• <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
    插逼视频在线观看| 一本一本综合久久| 色94色欧美一区二区| 最近的中文字幕免费完整| 丰满乱子伦码专区| 日韩av不卡免费在线播放| 日韩视频在线欧美| 国产精品99久久99久久久不卡 | 熟女电影av网| 青春草视频在线免费观看| 人妻人人澡人人爽人人| 在线观看免费日韩欧美大片 | 国产欧美另类精品又又久久亚洲欧美| 亚洲成色77777| 午夜福利视频在线观看免费| 国产精品一区www在线观看| 男女国产视频网站| 黄片无遮挡物在线观看| 久久鲁丝午夜福利片| 在线观看人妻少妇| 春色校园在线视频观看| 多毛熟女@视频| 日韩av在线免费看完整版不卡| 亚洲在久久综合| 亚洲人成网站在线播| 中文字幕av电影在线播放| 高清av免费在线| 国产精品无大码| 全区人妻精品视频| 日本欧美视频一区| 欧美精品亚洲一区二区| 在线观看国产h片| 美女主播在线视频| 国产免费现黄频在线看| 国产精品麻豆人妻色哟哟久久| 国产老妇伦熟女老妇高清| 成人漫画全彩无遮挡| 国产极品粉嫩免费观看在线 | 日本色播在线视频| 一级毛片黄色毛片免费观看视频| 婷婷色av中文字幕| 免费av中文字幕在线| 日韩熟女老妇一区二区性免费视频| 一级爰片在线观看| 国产成人aa在线观看| av在线播放精品| 久久久久视频综合| 搡女人真爽免费视频火全软件| 看十八女毛片水多多多| 乱码一卡2卡4卡精品| 日韩一区二区三区影片| 高清不卡的av网站| 国产综合精华液| 国产欧美另类精品又又久久亚洲欧美| 亚洲精品日韩在线中文字幕| 性高湖久久久久久久久免费观看| 免费黄频网站在线观看国产| 黄色视频在线播放观看不卡| 国精品久久久久久国模美| 97超视频在线观看视频| 国产精品 国内视频| 亚洲久久久国产精品| 国产一级毛片在线| 一二三四中文在线观看免费高清| 欧美激情国产日韩精品一区| 国产在线一区二区三区精| 精品一区二区三区视频在线| av国产精品久久久久影院| 亚洲精品乱久久久久久| 如日韩欧美国产精品一区二区三区 | 99九九线精品视频在线观看视频| 一级毛片 在线播放| 亚洲精品久久久久久婷婷小说| 99视频精品全部免费 在线| 熟女av电影| 乱码一卡2卡4卡精品| 欧美丝袜亚洲另类| 一本大道久久a久久精品| 丰满乱子伦码专区| 国产高清国产精品国产三级| 久久精品久久久久久噜噜老黄| 高清午夜精品一区二区三区| 在线播放无遮挡| 亚洲精品乱码久久久v下载方式| 国产乱来视频区| 日本欧美国产在线视频| 最后的刺客免费高清国语| 男女国产视频网站| 亚洲国产精品专区欧美| 最黄视频免费看| 午夜日本视频在线| 欧美日韩一区二区视频在线观看视频在线| 中国美白少妇内射xxxbb| videos熟女内射| 久久久久国产精品人妻一区二区| 好男人视频免费观看在线| 丰满迷人的少妇在线观看| 成人影院久久| 日韩av免费高清视频| 亚洲国产精品专区欧美| 亚洲av成人精品一二三区| 超色免费av| 一个人看视频在线观看www免费| 欧美成人午夜免费资源| 亚洲精品第二区| 国产免费视频播放在线视频| 我的女老师完整版在线观看| 欧美精品一区二区免费开放| 91午夜精品亚洲一区二区三区| 91精品三级在线观看| 午夜影院在线不卡| 熟妇人妻不卡中文字幕| 51国产日韩欧美| 久久午夜福利片| 9色porny在线观看| 一级片'在线观看视频| 亚洲美女视频黄频| 午夜av观看不卡| 伊人亚洲综合成人网| 日韩av在线免费看完整版不卡| 