• <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 ?

    基于多特征融合與支持向量機的葡萄病害識別

    2018-02-14 08:31:00鄭建華朱立學
    現(xiàn)代農(nóng)業(yè)裝備 2018年6期
    關(guān)鍵詞:直方圖病斑紋理

    鄭建華,朱立學,朱 蓉

    (1.仲愷農(nóng)業(yè)工程學院 信息科學與技術(shù)學院,廣州 510225;2.仲愷農(nóng)業(yè)工程學院 機電工程學院,廣州 510225)

    0 前言

    葡萄味美可口且營養(yǎng)價值高。近年來,葡萄的種植面積不斷擴大,數(shù)據(jù)顯示,2017年全球葡萄園面積達到760萬 hm2。但葡萄在種植環(huán)節(jié)中容易發(fā)生病害,比如常見的白粉病、黑腐病、霜霉病和褐斑病等,從而影響葡萄品質(zhì)[1,2]。傳統(tǒng)葡萄病害的診斷基本上是憑借人工經(jīng)驗進行分析與判斷,速度慢、成本高、實時性差,診斷結(jié)果依賴人的經(jīng)驗值,容易出現(xiàn)偏差。

    葡萄病害的致病機理不同,從而導致其在葉片病斑紋理、形狀、顏色上也存在很大差異,因此近年來不斷有相關(guān)研究利用計算機圖像處理和機器學習技術(shù)對葡萄病害進行識別,并取得了一些成果。田有文[3]基于CIE XYZ顏色空間,提取了病害彩色紋理圖像特征,針對黑痘病、白粉病和霜霉病特征,應用SVM算法實現(xiàn)分類識別;在另一篇文獻中,田有文[4]以病害紋理特征、病斑形狀特征以及CIELab顏色特征,并采用SVM算法進行分類識別;Tian Youwen[5]聚焦病斑的紋理特征、顏色等特征,采用SVM方法進行識別。類似的,朱林[6]在病斑區(qū)域?qū)τ陬伾腍SV分量分別提取了基于GLCM灰度共生矩陣的4種紋理特征以及顏色特征,然后以人工神經(jīng)網(wǎng)絡為分類器進行病害診斷;劉媛[7]通過提取葉片上病斑處的顏色和灰度共生矩陣的紋理特征共28種特征,使用22種分類器進行了訓練和測試,結(jié)果表明Bagged Trees分類器識別效果最好;王利偉[8]以白粉病、黑腐病、霜霉病為研究對象,提取病害葉片的病斑區(qū)域形狀、顏色和紋理的共15個特征,采用支持向量機算法予以識別,類似的Narvekar1[9]也完成相關(guān)工作。但是,在受病害的葡萄中,其葉片常常有多個病斑,用一個或幾個代表性的病斑代表自然環(huán)境下的葉片病害圖像顯然是片面的,因此這種方式比較適合于在實驗室檢測使用,并不適用于自然環(huán)境下的檢測。圖像特征可以分為全局特征和局部特征[10],常見的顏色特征、紋理和形態(tài)特征為全局特征;典型的局部特征主要有:HOG[11,12]、Gabor[13]、LBP[14]、SIFT[15]和SURF[16]等。經(jīng)典模式識別方法的病蟲害識別研究表明,與全局特征相比,基于HOG、Gabor等局部特征,能更好克服自然環(huán)境中光照不均、姿態(tài)變化等全局干擾問題,對病蟲害昆蟲具有較好的識別效果[17],而以上關(guān)于葡萄病害識別的研究均采用全局特征,因此在適用范圍上存在一定局限性。

    近年來深度學習在計算機視覺上取得一定成功,劉闐宇[18]采用Faster-RCNN葡萄葉片,實現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡的病害檢測方法,可有效去除背景因素對病害區(qū)域干擾,降低錯誤率。類似的還有劉媛[19]對于包含復雜背景完整染病葉片樣本,使用Faster - RCNN模型先檢測圖像中的葉片,在檢出的葉片區(qū)域再進行病斑檢測,根據(jù)用外接矩形框出葉片上病斑區(qū)域,最后將該矩形圖像送入CNN進行病害類型識別。雖然深度學習在圖像識別中已經(jīng)取得較好的表現(xiàn),但是它嚴重依賴于訓練大數(shù)據(jù),在一定程度上限制了其使用范圍。

    上述研究表明,不管是傳統(tǒng)的研究方法還是基于卷積神經(jīng)網(wǎng)絡的方法,均能取得較好的識別效果,但各有使用局限。針對小樣本數(shù)據(jù),如何利用傳統(tǒng)的識別方法,同時避免特定病斑特征而進行葡萄病害識別是本研究主要目標。本研究將以葡萄三種病害為研究對象,融合病害葉片的全局和局部多特征,采用支持向量機分類器,實現(xiàn)小樣本下非病斑特征的葡萄病害識別,為后續(xù)實現(xiàn)基于云機器人的遠程自然環(huán)境葡萄病害識別奠定基礎。

