據(jù)按每128張圖片為一個batch,最后一個batch不足128時隨機抽取補充,共160個batch,迭代到360次之后,loss不再下降,模型訓(xùn)練完畢,如圖12所示。

    2.2 與經(jīng)典BP神經(jīng)網(wǎng)絡(luò)對比

    為證實設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)更加有效,我們將相同數(shù)據(jù)集用經(jīng)典BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練,并作比較實驗,結(jié)果如表2所示。

    2.3 與傳統(tǒng)圖像分割方法比較

    同時,為證實本方法較傳統(tǒng)方法的有效性,作對比實驗,結(jié)果如表3所示。

    2.4 結(jié)果分析

    由于衛(wèi)星圖像的特殊性,直接采用傳統(tǒng)的梯度分水嶺算法會產(chǎn)生明顯的多分和重分現(xiàn)象,無法達到識別的目的。若直接使用CNN方法進行區(qū)域識別,由于識別的區(qū)域均為矩形,對于彎曲的公路或河流,不能夠準確地表現(xiàn)出目標輪廓范圍,因此只能個別目標識別而無法做到大幅衛(wèi)星圖像識別?;贑NN與梯度分水嶺算法的衛(wèi)星圖像區(qū)域分割識別方法充分發(fā)揮了梯度分水嶺算法和卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢,圖像分割后邊界清晰,類別明顯,較好地實現(xiàn)了衛(wèi)星圖像的區(qū)域分割與識別功能。

    3 總結(jié)

    本文研究了CNN與梯度分水嶺算法相結(jié)合的衛(wèi)星圖像區(qū)域分割與識別方法,解決了傳統(tǒng)分割方法重分、多分與深度學(xué)習(xí)方法只能精準識別的問題。但是還有一些不足之處,如區(qū)域打分依賴于準確率較高的分類器、區(qū)域合并運算速度較慢等。同時,在討論本方法的時候,封閉區(qū)域的選取也是需要重點討論的對象。在下一步的工作中,我們將對如何選取封閉區(qū)間與如何進一步提高運算速度進行優(yōu)化。

    圖11 旋轉(zhuǎn)衛(wèi)星圖片

    Fig. 11 Rotating satellite images

    圖12 Loss曲線

    Fig. 12 Loss curve

    表2 卷積神經(jīng)網(wǎng)絡(luò)與經(jīng)典BP神經(jīng)網(wǎng)絡(luò)算法對比結(jié)果

    表3 CNN與梯度分水嶺結(jié)合方法與傳統(tǒng)方法對比結(jié)果

    [1] Acharya J, Gadhiya S, Raviya K. Segmentation techniques for image analysis: A review[J]., 2013, 2(1): 1218-1221.

    [2] CHEN J, Pappas T N, Mojsilovic A, et al. Adaptive image segmentation based on color and texture[C]//, 2002, 3: 777-780.

    [3] Fowlkes C, Martin D, Malik J. Learning affinity functions for image segmentation: Combining patch-based and gradient-based approaches[C] //, 2003, 2: II-54-61.

    [4] Sharif Razavian A, Azizpour H, Sullivan J, et al. CNN features off-the-shelf: an astounding baseline for recognition[C]//, 2014: 806-813.

    [5] Girshick R. Fast r-cnn[C]//, 2015: 1440-1448.

    [6] Ciregan D, Meier U, Schmidhuber J. Multi-column deep neural networks for image classification[C]// 2012(), 2012: 3642-3649.

    [7] MA J, BAI H, FENG J, et al. Image segmentation algorithm based on wavelet transformation and watershed[C]//, 2016: 100331L-100331L-5.

    [8] YAN R, SHAO L, LIU Y. Nonlocal hierarchical dictionary learning using wavelets for image denoising[J]., 2013, 22(12): 4689-4698.

    [9] Hsieh M H, CHENG F C, Shie M C, et al. Fast and efficient median filter for removing 1%-99% levels of salt-and-pepper noise in images[J]., 2013, 26(4): 1333 -1338.