肉色欧美久久久久久久蜜桃| 九九在线视频观看精品| 国产免费现黄频在线看| 新久久久久国产一级毛片| 国产片特级美女逼逼视频| 9色porny在线观看| 男女边吃奶边做爰视频| 一本色道久久久久久精品综合| 看非洲黑人一级黄片| 一区在线观看完整版| 日产精品乱码卡一卡2卡三| 人妻夜夜爽99麻豆av| 国产精品久久久久久久电影| 日韩,欧美,国产一区二区三区| 成人午夜精彩视频在线观看| 黄色欧美视频在线观看| 内地一区二区视频在线| 美女视频免费永久观看网站| 简卡轻食公司| 老司机影院成人| 精品少妇内射三级| 最后的刺客免费高清国语| 在线观看免费高清a一片| 久久人人爽av亚洲精品天堂| 国产片内射在线| 男女边吃奶边做爰视频| 色哟哟·www| 多毛熟女@视频| 精品久久久久久久久av| 国产男人的电影天堂91| 久久久久久伊人网av| 少妇被粗大猛烈的视频| 91国产中文字幕| 久久久久久久久大av| 国产精品人妻久久久影院| 一本—道久久a久久精品蜜桃钙片| 人人妻人人澡人人看| 亚洲怡红院男人天堂| 五月伊人婷婷丁香| 国产精品偷伦视频观看了| 国产精品无大码| 午夜av观看不卡| 制服丝袜香蕉在线| 一级毛片黄色毛片免费观看视频| 精品酒店卫生间| 国产成人精品福利久久| 欧美激情极品国产一区二区三区 | 国产成人精品一,二区| 黄色欧美视频在线观看| 亚洲丝袜综合中文字幕| 久久精品国产a三级三级三级| 国产永久视频网站| 亚洲成色77777| 国产成人精品无人区| 亚洲国产精品一区二区三区在线| 美女脱内裤让男人舔精品视频| av有码第一页| 伦理电影大哥的女人| 国产精品.久久久| 国产精品一区二区三区四区免费观看| 欧美日本中文国产一区发布| 伦精品一区二区三区| 日韩,欧美,国产一区二区三区| 国产精品秋霞免费鲁丝片| 午夜福利在线观看免费完整高清在| 国产在线免费精品| 日本黄大片高清| 欧美日韩一区二区视频在线观看视频在线| 老司机影院毛片| 大陆偷拍与自拍| 在线精品无人区一区二区三| a级片在线免费高清观看视频| 精品一品国产午夜福利视频| 欧美日韩亚洲高清精品| 国产深夜福利视频在线观看| 精品亚洲乱码少妇综合久久| 黄色欧美视频在线观看| 男女无遮挡免费网站观看| 男女无遮挡免费网站观看| 国产毛片在线视频| 岛国毛片在线播放| 高清午夜精品一区二区三区| 制服丝袜香蕉在线| 国产黄频视频在线观看| 日本午夜av视频| 搡女人真爽免费视频火全软件| 久久久久久伊人网av| 精品午夜福利在线看| 国产亚洲欧美精品永久| 欧美国产精品一级二级三级| 午夜福利视频精品| 免费观看的影片在线观看| 日韩亚洲欧美综合| av女优亚洲男人天堂| 少妇人妻精品综合一区二区| 日本黄色片子视频| 嘟嘟电影网在线观看| 午夜精品国产一区二区电影| 免费黄网站久久成人精品| 99久久人妻综合| 一级爰片在线观看| 亚洲久久久国产精品| 国产成人精品福利久久| 大香蕉久久网| 人人妻人人澡人人爽人人夜夜| 亚洲av二区三区四区| 久久久久久久久久久免费av| 插逼视频在线观看| 永久免费av网站大全| 免费高清在线观看视频在线观看| 亚洲精品亚洲一区二区| 精品久久久久久久久亚洲| 亚洲国产av新网站| 大片电影免费在线观看免费| 国产精品免费大片| 久久ye,这里只有精品| 人人澡人人妻人| 美女内射精品一级片tv| 我要看黄色一级片免费的| 黄色视频在线播放观看不卡| 美女福利国产在线| 老司机亚洲免费影院| 人妻系列 视频| 久久久久久久国产电影| 老女人水多毛片| h视频一区二区三区| 日韩,欧美,国产一区二区三区| 