    1 基于多特征融合與支持向量機的葡萄病害識別方法

    1.1 方法與流程

    本研究以葡萄葉片輪斑病、黑腐病、褐斑病為研究對象,采用機器視覺技術(shù)完成圖像預處理,并提取圖像特征。傳統(tǒng)識別方法主要利用全局特征,比如顏色、紋理、形態(tài),其中特別看重病斑的形態(tài)特征,諸如矩形長度、長寬比、病斑面積[4]等,但是一個葉片上實際可能存在多個病斑,如何綜合度量多個病斑特征是個難題。目前較多采用聚焦病斑形狀特征的識別方法,該方法比較適合實驗室環(huán)境測試,為此本研究選擇RGB顏色矩特征、基于HSV顏色直方圖特征、基于GLCM灰度共生矩陣的紋理特征。與全局特征相比,局部圖像特征具有在圖像中蘊含數(shù)量豐富、特征間相關(guān)度小、遮擋情況下不會因為部分特征的消失而影響其他特征的檢測和匹配等特點,近年來局部圖像特征在行人檢測、目標跟蹤等領域得到了廣泛應用[12,14]。在以上諸多的局部特征中,文獻[20]表明HOG特征對水稻昆蟲識別表現(xiàn)得更好,另一方面,Gabor特征產(chǎn)生的特征矩陣維度一般達幾千甚至上萬,雖然可以通過將樣本圖像縮小以減少特征維度,但是相對于其他特征而言特征維度還是非常大,出現(xiàn)不同特征之間特征維度不平衡問題,因此本文采用了HOG特征。本文將以上多個葡萄病害圖像特征進行級聯(lián)拼接融合,并采用支持向量機進行訓練與測試,從而實現(xiàn)葡萄病害識別。識別方法流程示意框圖如圖1所示。

    圖1 基于多特征融合與支持向量機的葡萄病害識別流程示意框圖

    圖1將基于多特征融合與支持向量機的葡萄病害識別分成兩個階段,第一個階段是模型訓練階段,第二個階段是模型測試階段。第一個階段先將葡萄葉片病害樣本圖像經(jīng)過預處理,預處理主要是考慮到圖像采集過程中灰塵、水霧等因素可能會對采集到的圖像產(chǎn)生噪聲,影響對葉片病害特征提取效果,本文采用3×3中值濾波對圖像進行去噪處理。然后進入到特征工程模塊,在該模塊主要實現(xiàn)特征提取和特征融合,然后送入到基于支持向量機算法模塊進行模型訓練,最終得到一個葡萄病害識別模型。在第二階段,葡萄葉片病害測試圖像同樣經(jīng)過預處理和特征工程后,基于第一階段的識別模型,完成相關(guān)測試,最終得到識別結(jié)果。

    1.2 特征工程模塊設計

    1.2.1 葡萄病害特征提取設計

    1)RGB顏色矩特征。RGB顏色模型可以表征待識別對象的豐富的顏色信息。本文利用Stricker[21]和Orengo提出的顏色矩來表征驗證特征,該方法利用顏色一階矩、顏色二階矩和顏色三階矩來描述RGB顏色模型的顏色分布。在RGB顏色模型中每個像素有3個顏色通道,因此需要采用9個數(shù)據(jù)來表示顏色矩。

    3個顏色矩的數(shù)學定義如下:

    式中pi,j表示彩色圖像第j個像素的第i個顏色分量;N表示圖像中的像素個數(shù)。

    圖像的3個分量R,G,B圖像的三階顏色矩組成一個9維特征向量,即圖像的顏色特征表示如下:

    2)HSV顏色直方圖特征。RGB顏色模型3個分量具有高度相關(guān)性,易受光照強度等因素影響,穩(wěn)定性較差。HSV色彩模型3個分量色調(diào)、飽和度、明度基本不相關(guān),對光照變化表現(xiàn)穩(wěn)健,能更好反映顏色的本質(zhì)信息[22]。因此,本文將圖像從RGB顏色空間轉(zhuǎn)換到HSV色彩空間,并提取該空間下直方圖特征,作為圖像的另一種全局顏色特征。根據(jù)公式(4)[23]將HSV分量均勻量化,H、S、V分量分別均勻劃分為16、4、4個區(qū)間,通過級聯(lián)鏈接,共獲得顏色直方圖256維的全局顏色特征。即HSV顏色直方圖特征表示為

    3)基于灰度共生矩陣(GLCM)的紋理特征。紋理指人們所觀察到圖像像素的灰度變化規(guī)律,本文使用灰度共生矩陣[24](Gray Level Cooccurrence Matrix GLCM)來提取葡萄病害圖像的紋理特征。矩陣中的元素值代表兩個灰度級之間的聯(lián)合條件概率密度ρ(i,j|d,θ),即在給定空間距離d和方向θ時,以灰度級i為起點,灰度級j出現(xiàn)的概率。本文設定統(tǒng)計距離為d=1,共生矩陣生成方向為θ=0°,45°,90°,135°,得到8個紋理特征:能量、熵、對比度、相關(guān)性及其標準差等,本文選擇這8個值作為紋理特征。具體計算公式如下[25]:

    其中μ1μ2σ1σ2分別為:

    這樣葡萄病害的紋理特征表示為

    4)局部HOG特征。Dalal[26]等提出的HOG特征是一種表述圖像局部信息的方式。HOG特征描述將整個檢測窗口劃分為塊(block),每一塊由若干單元格(cell)組成,對單元格內(nèi)像素的一維梯度方向直方圖進行統(tǒng)計,將所有單元格內(nèi)梯度方向直方圖組合起來,用于描述整個圖像的特征。在本文中,把葡萄葉片病害樣本圖像大小調(diào)整為64×64,每8×8的像素組成一個cell,把每個cell內(nèi)分成9個區(qū)間后統(tǒng)計每個cell內(nèi)所有像素的梯度值,分別在各個區(qū)間進行直方圖統(tǒng)計,從而形成一個9維特征向量,而一個block由4個cell構(gòu)造,故這樣一個block就有36維特征向量。整幅圖就包含7×7=49個block,總共有36×7×7=1 764維特征。故葡萄病害的HOG特征表示為:

    1.2.2 特征融合模塊設計

    單一特征一般難以全面反映圖像的各方面信息,只根據(jù)單一特征對病害圖像進行分類識別的準確率一般不高,相反,多特征能全面地反映圖像各個方面的信息,給圖像分類提供更多的參考依據(jù),但需要對多特征進行融合。本文對葡萄病害經(jīng)過預處理操作后,分別提取各類病害樣本圖像的RGB顏色矩,HSV顏色直方圖特征、GLCM紋理特征、和HOG特征。在特征融合方面,本文采用級聯(lián)拼接的方式,它通過將各特征向量直接拼接在一起,形成一個更高維度的特征向量,其維度是各特征的維度之和。同時為了檢驗不同的特征對分類效果的影響,將RGB顏色矩分別與HSV顏色直方圖特征、GLCM紋理特征和HOG特征級聯(lián)逐次拼接,形成以下6種特征集:

    1.3 基于支持向量機算法的訓練模塊設計

    為了構(gòu)造葡萄病害識別訓練模型,需要進一步構(gòu)建分類器,并對參數(shù)尋優(yōu)。目前廣泛使用的分類器有諸如KNN、決策樹、支持向量機、樸素貝葉斯、集成分類器等。其中支持向量機(Support Vector Machine)[27]是機器學習中的一種監(jiān)督學習模型,經(jīng)常用于分類問題和回歸分析,獲得廣泛的認可。

    支持向量機以結(jié)構(gòu)化、風險最小化為原則來提高學習機泛化能力,通過解二次規(guī)劃問題, 尋找將數(shù)據(jù)分類的最佳超平面,從而實現(xiàn)經(jīng)驗風險和置信范圍的最小化,達到在統(tǒng)計樣本量較少的情況下也能獲得良好的分類結(jié)果的目的[28]。對于非線性問題,我們可以通過核函數(shù)把非線性問題轉(zhuǎn)化為高維空間中的線性問題,而后轉(zhuǎn)換為簡單的SVM問題來求解。常用的核函數(shù)包括多項式核函數(shù)、徑向基核函數(shù)、線性核函數(shù)和Sigmoid核函數(shù)。

    在具體使用中,SVM中的懲罰因子C,核函數(shù)及其參數(shù)的變化對SVM分類的結(jié)果以及模型的泛化能力有較大的影響。常見的傳統(tǒng)SVM參數(shù)尋優(yōu)方法有經(jīng)驗、網(wǎng)格搜索法以及基于GA、PSO之類的群智能算法[29]。

    在本文中將使用支持向量機來構(gòu)造葡萄病害識別訓練模型,并采用網(wǎng)格搜索法進行參數(shù)尋優(yōu)。

    2 結(jié)果與分析

    本次實驗設備計算機型號為HP,配置為I 73 632 QM (2.2GHz) ,16 G DDR3內(nèi)存。在Matlab 2014 b環(huán)境中編寫圖像預處理、特征提取算法,在Python環(huán)境實現(xiàn)病害分類與測試。

    本實驗采用全球AI挑戰(zhàn)賽的“農(nóng)作物病害檢測”比賽項目[30]的數(shù)據(jù)集作為本文實驗數(shù)據(jù)集,共有健康葡萄葉片294副,葡萄黑腐病葉片共462副,葡萄輪斑病葉片共427副,葡萄褐斑病葉片共630副,合計1 813副圖像,根據(jù)前面的流程,首先圖像進行預處理,然后提取相關(guān)特征,最后輸入到支持向量機進行訓練與測試。