    Method of Satellite Images Region Segmentation and Recognition Based on CNN and Gradient Watershed Algorithm

    ZHANG Risheng1,ZHU Guibin1,ZHANG Yanqin2,CHEN Weijing1

    (1.,,400035,; 2.95894,100102,)

    The accurate segmentation and recognition of satellite images is very important in military and environmental matters and for people's livelihoods. Traditional region segmentation algorithms, such as the watershed algorithm, k-means algorithm, etc., do not perform well on complex satellite images, and cannot simultaneously display the region category. To address this problem, a method of satellite images region segmentation is proposed based of a convolutional neural network (CNN) and the gradient watershed algorithm. Firstly, the artificial markers of regional images are used to train the CNN classifier to adapt to the different categories of image classification with rotation in variant and translation in variant. Then, the watershed algorithm is used for regional images’ coarse-grained clustering. For each candidate region segmented, CNN classifiers were used to iterate and mark. The experimental region segmentation and the recognition results show that the proposed method is better than the traditional methods.

    convolutional neural network,gradient watershed,sensing images,segmentation and recognition

    TP389.1

    A

    1001-8891(2017)12-1114-06

    2017-01-10;

    2017-12-01.

    張日升(1988-),男,碩士研究生。研究方向:智能信號與信息處理。E-mail:15320339816@163.com。

    重慶市科技研發(fā)基地能力提升項目(cstc2014ptsy40003)。

    猜你喜歡
    分水嶺類別梯度
    一個改進的WYL型三項共軛梯度法
