• <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 ?

    基于顯著區(qū)域和PHOG的黃瓜病害識別方法研究

    2018-12-19 09:04:10張云龍張會敏謝澤奇張晴晴齊國紅
    江蘇農(nóng)業(yè)科學 2018年22期
    關(guān)鍵詞:直方圖病斑黃瓜

    張云龍, 張會敏, 謝澤奇, 張晴晴, 齊國紅

    (鄭州大學西亞斯國際學院,河南鄭州 451150)

    近年來,由于自然災害、水土流失、化肥和農(nóng)藥的不合理使用以及城市化過度開發(fā)、環(huán)境污染等因素,導致農(nóng)作物病害發(fā)生頻繁,危害極大,這些病害嚴重影響了作物的產(chǎn)量和品質(zhì)。傳統(tǒng)的作物病害識別結(jié)果往往受到人為因素的影響,導致病害類型診斷不準確。隨著計算機視覺技術(shù)和模式識別技術(shù)發(fā)展以及智能攝像手段的普及,為農(nóng)作物病害智能診斷和準確識別提供了可能。作物病害葉片圖像分割和病害類型識別一直是一個重要而具有挑戰(zhàn)性的研究課題[1-3]。病害葉片圖像分割是作物病害識別方法的關(guān)鍵技術(shù)[4-6]。任守綱等針對復雜背景下黃瓜葉部病害圖片分割精度不高的問題,提出了一種基于顯著性檢測的黃瓜葉部病害圖像分割算法[7]。胡敏等提出了一種自然環(huán)境中的黃瓜病害葉片圖像在不同顏色空間中的分割及顏色、紋理特征提取算法[8]。張芳提出了一種基于超像素和形狀上下文的復雜背景下的黃瓜葉片的圖像分割算法[9]。復雜圖像的顯著性是相對于它的鄰域在不同尺度上的圖像區(qū)域的局部對比度,它表示圖像子區(qū)域像素的平均特征向量與其鄰域像素的平均特征向量之間的距離。在一個特定尺度上,可以通過采用各個像素特征向量,而不是結(jié)合為各個特征的尺度值得到的單獨顯著圖域,獲取一個組合的特征映射。對于同一幅黃瓜病害葉片圖像,不同的目的可能選擇不同的區(qū)域作為感興趣區(qū)域。近年來,顯著性分割技術(shù)已被應(yīng)用于病害葉片圖像分割中,取得了較好的分割效果[10-12]。由于黃瓜病害葉片圖像的復雜性,很多學者從病害葉片圖像中提取了各種各樣的分類特征,用于黃瓜病害識別方法。王獻鋒等提出一種基于葉片圖像和環(huán)境信息的黃瓜病害識別方法,該方法充分利用了作物病害的環(huán)境信息和作物病害葉片圖像的顏色、形狀、紋理等統(tǒng)計特征進行病害識別[13]。謝澤奇等提出了一種基于病害葉片圖像的顏色特征和屬性約簡算法的黃瓜病害葉片分割與識別方法,該方法首先利用最大類間方差閾值法對黃瓜病害葉片圖像進行病斑分割,然后提取了病斑圖像的36個分類特征進行病害識別[14]。張芳等針對復雜背景下作物病害葉片圖像特征提取和識別難題,通過局部二值模式(local binary patterns,簡稱LBP)、區(qū)域平均方差、區(qū)域平均熵值等方法分別提取病害葉片圖像的顏色、形狀、紋理等11個典型特征識別病害類型[15]。Kouakou等提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的黃瓜病害檢測方法,該方法能夠檢測出黃瓜的早期病害[16]。馬浚誠等構(gòu)建了一種基于圖像處理的溫室黃瓜霜霉病診斷系統(tǒng),該系統(tǒng)基于條件隨機場分割病斑圖像,利用決策樹模型提取病斑,最后基于徑向基核函數(shù)的支持向量機(support vector machine,簡稱SVM)分類器進行黃瓜霜霉病識別與診斷[17]。由于實際病害葉片圖像包含正常綠色、病斑和復雜背景,病葉圖像中的病斑顏色成分多樣、不均勻,病斑的紋理和形狀多種多樣,病斑灰度值存在重疊,而且正常像素與病斑像素邊界具有模糊性和不確定性。因此,很難利用固定閾值和確定的準則將病斑圖像準確分割。K-均值算法是一種被廣泛使用的彩色圖像分割算法,但該算法的分割結(jié)果在很大程度上依賴于初始聚類中心和聚類數(shù),隨機選取的聚類中心和聚類數(shù)容易造成分割時間長、分割誤差大,也可能陷入局部最小值。方向梯度直方圖(histogram of oriented gradient,簡稱HOG)特征是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子,它通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構(gòu)成特征[18],其實現(xiàn)方法是先將圖像分成小的方格單元連通區(qū)域,然后采集方格單元中各像素點的梯度方向或邊緣方向直方圖,再把這些直方圖組合起來就可以構(gòu)成特征描述子。本研究在顯著性區(qū)域和HOG特征提取方法基礎(chǔ)上,提出一種黃瓜葉部病害識別方法。首先,利用亮度和顏色的低階特征,結(jié)合多尺度分析確定原始彩色圖像的顯著圖;然后利用K-均值算法分割顯著圖,得到病斑圖像;再提取病斑圖像方向梯度直方圖特征;最后利用支持向量機分類器分類病斑圖像,并通過4種黃瓜病害進行測試。