    為了評估不同特征對分類效果的影響,本文采用準確率作為評價標準,采用5折交叉驗證方法來計算識別準確率,經(jīng)過網(wǎng)格搜索法參數(shù)尋優(yōu),確定當核函數(shù)為RBF,懲罰參數(shù)C為88時,分類效果最好,如表1所示。

    表1 不同特征下分類準確率一覽表

    由表1可知,采用GLCM紋理特征是所有的特征里面識別準確率最低的,在顏色特征方面,HSV顏色直方圖特征取得不錯的效果,當采用RGB顏色矩與HSV顏色直方圖特征結(jié)合后可以達到86.12%的識別準確率。當把顏色和紋理結(jié)合紋理特征后可以達到88.77%的識別準確率,遠高于文獻[8]提出的顏色與紋理相結(jié)合特征的識別正確率。而當把顏色、紋理和局部的HOG特征結(jié)合之后,病害識別準確率大幅提高,達到了93.41%,這說明HOG特征的確為葉片病害的精細描述提供了幫助。相較于之前的研究會考慮病斑的形狀特征,而本文的結(jié)果在不考慮病斑形狀特征的情況下,病害識別準確率高于最新的文獻[7]提到的平均86.4%,這說明本文提出的融入局部HOG特征后,即使不考慮病斑形狀特征也能夠較好地滿足葡萄病害識別,為以后的基于云機器人的在線葡萄病害識別奠定了良好的基礎。

    另一方面,為了檢驗不同病害識別的難易程度,本文將1 813副圖像按照75%作為訓練集,25%作為測試集的方式,采用前面提到的支持向量機優(yōu)化參數(shù),得到F6特征集下的不同病害的準確率、召回率、F1指標如表2所示。從表中可以清晰看出本文提出的特征及算法對健康葡萄和褐斑病葡萄葉具有較高的識別率,準確率分別可到99%和98%,而黑腐病葡萄葉的識別準確率較低,只有86%,這說明當前的特征組合對黑腐病的特征抽取支持度最差。

    表2 F6特征下不同病害的識別指標值

    3 結(jié)語

    本文以葡萄的三種常病害(黑腐病、輪斑病、褐斑?。檠芯繉ο?,提出了融合RGB顏色矩、HSV顏色直方圖特征、GLCM紋理特征、HOG特征等4類特征,并以支持向量機為分類器的葡萄病害識別方法,該方法平均識別率達93.41%,對于褐斑病的識別率達98%,該方法有效地避免了傳統(tǒng)中需要識別和分割病斑,并抽取病斑形狀特征的計算過程,且達到了較高的識別準確度,說明本方法具有較高的實用性。葡萄病害不僅僅是本文測試的這三種,還有比如白粉病和霜霉病等,這需要在后續(xù)的研究中繼續(xù)完成。另外,如何提取更多的病害特征,以提高比如黑腐病的識別準確率還有待進一步深入研究。再者,如何在現(xiàn)有的基礎上,實現(xiàn)全過程葡萄病害自動化識別仍是一個重要的研究課題。