    一種自適應(yīng)Dai-Liao共軛梯度法
    2019,一定是個分水嶺!
    一類扭積形式的梯度近Ricci孤立子
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    河南科技(2014年3期)2014-02-27 14:05:45
    “華北第一隧”——張涿高速分水嶺隧道貫通
    分水嶺
    久久鲁丝午夜福利片| 纯流量卡能插随身wifi吗| 亚洲色图综合在线观看| 多毛熟女@视频| 亚洲av男天堂| 亚洲色图 男人天堂 中文字幕| 日韩av在线免费看完整版不卡| 久久精品亚洲av国产电影网| 欧美日韩亚洲综合一区二区三区_| 亚洲,欧美,日韩| avwww免费| 在线观看人妻少妇| 丰满饥渴人妻一区二区三| 热99国产精品久久久久久7| 咕卡用的链子| 91老司机精品| 日本av手机在线免费观看| 亚洲综合色网址| www.精华液| 欧美中文综合在线视频| 亚洲免费av在线视频| 国产精品偷伦视频观看了| 国产不卡av网站在线观看| 午夜精品国产一区二区电影| 欧美成人午夜精品| 麻豆乱淫一区二区| 欧美日韩av久久| 婷婷色综合www| 黄色毛片三级朝国网站| 50天的宝宝边吃奶边哭怎么回事| 两个人看的免费小视频| 日本av手机在线免费观看| 欧美日韩视频高清一区二区三区二| 欧美另类一区| 久久久精品94久久精品| 自拍欧美九色日韩亚洲蝌蚪91| 女人精品久久久久毛片| 老司机午夜十八禁免费视频| 日韩一卡2卡3卡4卡2021年| 国产成人一区二区三区免费视频网站 | 热re99久久精品国产66热6| 久久精品国产综合久久久| 大片电影免费在线观看免费| 亚洲国产av新网站| 久久精品久久久久久噜噜老黄| 男女边摸边吃奶| 90打野战视频偷拍视频| 成人午夜精彩视频在线观看| 国产在线一区二区三区精| 丝瓜视频免费看黄片| 久久人人97超碰香蕉20202| 国产精品久久久久成人av| 国产成人av激情在线播放| 欧美日韩成人在线一区二区| 99精国产麻豆久久婷婷| 91麻豆精品激情在线观看国产 | 叶爱在线成人免费视频播放| 亚洲男人天堂网一区| 久久狼人影院| 一个人免费看片子| 一边摸一边做爽爽视频免费| 少妇猛男粗大的猛烈进出视频| 久久午夜综合久久蜜桃| 国产成人欧美在线观看 | 欧美黄色片欧美黄色片| a级毛片黄视频| 午夜激情久久久久久久| 久久久国产精品麻豆| 深夜精品福利| 亚洲av在线观看美女高潮| 中文乱码字字幕精品一区二区三区| 国产精品一区二区免费欧美 | 麻豆国产av国片精品| 香蕉丝袜av| 亚洲第一青青草原| 丝袜喷水一区| 秋霞在线观看毛片| 中文字幕av电影在线播放| av网站在线播放免费| 女警被强在线播放| 国产黄色免费在线视频| 国产熟女欧美一区二区| 99国产精品免费福利视频| 亚洲成人免费av在线播放| 999久久久国产精品视频| 欧美日韩精品网址| 我要看黄色一级片免费的| 男女国产视频网站| 精品久久久久久电影网| 日韩大码丰满熟妇| 精品国产一区二区三区久久久樱花| 免费在线观看完整版高清| 国产xxxxx性猛交| 国产高清视频在线播放一区 | 50天的宝宝边吃奶边哭怎么回事| 中文字幕色久视频| 在线观看免费午夜福利视频| 色精品久久人妻99蜜桃| 国产有黄有色有爽视频| www.av在线官网国产| 最近中文字幕2019免费版| 亚洲中文av在线| 久久精品国产亚洲av涩爱| kizo精华| 久久久欧美国产精品| 91麻豆精品激情在线观看国产 | 亚洲欧洲日产国产| 成人国产av品久久久| 久久精品久久精品一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 