    1 材料與方法

    1.1 病斑葉片圖像的獲取

    本研究中所使用的黃瓜葉部病害樣本圖像均是在陜西省楊凌現(xiàn)代農(nóng)業(yè)示范園采集,黃瓜品種為中農(nóng)26號。在自然光源條件下進行病害葉片圖像采集,采集時間主要從病害初期至病害后期(主要是在3—6月),在每天8:00、12:00、16:00拍攝3次病害葉片圖像。利用數(shù)碼相機采集4種黃瓜病害(角斑病、霜霉病、炭疽病、白粉病)葉片病斑圖像各60幅 (共240幅)作為研究對象。圖像采集系統(tǒng)硬件主要包括數(shù)碼相機和方正電腦。數(shù)碼相機為佳能A640,圖像分辨率為 1 200×1 600。為了試驗方便,把每幅葉片圖像剪裁成480×320,并以JPG格式存儲到圖像數(shù)據(jù)庫中。

    1.2 基于顯著區(qū)域和PHOG的作物病害識別方法

    1.2.1 作物病害葉片圖像分割 與RGB顏色空間相比,顏色空間是一種生理特征與設(shè)備無關(guān)的顏色系統(tǒng),是用數(shù)字化方法描述人的視覺感應(yīng)。其中,L表示像素亮度,a表示從紅色到綠色的范圍,b表示從黃色到藍色的范圍。病害葉片圖像的顯著區(qū)域是葉片圖像中的病斑部分,最能表現(xiàn)作物病害內(nèi)容的區(qū)域。因此,本研究提出一種作物病害葉片顯著區(qū)域提取方法。該方法結(jié)合通過改變各個濾波器的尺度大小的多尺度分析方法,然后生成顯著區(qū)域[12]。

    給定一個病害葉片圖像,設(shè)(i,j)為圖像上任一像素點,在一個給定的尺度下定義該像素點處的顯著值為該點處的內(nèi)部區(qū)域R1和外部區(qū)域R2中平均像素值之間的距離D(i,j):

    D(i,j)=‖A1-A2‖。

    (1)

    區(qū)域R1通常被選擇為一個像素點。為了克服圖像中噪聲的影響,本研究方法中選擇一個3×3的小像素區(qū)域作為區(qū)域R1。對于R1與R2之間對應(yīng)的區(qū)域是寬度為w個像素、高度為h個像素的圖像,則區(qū)域R2的寬度變化范圍wB為

    (2)

    則圖像顯著區(qū)域定義為尺度S上的顯著值之和:

    (3)