    猜你喜歡
    直方圖病斑紋理
    統(tǒng)計頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
    基于BM3D的復雜紋理區(qū)域圖像去噪
    軟件(2020年3期)2020-04-20 01:45:18
    用直方圖控制畫面影調(diào)
    使用紋理疊加添加藝術(shù)畫特效
    改進自適應分水嶺方法分割棉花葉部粘連病斑
    一種桑輪紋病病葉發(fā)病程度的評價指數(shù)
    9種藥劑防治山核桃干腐病試驗研究
    TEXTURE ON TEXTURE質(zhì)地上的紋理
    Coco薇(2017年8期)2017-08-03 15:23:38
    消除凹凸紋理有妙招!
    Coco薇(2015年5期)2016-03-29 23:22:15
    亚洲成人av在线免费| 久久精品夜色国产| 亚洲成人手机| 久久人人爽av亚洲精品天堂| 9色porny在线观看| 久久久久久久精品精品| 中国国产av一级| 免费观看性生交大片5| 美女内射精品一级片tv| 在线观看www视频免费| 免费黄频网站在线观看国产| 香蕉丝袜av| 日韩不卡一区二区三区视频在线| 久久久久人妻精品一区果冻| 久久久精品区二区三区| 99re6热这里在线精品视频| 丝袜人妻中文字幕| 一级毛片电影观看| 激情视频va一区二区三区| 久久精品熟女亚洲av麻豆精品| 欧美变态另类bdsm刘玥| 超色免费av| 国产激情久久老熟女| 国产精品久久久久成人av| 久久人人97超碰香蕉20202| 久久久久久久久久成人| 亚洲精品久久久久久婷婷小说| 日韩中文字幕视频在线看片| av女优亚洲男人天堂| tube8黄色片| 精品国产一区二区三区久久久樱花| 制服诱惑二区| 91精品国产国语对白视频| 欧美 日韩 精品 国产| 高清视频免费观看一区二区| av播播在线观看一区| 久久午夜综合久久蜜桃| 久久精品久久久久久久性| 久久久欧美国产精品| 边亲边吃奶的免费视频| 精品一区在线观看国产| 最近的中文字幕免费完整| 精品国产一区二区三区四区第35| 久久99一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 一级毛片我不卡| 亚洲图色成人| 午夜福利在线观看免费完整高清在| 国产麻豆69| 午夜福利视频精品| 午夜福利视频在线观看免费| 大话2 男鬼变身卡| 97在线视频观看| www日本在线高清视频| av线在线观看网站| 在线天堂最新版资源| 国产成人91sexporn| 久久精品国产综合久久久 | 90打野战视频偷拍视频| 美女国产视频在线观看| 亚洲av免费高清在线观看| 久久久a久久爽久久v久久| 插逼视频在线观看| 日韩大片免费观看网站| 国产 精品1| 成年女人在线观看亚洲视频| 欧美日韩成人在线一区二区| 久久97久久精品| 亚洲国产欧美日韩在线播放| 久久女婷五月综合色啪小说| 一本—道久久a久久精品蜜桃钙片| 精品卡一卡二卡四卡免费| 乱人伦中国视频| 欧美最新免费一区二区三区| 中文精品一卡2卡3卡4更新| 亚洲精品日本国产第一区| 亚洲三级黄色毛片| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 青春草视频在线免费观看| 纵有疾风起免费观看全集完整版| 免费久久久久久久精品成人欧美视频 | 爱豆传媒免费全集在线观看| 人妻少妇偷人精品九色| 久久久久久久久久成人| 五月伊人婷婷丁香| 国内精品宾馆在线| 熟女av电影| 91国产中文字幕| 天美传媒精品一区二区| 日日啪夜夜爽| 18禁国产床啪视频网站| 免费观看av网站的网址| 国产永久视频网站| 国产一区二区在线观看日韩| 日韩制服骚丝袜av| 一级片'在线观看视频| 久久精品久久精品一区二区三区| 亚洲成人手机| 国产精品久久久久久精品古装| 男女边吃奶边做爰视频| 又大又黄又爽视频免费| 少妇的逼好多水| 日韩欧美精品免费久久| 韩国av在线不卡| 午夜影院在线不卡| 人妻 亚洲 视频| 日韩一区二区三区影片| 新久久久久国产一级毛片| 99国产精品免费福利视频| 日本免费在线观看一区| 国产一区二区三区av在线| 爱豆传媒免费全集在线观看| 黑人欧美特级aaaaaa片| 国产在视频线精品| 人妻少妇偷人精品九色| 国产在线一区二区三区精| 精品人妻在线不人妻| 波野结衣二区三区在线| a级毛片在线看网站| 五月伊人婷婷丁香| 97在线视频观看| 欧美 亚洲 国产 日韩一| 97在线人人人人妻| 一级,二级,三级黄色视频| 丰满迷人的少妇在线观看| 