天堂中文最新版在线下载| 亚洲国产日韩一区二区| 男女床上黄色一级片免费看| 悠悠久久av| 久久精品亚洲熟妇少妇任你| 青青草视频在线视频观看| 色综合欧美亚洲国产小说| 日韩大片免费观看网站| 性少妇av在线| 99久久精品国产亚洲精品| 99热国产这里只有精品6| 波多野结衣一区麻豆| 嫁个100分男人电影在线观看 | 王馨瑶露胸无遮挡在线观看| 色播在线永久视频| 黄色毛片三级朝国网站| 美国免费a级毛片| 大片免费播放器 马上看| 精品高清国产在线一区| 大片免费播放器 马上看| 精品少妇一区二区三区视频日本电影| 一本大道久久a久久精品| 中文字幕高清在线视频| 亚洲av片天天在线观看| 国产成人精品久久二区二区免费| 久久国产亚洲av麻豆专区| 久久精品久久精品一区二区三区| 久久国产亚洲av麻豆专区| 中文字幕高清在线视频| 午夜福利影视在线免费观看| 老司机深夜福利视频在线观看 | 精品高清国产在线一区| 亚洲av片天天在线观看| 欧美人与性动交α欧美软件| 国产在视频线精品| 夜夜骑夜夜射夜夜干| 久久国产亚洲av麻豆专区| 天天躁日日躁夜夜躁夜夜| 国产又爽黄色视频| 国产免费视频播放在线视频| 中文字幕av电影在线播放| 久久精品国产综合久久久| 色婷婷久久久亚洲欧美| 国产精品一区二区精品视频观看| 国产亚洲一区二区精品| 婷婷色av中文字幕| 黑人巨大精品欧美一区二区蜜桃| 嫩草影视91久久| 91成人精品电影| 一本一本久久a久久精品综合妖精| 高清视频免费观看一区二区| av视频免费观看在线观看| 久久毛片免费看一区二区三区| 欧美变态另类bdsm刘玥| 成人午夜精彩视频在线观看| 黄片小视频在线播放| 新久久久久国产一级毛片| 韩国精品一区二区三区| 悠悠久久av| 人人妻,人人澡人人爽秒播 | 人人妻,人人澡人人爽秒播 | 性高湖久久久久久久久免费观看| 日韩,欧美,国产一区二区三区| 国产精品九九99| 国产精品香港三级国产av潘金莲 | 极品人妻少妇av视频| 久久精品久久久久久噜噜老黄| 亚洲一卡2卡3卡4卡5卡精品中文| 波多野结衣一区麻豆| 婷婷色综合大香蕉| 婷婷色综合大香蕉| 亚洲欧美成人综合另类久久久| 亚洲欧美成人综合另类久久久| xxx大片免费视频| 2018国产大陆天天弄谢| 夫妻午夜视频| 国产成人啪精品午夜网站| 国产高清国产精品国产三级| 多毛熟女@视频| 国产免费一区二区三区四区乱码| av电影中文网址| 秋霞在线观看毛片| 亚洲av成人不卡在线观看播放网 | 在现免费观看毛片| 中文字幕av电影在线播放| av国产久精品久网站免费入址| 午夜福利影视在线免费观看| 日韩 亚洲 欧美在线| 亚洲精品在线美女| 三上悠亚av全集在线观看| 国产深夜福利视频在线观看| 亚洲欧美色中文字幕在线| 男女无遮挡免费网站观看| 99re6热这里在线精品视频| 国产精品一区二区在线观看99| 黄频高清免费视频| 色精品久久人妻99蜜桃| 久久精品久久久久久噜噜老黄| 久久久久视频综合| 久久ye,这里只有精品| 国产1区2区3区精品| 中文字幕精品免费在线观看视频| 亚洲精品日本国产第一区| 精品国产超薄肉色丝袜足j| 另类精品久久| 18禁观看日本| 日韩视频在线欧美| 99re6热这里在线精品视频| 你懂的网址亚洲精品在线观看| 欧美亚洲 丝袜 人妻 在线| 精品国产一区二区久久| 亚洲国产欧美在线一区| 亚洲情色 制服丝袜| 咕卡用的链子| 亚洲精品第二区| 国产在线一区二区三区精| 中文字幕人妻丝袜一区二区| 久久人妻福利社区极品人妻图片 | 亚洲欧美精品综合一区二区三区| 老汉色∧v一级毛片| 一个人免费看片子| 男女无遮挡免费网站观看| 黄片小视频在线播放| 