大话2 男鬼变身卡| 最新的欧美精品一区二区| 国产免费一级a男人的天堂| 久久久久精品久久久久真实原创| 久久精品久久久久久噜噜老黄| 有码 亚洲区| 久久青草综合色| av不卡在线播放| 免费看av在线观看网站| 免费少妇av软件| 精品人妻熟女毛片av久久网站| 国产免费现黄频在线看| 国产精品 国内视频| 99热国产这里只有精品6| 国产男人的电影天堂91| 制服人妻中文乱码| 一级毛片我不卡| 51国产日韩欧美| 中文字幕人妻熟人妻熟丝袜美| 精品人妻在线不人妻| 成年人免费黄色播放视频| 久久国产精品大桥未久av| 国产高清不卡午夜福利| 久久99热这里只频精品6学生| a级毛片黄视频| 国产片特级美女逼逼视频| 18禁观看日本| 蜜桃在线观看..| 久久精品人人爽人人爽视色| 母亲3免费完整高清在线观看 | 国产黄色免费在线视频| www.色视频.com| 成人漫画全彩无遮挡| 老司机亚洲免费影院| 中文字幕免费在线视频6| 欧美一级a爱片免费观看看| av有码第一页| 超色免费av| 亚洲伊人久久精品综合| 在线观看美女被高潮喷水网站| 秋霞在线观看毛片| 涩涩av久久男人的天堂| videosex国产| 国产欧美日韩综合在线一区二区| 欧美性感艳星| 国产 精品1| 亚洲三级黄色毛片| 亚洲经典国产精华液单| 又大又黄又爽视频免费| 伦理电影免费视频| 国产精品99久久99久久久不卡 | 欧美变态另类bdsm刘玥| 国产av码专区亚洲av| 日本wwww免费看| 91久久精品国产一区二区成人| 国产老妇伦熟女老妇高清| 日日啪夜夜爽| 久久精品人人爽人人爽视色| 亚洲熟女精品中文字幕| 男女国产视频网站| 成年人午夜在线观看视频| 精品亚洲成a人片在线观看| 少妇高潮的动态图| 国产永久视频网站| 亚洲av福利一区| videossex国产| 午夜精品国产一区二区电影| 国产精品99久久久久久久久| 国产精品一国产av| 中国国产av一级| 久久久久网色| av在线老鸭窝| 全区人妻精品视频| 最近最新中文字幕免费大全7| 91久久精品国产一区二区成人| 嘟嘟电影网在线观看| 免费看不卡的av| 亚洲精品亚洲一区二区| 日韩强制内射视频| 最近2019中文字幕mv第一页| 少妇被粗大的猛进出69影院 | 一级毛片aaaaaa免费看小| 欧美日韩一区二区视频在线观看视频在线| 18禁裸乳无遮挡动漫免费视频| 一本一本综合久久| 在线观看免费视频网站a站| 在线看a的网站| 97超视频在线观看视频| 热99国产精品久久久久久7| av黄色大香蕉| .国产精品久久| 九九久久精品国产亚洲av麻豆| 久久97久久精品| 久久久久久久大尺度免费视频| a级片在线免费高清观看视频| 亚洲国产精品一区二区三区在线| 极品人妻少妇av视频| 一二三四中文在线观看免费高清| 中文字幕制服av| 国产精品99久久久久久久久| 91午夜精品亚洲一区二区三区| 啦啦啦在线观看免费高清www| 午夜福利视频精品| 亚洲国产欧美日韩在线播放| 极品少妇高潮喷水抽搐| 欧美最新免费一区二区三区| 亚洲av成人精品一二三区| 久久97久久精品| 香蕉精品网在线| 欧美激情国产日韩精品一区| 这个男人来自地球电影免费观看 | 色婷婷av一区二区三区视频| 男女国产视频网站| 国产精品久久久久久精品电影小说| 熟女av电影| 国产欧美日韩综合在线一区二区| 亚洲av电影在线观看一区二区三区| 国产精品久久久久久精品电影小说| 高清在线视频一区二区三区| 色94色欧美一区二区| 国产极品粉嫩免费观看在线 | 亚洲色图综合在线观看| 亚洲精品乱码久久久v下载方式| 