中文字幕制服av| 国产男女超爽视频在线观看| 国产成人91sexporn| 一二三四中文在线观看免费高清| 亚洲精品日本国产第一区| 午夜精品国产一区二区电影| 亚洲国产精品999| 黑丝袜美女国产一区| 亚洲成av片中文字幕在线观看 | 男女下面插进去视频免费观看 | 亚洲av男天堂| 美女主播在线视频| 一级,二级,三级黄色视频| 国产女主播在线喷水免费视频网站| 国产在线视频一区二区| 免费在线观看完整版高清| 国产淫语在线视频| 午夜影院在线不卡| 少妇被粗大的猛进出69影院 | av线在线观看网站| 国产精品蜜桃在线观看| 人妻系列 视频| 亚洲精品自拍成人| 亚洲精品aⅴ在线观看| 性高湖久久久久久久久免费观看| 日韩视频在线欧美| 少妇精品久久久久久久| 老熟女久久久| 国产精品人妻久久久久久| 欧美xxⅹ黑人| 又大又黄又爽视频免费| 亚洲精品国产色婷婷电影| 一本大道久久a久久精品| 女人被躁到高潮嗷嗷叫费观| 亚洲精华国产精华液的使用体验| 久久精品人人爽人人爽视色| 免费高清在线观看视频在线观看| 国产国语露脸激情在线看| 边亲边吃奶的免费视频| 亚洲精品乱久久久久久| 亚洲欧美一区二区三区国产| 久久女婷五月综合色啪小说| 精品久久国产蜜桃| 最近手机中文字幕大全| 亚洲欧美日韩另类电影网站| 性色avwww在线观看| 三级国产精品片| 久久久久久久亚洲中文字幕| 女人久久www免费人成看片| 久久99精品国语久久久| 五月伊人婷婷丁香| 美女xxoo啪啪120秒动态图| 亚洲欧美一区二区三区国产| 视频中文字幕在线观看| 一区二区三区乱码不卡18| 亚洲精品国产av蜜桃| 蜜桃在线观看..| 欧美日本中文国产一区发布| av网站免费在线观看视频| 国产精品秋霞免费鲁丝片| 久久人人爽av亚洲精品天堂| a 毛片基地| 国产亚洲精品第一综合不卡 | 国产女主播在线喷水免费视频网站| 汤姆久久久久久久影院中文字幕| 日韩伦理黄色片| 欧美日韩视频高清一区二区三区二| 亚洲欧美清纯卡通| 久热久热在线精品观看| 日韩精品免费视频一区二区三区 | 欧美最新免费一区二区三区| 亚洲精品456在线播放app| 国产伦理片在线播放av一区| 久久99精品国语久久久| av一本久久久久| 国产 精品1| 国产精品不卡视频一区二区| 亚洲精品日韩在线中文字幕| 国精品久久久久久国模美| 久久久久久久亚洲中文字幕| 免费在线观看黄色视频的| 热99国产精品久久久久久7| 国产av一区二区精品久久| 欧美人与性动交α欧美精品济南到 | 欧美日韩视频高清一区二区三区二| 婷婷色av中文字幕| 久久免费观看电影| 性色avwww在线观看| 蜜桃在线观看..| 国产一区二区在线观看av| 国产黄色视频一区二区在线观看| 日韩熟女老妇一区二区性免费视频| 日韩中文字幕视频在线看片| 九九爱精品视频在线观看| 22中文网久久字幕| 亚洲精品国产av成人精品| 免费在线观看完整版高清| 色吧在线观看| 久热久热在线精品观看| 18在线观看网站| 一级毛片我不卡| 色5月婷婷丁香| 日韩大片免费观看网站| 熟妇人妻不卡中文字幕| 久久99精品国语久久久| 最近手机中文字幕大全| 国产精品.久久久| 国产亚洲午夜精品一区二区久久| 三上悠亚av全集在线观看| 中文天堂在线官网| 国语对白做爰xxxⅹ性视频网站| 成年女人在线观看亚洲视频| 一级毛片 在线播放| 欧美丝袜亚洲另类| 精品人妻偷拍中文字幕| 又黄又粗又硬又大视频| 九草在线视频观看| 精品久久蜜臀av无| 亚洲图色成人| 中文字幕人妻熟女乱码| 天堂俺去俺来也www色官网| 香蕉丝袜av| 久久久久久久精品精品| 国产淫语在线视频| 日韩三级伦理在线观看| 国产爽快片一区二区三区| 22中文网久久字幕| 亚洲国产最新在线播放| 黄色配什么色好看| 在线观看国产h片| 亚洲欧美色中文字幕在线| 91aial.com中文字幕在线观看| 国产在视频线精品| 精品人妻熟女毛片av久久网站| 成人国语在线视频| 日韩制服丝袜自拍偷拍| av福利片在线| 免费看av在线观看网站| 亚洲一区二区三区欧美精品| 国产精品久久久久成人av| 久久鲁丝午夜福利片| 激情五月婷婷亚洲| 精品视频人人做人人爽| 久久久久久伊人网av| 性色av一级| 成年美女黄网站色视频大全免费| 久久国产亚洲av麻豆专区| 国产又色又爽无遮挡免| 777米奇影视久久| 高清毛片免费看| 国产黄色免费在线视频| 国产成人aa在线观看| 国产熟女欧美一区二区| 男男h啪啪无遮挡| 免费在线观看完整版高清| 一级片'在线观看视频| 精品亚洲乱码少妇综合久久| 99热国产这里只有精品6| 人妻系列 视频| 男女免费视频国产| 性色avwww在线观看| 