久久国产精品大桥未久av| 国产精品九九99| 国产熟女欧美一区二区| 国产免费福利视频在线观看| 亚洲一区二区三区欧美精品| 国产精品国产三级专区第一集| 少妇人妻久久综合中文| 国产男女内射视频| 久久青草综合色| 美国免费a级毛片| 亚洲精品中文字幕在线视频| 搡老岳熟女国产| 国产一区二区激情短视频 | 久久亚洲精品不卡| 99国产精品免费福利视频| 大码成人一级视频| 99九九在线精品视频| 天堂俺去俺来也www色官网| av线在线观看网站| 国产不卡av网站在线观看| 90打野战视频偷拍视频| 亚洲av国产av综合av卡| e午夜精品久久久久久久| 国产视频首页在线观看| 中文字幕高清在线视频| 亚洲五月色婷婷综合| 伊人久久大香线蕉亚洲五| 午夜免费男女啪啪视频观看| 美女高潮到喷水免费观看| 麻豆av在线久日| 各种免费的搞黄视频| 9色porny在线观看| 亚洲国产精品成人久久小说| 亚洲av在线观看美女高潮| 亚洲人成网站在线观看播放| 国产女主播在线喷水免费视频网站| 在线观看免费日韩欧美大片| 桃花免费在线播放| av天堂久久9| 亚洲欧美清纯卡通| 黄色 视频免费看| avwww免费| 亚洲九九香蕉| 亚洲美女黄色视频免费看| 国产精品人妻久久久影院| 久久青草综合色| 久久人人爽人人片av| 日本欧美视频一区| 在线天堂中文资源库| 久久热在线av| 精品久久久精品久久久| 国产亚洲一区二区精品| 涩涩av久久男人的天堂| 国产欧美亚洲国产| 永久免费av网站大全| 波多野结衣一区麻豆| 欧美国产精品一级二级三级| av国产久精品久网站免费入址| 国产亚洲一区二区精品| 欧美精品高潮呻吟av久久| 亚洲国产日韩一区二区| 亚洲欧美精品自产自拍| 精品久久久久久电影网| 国产精品欧美亚洲77777| 欧美乱码精品一区二区三区| 蜜桃国产av成人99| 久久亚洲精品不卡| 岛国毛片在线播放| 精品免费久久久久久久清纯 | 欧美精品av麻豆av| 精品久久久久久久毛片微露脸 | 国产精品一区二区免费欧美 | 中文字幕最新亚洲高清| 一本久久精品| 午夜两性在线视频| 成人午夜精彩视频在线观看| 日本a在线网址| 亚洲国产av影院在线观看| 日日夜夜操网爽| 午夜两性在线视频| 亚洲精品久久成人aⅴ小说| 成人免费观看视频高清| 亚洲美女黄色视频免费看| av天堂久久9| 曰老女人黄片| 老熟女久久久| 19禁男女啪啪无遮挡网站| 免费人妻精品一区二区三区视频| 国产片内射在线| 亚洲精品日本国产第一区| 欧美在线黄色| 精品久久久久久久毛片微露脸 | 国产主播在线观看一区二区 | 99九九在线精品视频| 成人国产一区最新在线观看 | 久久影院123| 国产亚洲av高清不卡| 国产在线免费精品| 亚洲黑人精品在线| 成年女人毛片免费观看观看9 | 日本wwww免费看| 国产av国产精品国产| 国产精品久久久久久精品古装| avwww免费| 高清黄色对白视频在线免费看| 两人在一起打扑克的视频| 脱女人内裤的视频| 亚洲精品中文字幕在线视频| 国产精品久久久人人做人人爽| 日本a在线网址| av网站在线播放免费| www日本在线高清视频| 国产精品香港三级国产av潘金莲 | 久久精品国产综合久久久| 丝瓜视频免费看黄片| videosex国产| 两性夫妻黄色片| 久久综合国产亚洲精品| 国产亚洲av片在线观看秒播厂| 亚洲国产精品999| 国产精品偷伦视频观看了| 青春草亚洲视频在线观看| 亚洲三区欧美一区| 免费在线观看完整版高清| 久久九九热精品免费| 久久精品久久精品一区二区三区| 丝袜在线中文字幕| 老汉色av国产亚洲站长工具| 91国产中文字幕| 免费在线观看日本一区| 婷婷色av中文字幕| 