99国产综合亚洲精品| 搡女人真爽免费视频火全软件| 精品久久久精品久久久| 国产精品麻豆人妻色哟哟久久| 伊人亚洲综合成人网| 国产精品女同一区二区软件| 欧美日韩亚洲高清精品| 伦理电影大哥的女人| 亚洲av.av天堂| 亚洲欧美中文字幕日韩二区| 午夜免费男女啪啪视频观看| 亚洲一区二区三区欧美精品| 丰满乱子伦码专区| 另类精品久久| 伊人久久精品亚洲午夜| 又大又黄又爽视频免费| 美女cb高潮喷水在线观看| tube8黄色片| 免费av不卡在线播放| 亚洲精品色激情综合| 国产老妇伦熟女老妇高清| 91精品三级在线观看| av又黄又爽大尺度在线免费看| 黄色毛片三级朝国网站| 女的被弄到高潮叫床怎么办| 考比视频在线观看| 成人毛片60女人毛片免费| 777米奇影视久久| 久久久久网色| 欧美精品高潮呻吟av久久| 精品少妇黑人巨大在线播放| 亚洲天堂av无毛| 免费观看性生交大片5| 国产精品久久久久久久久免| 人体艺术视频欧美日本| 18在线观看网站| 啦啦啦中文免费视频观看日本| 另类精品久久| 精品少妇黑人巨大在线播放| 亚洲av福利一区| 欧美 日韩 精品 国产| 纵有疾风起免费观看全集完整版| 免费观看性生交大片5| 一个人免费看片子| av播播在线观看一区| 狂野欧美白嫩少妇大欣赏| av.在线天堂| 久久青草综合色| 国产精品国产av在线观看| 国产精品秋霞免费鲁丝片| 在现免费观看毛片| 亚洲精华国产精华液的使用体验| videosex国产| 久久久国产一区二区| 天堂俺去俺来也www色官网| 高清视频免费观看一区二区| av免费在线看不卡| 妹子高潮喷水视频| 高清午夜精品一区二区三区| 国产成人av激情在线播放 | 亚洲,欧美,日韩| 中文欧美无线码| 黄片播放在线免费| 国产精品久久久久久精品古装| 热re99久久精品国产66热6| 国产精品麻豆人妻色哟哟久久| 成人亚洲欧美一区二区av| 各种免费的搞黄视频| 国产精品一区www在线观看| 老女人水多毛片| 午夜福利在线观看免费完整高清在| 免费久久久久久久精品成人欧美视频 | 18禁观看日本| 久久女婷五月综合色啪小说| xxx大片免费视频| 51国产日韩欧美| 欧美日韩一区二区视频在线观看视频在线| 久久99热这里只频精品6学生| 国产av一区二区精品久久| 黄片无遮挡物在线观看| 曰老女人黄片| 99视频精品全部免费 在线| 久久人人爽人人爽人人片va| 久热久热在线精品观看| 亚洲av日韩在线播放| 亚洲精品久久午夜乱码| 国产亚洲av片在线观看秒播厂| 边亲边吃奶的免费视频| 天美传媒精品一区二区| 久久久国产欧美日韩av| 国产熟女午夜一区二区三区 | 女人久久www免费人成看片| 男女边吃奶边做爰视频| 亚洲av在线观看美女高潮| 亚洲精品乱码久久久久久按摩| 黑人欧美特级aaaaaa片| 午夜免费观看性视频| xxx大片免费视频| 亚洲av综合色区一区| 九草在线视频观看| 亚洲内射少妇av| 99热这里只有精品一区| 国产精品 国内视频| videossex国产| a级片在线免费高清观看视频| 亚洲精品色激情综合| 国产乱来视频区| 欧美人与善性xxx| 搡女人真爽免费视频火全软件| 国产精品久久久久成人av| 又黄又爽又刺激的免费视频.