看免费成人av毛片| 最近中文字幕高清免费大全6| 日韩视频在线欧美| 久久久久久伊人网av| 香蕉精品网在线| 亚洲激情五月婷婷啪啪| 午夜激情av网站| 肉色欧美久久久久久久蜜桃| 一区二区三区乱码不卡18| 成年人免费黄色播放视频| 中国国产av一级| 成年动漫av网址| 成人国语在线视频| 亚洲精品一区蜜桃| 精品国产一区二区久久| 国产爽快片一区二区三区| 街头女战士在线观看网站| 日韩 亚洲 欧美在线| 日本-黄色视频高清免费观看| 精品少妇久久久久久888优播| 夜夜爽夜夜爽视频| 中国三级夫妇交换| 男女午夜视频在线观看 | 国产在线一区二区三区精| 国产 一区精品| 亚洲欧美日韩另类电影网站| 日韩av在线免费看完整版不卡| 国语对白做爰xxxⅹ性视频网站| 亚洲性久久影院| 亚洲欧洲日产国产| 日韩精品免费视频一区二区三区 | 美女视频免费永久观看网站| 制服诱惑二区| 国产一级毛片在线| 欧美人与性动交α欧美精品济南到 | 国产av国产精品国产| 18禁国产床啪视频网站| 免费av中文字幕在线| 在线观看一区二区三区激情| 日韩大片免费观看网站| 一个人免费看片子| 最近最新中文字幕免费大全7| 香蕉精品网在线| 国产精品偷伦视频观看了| 丰满少妇做爰视频| 亚洲精华国产精华液的使用体验| 26uuu在线亚洲综合色| 我要看黄色一级片免费的| av视频免费观看在线观看| 如日韩欧美国产精品一区二区三区| 欧美日韩视频高清一区二区三区二| 国产成人欧美| 最近最新中文字幕大全免费视频 | 国产片特级美女逼逼视频| 国产成人午夜福利电影在线观看| 69精品国产乱码久久久| 欧美国产精品va在线观看不卡| 精品视频人人做人人爽| 日韩伦理黄色片| www日本在线高清视频| 久久av网站| 亚洲av.av天堂| 欧美精品亚洲一区二区| 少妇高潮的动态图| 成人影院久久| 丝袜喷水一区| av免费观看日本| 免费日韩欧美在线观看| 国产精品.久久久| 一级a做视频免费观看| 飞空精品影院首页| 日韩人妻精品一区2区三区| 免费观看无遮挡的男女| 欧美变态另类bdsm刘玥| 一本色道久久久久久精品综合| 一二三四在线观看免费中文在 | 精品卡一卡二卡四卡免费| 亚洲中文av在线| 观看美女的网站| 99国产精品免费福利视频| 青青草视频在线视频观看| 人人妻人人爽人人添夜夜欢视频| 中文字幕最新亚洲高清| 在线精品无人区一区二区三| 久久97久久精品| 国产成人精品福利久久| 99九九在线精品视频| 日韩,欧美,国产一区二区三区| 国产高清国产精品国产三级| 久久久久久久国产电影| 亚洲精品日韩在线中文字幕| 精品久久久精品久久久| 99国产精品免费福利视频| 大码成人一级视频| 久久久久久久大尺度免费视频| 成人亚洲精品一区在线观看| 五月玫瑰六月丁香| 成人二区视频| 天堂中文最新版在线下载| 视频中文字幕在线观看| 久久精品熟女亚洲av麻豆精品| 亚洲色图 男人天堂 中文字幕 | 丁香六月天网| 免费人妻精品一区二区三区视频| 久久 成人 亚洲| 成人午夜精彩视频在线观看| 亚洲国产av新网站| 麻豆乱淫一区二区| 全区人妻精品视频| 久久综合国产亚洲精品| 青春草视频在线免费观看| 亚洲国产av影院在线观看| 欧美成人午夜精品| 你懂的网址亚洲精品在线观看| 狂野欧美激情性xxxx在线观看| 国产成人精品一,二区| 大码成人一级视频| 国产午夜精品一二区理论片| 一级毛片电影观看| 免费人成在线观看视频色| 精品国产一区二区久久| 人妻系列 视频| 夫妻性生交免费视频一级片| a级毛片在线看网站| 美女主播在线视频| 999精品在线视频| 亚洲精品久久久久久婷婷小说| av天堂久久9| 老女人水多毛片| 草草在线视频免费看| 中文字幕制服av| 在线观看免费高清a一片| 黑人巨大精品欧美一区二区蜜桃 | 精品久久国产蜜桃| 咕卡用的链子| 香蕉精品网在线| 久久女婷五月综合色啪小说| 国产亚洲欧美精品永久| 欧美 日韩 精品 国产| 寂寞人妻少妇视频99o| 中国国产av一级| 丁香六月天网| 九九在线视频观看精品| 国产亚洲欧美精品永久| 久久久久精品性色| 免费少妇av软件| 亚洲欧美精品自产自拍| 国产一区亚洲一区在线观看| 丝袜脚勾引网站| 男女无遮挡免费网站观看| 亚洲精品自拍成人| 黄色怎么调成土黄色| 久久久久久人人人人人| 五月开心婷婷网| 国产成人免费观看mmmm| a级毛片黄视频| 18+在线观看网站| 免费观看a级毛片全部| 国产精品久久久久久av不卡| 一个人免费看片子| av网站免费在线观看视频| 亚洲av电影在线观看一区二区三区| 亚洲欧美一区二区三区黑人 | 天天躁夜夜躁狠狠躁躁| 各种免费的搞黄视频| 