国产在线免费精品| bbb黄色大片| 午夜日韩欧美国产| 女人被躁到高潮嗷嗷叫费观| 国产在线免费精品| 操美女的视频在线观看| 午夜日韩欧美国产| 91成人精品电影| 亚洲欧美一区二区三区黑人| 亚洲欧洲日产国产| 建设人人有责人人尽责人人享有的| 人人妻人人爽人人添夜夜欢视频| 欧美成狂野欧美在线观看| av在线播放精品| 精品人妻1区二区| 男女免费视频国产| 可以免费在线观看a视频的电影网站| 久久久久网色| 久久精品aⅴ一区二区三区四区| 国产精品 国内视频| 久久久久久久久免费视频了| 18禁观看日本| 99精国产麻豆久久婷婷| 少妇的丰满在线观看| 水蜜桃什么品种好| 美女高潮到喷水免费观看| 亚洲免费av在线视频| 超碰成人久久| 日韩电影二区| 老鸭窝网址在线观看| 久久久久国产一级毛片高清牌| 真人做人爱边吃奶动态| 无遮挡黄片免费观看| 亚洲黑人精品在线| 成年女人毛片免费观看观看9 | 中文精品一卡2卡3卡4更新| 亚洲精品国产av成人精品| 国产一区有黄有色的免费视频| 你懂的网址亚洲精品在线观看| 99热网站在线观看| 亚洲成人手机| 成年av动漫网址| 亚洲人成77777在线视频| 国产精品亚洲av一区麻豆| av不卡在线播放| 午夜福利一区二区在线看| 18在线观看网站| 久久99热这里只频精品6学生| 男人舔女人的私密视频| 日韩熟女老妇一区二区性免费视频| 亚洲av成人精品一二三区| 国产在视频线精品| 美女中出高潮动态图| 亚洲美女黄色视频免费看| 91精品伊人久久大香线蕉| 91成人精品电影| 一级,二级,三级黄色视频| 久久人人爽av亚洲精品天堂| 久久人人97超碰香蕉20202| 国产免费现黄频在线看| 婷婷丁香在线五月| 麻豆乱淫一区二区| 亚洲av电影在线进入| 国产亚洲午夜精品一区二区久久| 亚洲欧美精品综合一区二区三区| 欧美日本中文国产一区发布| 爱豆传媒免费全集在线观看| 国产亚洲av高清不卡| 亚洲人成77777在线视频| 美女扒开内裤让男人捅视频| 亚洲成人免费电影在线观看 | 精品第一国产精品| 丝瓜视频免费看黄片| 满18在线观看网站| 久久ye,这里只有精品| 乱人伦中国视频| 一级,二级,三级黄色视频| 我的亚洲天堂| 国产亚洲av片在线观看秒播厂| 日韩一本色道免费dvd| 91精品国产国语对白视频| 欧美在线黄色| 波多野结衣一区麻豆| 欧美人与性动交α欧美软件| 国产一卡二卡三卡精品| 日本wwww免费看| 侵犯人妻中文字幕一二三四区| 啦啦啦在线免费观看视频4| 97人妻天天添夜夜摸| www.av在线官网国产| 又粗又硬又长又爽又黄的视频| 欧美 日韩 精品 国产| 亚洲欧美一区二区三区黑人| 精品少妇久久久久久888优播| 午夜影院在线不卡| 亚洲熟女精品中文字幕| 五月天丁香电影| 国产精品九九99| 欧美国产精品一级二级三级| 精品亚洲乱码少妇综合久久| 国产精品成人在线| www日本在线高清视频| 尾随美女入室| 18禁裸乳无遮挡动漫免费视频| 欧美日韩黄片免| 亚洲国产精品一区二区三区在线| 久久精品久久精品一区二区三区| 久久精品熟女亚洲av麻豆精品| 亚洲欧洲国产日韩| 狂野欧美激情性bbbbbb| 国产成人精品在线电影| 久久热在线av| 91麻豆精品激情在线观看国产 | 在线精品无人区一区二区三| 久久久久国产一级毛片高清牌| 女人被躁到高潮嗷嗷叫费观| 永久免费av网站大全| 久久国产亚洲av麻豆专区| 国产欧美日韩一区二区三 | 亚洲中文av在线| 丰满人妻熟妇乱又伦精品不卡| 精品人妻1区二区| 波多野结衣一区麻豆| 水蜜桃什么品种好| 一级毛片黄色毛片免费观看视频| 精品一区二区三区av网在线观看 | 肉色欧美久久久久久久蜜桃| 