| 五月伊人婷婷丁香| videossex国产| 成人综合一区亚洲| 色婷婷av一区二区三区视频| 欧美 亚洲 国产 日韩一| 在线观看免费视频网站a站| 婷婷色综合大香蕉| 亚洲,一卡二卡三卡| 久热这里只有精品99| 国产午夜精品久久久久久一区二区三区| 夜夜骑夜夜射夜夜干| 久久精品国产亚洲av涩爱| 亚洲av.av天堂| 18禁动态无遮挡网站| 亚洲精品视频女| a级毛片黄视频| 亚洲国产精品国产精品| 久久女婷五月综合色啪小说| 99九九线精品视频在线观看视频| 国产免费又黄又爽又色| 国产熟女午夜一区二区三区 | 国产日韩欧美亚洲二区| 制服诱惑二区| 国产片特级美女逼逼视频| 久久鲁丝午夜福利片| 亚洲欧洲精品一区二区精品久久久 | 极品人妻少妇av视频| 国产精品久久久久久精品古装| 超色免费av| 国产黄色视频一区二区在线观看| 美女脱内裤让男人舔精品视频| 国产精品 国内视频| 国产精品99久久99久久久不卡 | 亚洲欧美一区二区三区黑人 | 99视频精品全部免费 在线| 久久韩国三级中文字幕| 久久鲁丝午夜福利片| 在线观看国产h片| 免费少妇av软件| 亚洲综合色惰| 欧美日韩亚洲高清精品| 一级,二级,三级黄色视频| 国产免费一区二区三区四区乱码| 在线观看免费视频网站a站| 菩萨蛮人人尽说江南好唐韦庄| 51国产日韩欧美| 精品熟女少妇av免费看| 日本爱情动作片www.在线观看| 99久久人妻综合| 亚洲美女黄色视频免费看| 亚洲国产最新在线播放| 伊人久久精品亚洲午夜| 9色porny在线观看| 久久这里有精品视频免费| 五月玫瑰六月丁香| av在线app专区| av福利片在线| 青春草国产在线视频| 日韩av不卡免费在线播放| 黄色视频在线播放观看不卡| 精品国产露脸久久av麻豆| 中文字幕av电影在线播放| av线在线观看网站| 一区在线观看完整版| 久久久久国产精品人妻一区二区| 九九在线视频观看精品| 亚洲精品久久午夜乱码| 亚洲人成网站在线观看播放| 国产一区亚洲一区在线观看| 九九爱精品视频在线观看| 国产午夜精品久久久久久一区二区三区| av女优亚洲男人天堂| 最近中文字幕2019免费版| 校园人妻丝袜中文字幕| av专区在线播放| 中国三级夫妇交换| 亚洲美女搞黄在线观看| 国产黄色免费在线视频| 中文乱码字字幕精品一区二区三区| 精品酒店卫生间| 亚洲av电影在线观看一区二区三区| 青春草视频在线免费观看| 国产97色在线日韩免费| 自线自在国产av| 午夜福利在线观看吧| 岛国在线观看网站| 精品国产乱码久久久久久男人| 午夜日韩欧美国产| 精品人妻熟女毛片av久久网站| 伦理电影免费视频| 日韩精品免费视频一区二区三区| 午夜激情久久久久久久| 国产xxxxx性猛交| 自拍欧美九色日韩亚洲蝌蚪91| 美女午夜性视频免费| 久久久久视频综合| 无遮挡黄片免费观看| 最新在线观看一区二区三区| 精品亚洲乱码少妇综合久久| 国产成人av教育| 在线亚洲精品国产二区图片欧美| 欧美日韩一级在线毛片| 老熟妇仑乱视频hdxx| 在线观看免费日韩欧美大片| 水蜜桃什么品种好| 极品教师在线免费播放| 我要看黄色一级片免费的| 男女之事视频高清在线观看| 高清欧美精品videossex| 51午夜福利影视在线观看| 免费在线观看视频国产中文字幕亚洲| 国产av精品麻豆| 亚洲成人手机| 成在线人永久免费视频| 久久精品亚洲精品国产色婷小说| 露出奶头的视频| 欧美乱码精品一区二区三区| 免费观看人在逋| 亚洲自偷自拍图片 自拍| 亚洲av第一区精品v没综合| 老司机亚洲免费影院| 国产免费福利视频在线观看| 热99国产精品久久久久久7| 黄频高清免费视频| 不卡av一区二区三区| 高清黄色对白视频在线免费看| 免费日韩欧美在线观看| 在线看a的网站| 成年版毛片免费区| 亚洲一区二区三区欧美精品| 女同久久另类99精品国产91| 十八禁人妻一区二区| 亚洲精品在线美女| 免费观看a级毛片全部|