亚洲精品久久成人aⅴ小说| 久久ye,这里只有精品| 欧美激情国产日韩精品一区| 亚洲高清免费不卡视频| 午夜福利网站1000一区二区三区| 一二三四在线观看免费中文在 | 免费日韩欧美在线观看| freevideosex欧美| 蜜桃国产av成人99| 久久这里只有精品19| 欧美精品高潮呻吟av久久| 多毛熟女@视频| 欧美+日韩+精品| 国产1区2区3区精品| 日本免费在线观看一区| 99热6这里只有精品| 婷婷色综合大香蕉| 涩涩av久久男人的天堂| 男女高潮啪啪啪动态图| 黄色一级大片看看| 欧美国产精品va在线观看不卡| 纵有疾风起免费观看全集完整版| 侵犯人妻中文字幕一二三四区| 一区二区三区精品91| 国产欧美日韩一区二区三区在线| 亚洲国产精品专区欧美| 久久久精品免费免费高清| 日韩成人av中文字幕在线观看| 十八禁网站网址无遮挡| 夜夜骑夜夜射夜夜干| 国产永久视频网站| 久久久久久久大尺度免费视频| 精品国产一区二区久久| 精品一品国产午夜福利视频| 最近中文字幕高清免费大全6| 精品酒店卫生间| 99久久精品国产国产毛片| 日韩av在线免费看完整版不卡| 妹子高潮喷水视频| av免费在线看不卡| 久久久精品免费免费高清| 久久99热这里只频精品6学生| 90打野战视频偷拍视频| 老司机亚洲免费影院| 免费高清在线观看视频在线观看| 久久久久久人人人人人| 777米奇影视久久| 午夜福利,免费看| 9191精品国产免费久久| 日韩人妻精品一区2区三区| 欧美 日韩 精品 国产| 最近最新中文字幕免费大全7| 免费人成在线观看视频色| 人人澡人人妻人| 免费av不卡在线播放| 下体分泌物呈黄色| 少妇被粗大猛烈的视频| 男人添女人高潮全过程视频| 久久99热这里只频精品6学生| 亚洲人成77777在线视频| 国产 精品1| 国产一区二区在线观看日韩| 国产日韩欧美在线精品| 日韩成人av中文字幕在线观看| 波野结衣二区三区在线| 亚洲欧美一区二区三区国产| 国产欧美日韩综合在线一区二区| 又黄又爽又刺激的免费视频.| 男女边吃奶边做爰视频| 少妇高潮的动态图| 黄色视频在线播放观看不卡| av福利片在线| 成年动漫av网址| 国产av国产精品国产| 久久99一区二区三区| 婷婷成人精品国产| 亚洲国产欧美在线一区| 捣出白浆h1v1| 男人爽女人下面视频在线观看| 日产精品乱码卡一卡2卡三| 在线亚洲精品国产二区图片欧美| 亚洲精品色激情综合| 久久av网站| 国产在视频线精品| 中文欧美无线码| 午夜福利视频在线观看免费| 久久综合国产亚洲精品| av.在线天堂| 妹子高潮喷水视频| 国产精品人妻久久久影院| 国产伦理片在线播放av一区| 一本大道久久a久久精品| 中文欧美无线码| 久久久久久久亚洲中文字幕| 午夜免费鲁丝| 九九在线视频观看精品| 欧美丝袜亚洲另类| 五月玫瑰六月丁香| 久久久久国产网址| 在线 av 中文字幕| 日本午夜av视频| 欧美国产精品va在线观看不卡| freevideosex欧美| 熟妇人妻不卡中文字幕| av一本久久久久| 亚洲成人av在线免费| 日韩一区二区三区影片| 日日撸夜夜添| 久久久久久久久久成人| 在线 av 中文字幕| 日韩精品有码人妻一区| 久久毛片免费看一区二区三区| 久久 成人 亚洲| 欧美精品一区二区大全| 中文字幕免费在线视频6| 亚洲欧洲日产国产| 亚洲av电影在线进入| 欧美成人午夜精品| 少妇的丰满在线观看| 中国美白少妇内射xxxbb| 婷婷色综合www| 一区在线观看完整版| 亚洲丝袜综合中文字幕| 国产成人免费无遮挡视频| 全区人妻精品视频| 夜夜骑夜夜射夜夜干| 伊人亚洲综合成人网| 在线观看www视频免费| 成人国产麻豆网| 一个人免费看片子| 一级毛片电影观看| 亚洲精品美女久久av网站| av国产久精品久网站免费入址| 精品国产露脸久久av麻豆| a级毛片黄视频| 男的添女的下面高潮视频| 黄网站色视频无遮挡免费观看| 超色免费av| 熟妇人妻不卡中文字幕| 亚洲国产欧美在线一区| 18禁国产床啪视频网站| 在线观看免费高清a一片| 国产免费福利视频在线观看| 欧美成人午夜精品| 日韩精品有码人妻一区| 国产日韩欧美在线精品| 成人漫画全彩无遮挡| 人人妻人人澡人人爽人人夜夜| 亚洲精品国产av成人精品| 日韩av在线免费看完整版不卡| a级毛色黄片| 久久精品久久久久久噜噜老黄| 97在线人人人人妻| 亚洲欧洲日产国产| 日韩,欧美,国产一区二区三区| 国产精品久久久久久av不卡| 亚洲av日韩在线播放| 欧美丝袜亚洲另类| 亚洲av.av天堂| 久久毛片免费看一区二区三区| 人人妻人人添人人爽欧美一区卜| 伦理电影大哥的女人| 老司机影院成人|