青青草视频在线视频观看| 久久精品熟女亚洲av麻豆精品| 人人妻人人澡人人看| 久久国产精品影院| 一级毛片黄色毛片免费观看视频| 久久国产精品人妻蜜桃| 国产真人三级小视频在线观看| 欧美日韩福利视频一区二区| 狂野欧美激情性bbbbbb| 免费观看人在逋| 91精品伊人久久大香线蕉| 欧美激情 高清一区二区三区| 七月丁香在线播放| 午夜视频精品福利| 亚洲人成电影观看| 曰老女人黄片| 男女之事视频高清在线观看 | 婷婷色av中文字幕| 天天躁夜夜躁狠狠久久av| 最近手机中文字幕大全| 九草在线视频观看| 久久影院123| 午夜福利乱码中文字幕| 亚洲精品乱久久久久久| 午夜精品国产一区二区电影| 国产精品国产三级专区第一集| 2021少妇久久久久久久久久久| 国产欧美亚洲国产| 精品第一国产精品| 久久亚洲精品不卡| 日本vs欧美在线观看视频| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看视频在线观看| 男人爽女人下面视频在线观看| 男女之事视频高清在线观看 | 另类精品久久| 国产黄色免费在线视频| 久久久久网色| 成年美女黄网站色视频大全免费| 国产免费视频播放在线视频| 亚洲成人国产一区在线观看 | 午夜福利视频在线观看免费| 黄色片一级片一级黄色片| 天堂俺去俺来也www色官网| 交换朋友夫妻互换小说| 高清欧美精品videossex| 亚洲av日韩精品久久久久久密 | 97人妻天天添夜夜摸| 久久人妻熟女aⅴ| 99九九在线精品视频| 五月开心婷婷网| 国产成人av激情在线播放| 国产午夜精品一二区理论片| 777米奇影视久久| 午夜精品国产一区二区电影| 欧美精品一区二区免费开放| 一级黄片播放器| 天天躁夜夜躁狠狠久久av| 9191精品国产免费久久| 久久女婷五月综合色啪小说| 国产男女内射视频| 亚洲精品在线美女| 纵有疾风起免费观看全集完整版| 精品高清国产在线一区| 在线观看一区二区三区激情| 观看av在线不卡| 亚洲国产欧美日韩在线播放| 国产精品成人在线| 一区二区三区激情视频| 国产精品国产三级专区第一集| 一级黄色大片毛片| 永久免费av网站大全| 国产片特级美女逼逼视频| 久久精品国产亚洲av高清一级| 精品国产国语对白av| 国产在线免费精品| 一级毛片女人18水好多 | 熟女少妇亚洲综合色aaa.| 国产日韩欧美在线精品| 大码成人一级视频| 亚洲欧美色中文字幕在线| 日韩大片免费观看网站| 精品亚洲成国产av| 一本色道久久久久久精品综合| 十八禁高潮呻吟视频| 性少妇av在线| 91字幕亚洲| 久久精品久久久久久噜噜老黄| 美女视频免费永久观看网站| 亚洲色图 男人天堂 中文字幕| 亚洲中文字幕日韩| 欧美日韩成人在线一区二区| 国产一级毛片在线| 中文字幕人妻熟女乱码| 中文字幕亚洲精品专区| 亚洲欧美成人综合另类久久久| 99久久人妻综合| 老司机午夜十八禁免费视频| 亚洲成人免费av在线播放| 中文字幕色久视频| 精品视频人人做人人爽| 一级毛片电影观看| 免费少妇av软件| 爱豆传媒免费全集在线观看| 久久久国产欧美日韩av| 国产成人91sexporn| 极品少妇高潮喷水抽搐| 日本vs欧美在线观看视频| 波多野结衣av一区二区av| 91麻豆av在线| h视频一区二区三区| 搡老乐熟女国产| 一二三四社区在线视频社区8| 国产99久久九九免费精品| 老汉色av国产亚洲站长工具| 亚洲 欧美一区二区三区| 国产一区二区激情短视频 | 啦啦啦视频在线资源免费观看| 亚洲人成77777在线视频| 国产精品久久久久成人av| 国产福利在线免费观看视频| 日韩 亚洲 欧美在线| 亚洲人成电影观看| 女人被躁到高潮嗷嗷叫费观|