    式中:mi,j是在尺度S上通過逐點求和顯著值而獲得的組合顯著區(qū)域M的一個元素,Ci,j為圖像在像素點(i,j)處的灰度值。

    得到各個像素點的顯著性值后,利用K-均值算法分割顯著區(qū)域。K個種子由爬山算法在三維Lab圖像直方圖上自動確定[19]。爬山算法是一個搜索窗口運行在特征空間維數(shù)為d的直方圖空間上在該窗口中尋找最大的盒子。因為Lab顏色空間的像素為三維向量,則顏色直方圖中每個盒子有3d-1=26個鄰居,因此可以獲得具有K個波峰的盒子,盒子值即為初始種子。本研究采用一種8-鄰域連通分量算法連接各聚類中的像素點。當找到分割區(qū)域rk(k=1,2,…,K)時,將對應(yīng)分割圖像中像素最終顯著區(qū)域M上的值相加,計算每個分割區(qū)域的平均顯著值:

    (4)

    式中:|rk|為用像素表示的分割區(qū)域的大小。

    給定一個閾值T,將大于閾值的平均顯著值的區(qū)域保留下來,將剩余的丟棄,就得到只包含顯著對象的區(qū)域,即病害葉片病斑圖像。

    1.2.2 病斑圖像特征提取 方向梯度直方圖特征能夠利用梯度或邊緣的方向密度分布很好地描述一幅病害葉片圖像中病斑的表象和形狀。其實現(xiàn)過程為將原始圖像劃分為一些子圖像,計算局部直方圖,然后對比度歸一化局部直方圖在圖像更大的區(qū)域(block)。此過程先計算各直方圖在該block的密度,然后根據(jù)此密度值對區(qū)間的各個方格單元歸一化。歸一化能對光照變化和陰影獲得更好的穩(wěn)定性。

    HOG特征提取過程中的主要步驟為

    步驟1:遍歷圖像每個像素點,以其為中心取8×8像素領(lǐng)域為block。

    步驟2:將圖像按照空間位置均勻劃分多個子圖像,將block區(qū)域平均分成4個大小相等的細胞單元(cell),每個cell的大小為4×4個像素。

    步驟3:計算cell中每個像素的梯度方向和它的梯度幅值,梯度算子使用中心算子[1,0,-1]:

    (5)

    式中:α(x,y)和m(x,y)分別為像素點(x,y)處的梯度方向及它的梯度幅值,H(x,y)和V(x,y)分別為像素點(x,y)的水平方向的梯度大小、垂直方向的梯度大小。

    步驟4:將梯度方向限定在(0,180°)內(nèi),平均分成8個區(qū)間,利用符號表示8個方向。根據(jù)橢圓圈的高斯加權(quán)范圍將cell上所有相同梯度方向像素點的梯度幅值加權(quán)累加,組成該單元的8維梯度方向直方圖。

    步驟5:計算得到cell的8維梯度方向直方圖,將1個block區(qū)域中4個cell的梯度直方圖連接起來,得到1個block的4×8=32維的梯度直方圖特征。連接所有block的直方圖特征,并采用L2-模歸一化,得到HOG特征。

    1.2.3 基于顯著性區(qū)域和方向梯度直方圖的作物病害識別方法 設(shè)1幅大小為128×128的圖像,可以分成16×16=256個無重疊網(wǎng)格區(qū)域,則HOG特征向量的長度為256×32=8 192。與其他的特征描述方法相比,HOG能夠得到圖像的局部特征,該特征對圖像幾何的和光學的形變具有不變性。

    空間金字塔HOG(pyramid histogram of oriented gradients,簡稱PHOG)特征能夠?qū)D像的全局結(jié)構(gòu)特征進行編碼,因此,本研究選用PHOG作為病害識別的基礎(chǔ)特征提取算子[18],首先在不同的層次將圖像劃分成不同數(shù)量的塊,每一層將上一層的各塊比例按寬和高等分成更小分塊,提取各個分塊輪廓點梯度方向直方圖,然后按權(quán)值將各層中的各塊的特征向量串聯(lián)合并,就形成一個大金字塔梯度方向直方圖作為圖像的形狀特征。本研究基于顯著性區(qū)域和方向梯度直方圖,提出一種作物病害識別方法,該方法的步驟為步驟1:選擇一定數(shù)量的作物RGB彩色病害葉片圖像;步驟2:對于每幅RGB圖像的每個分量圖像,利用加權(quán)平均法進行增強處理,再進行3×3模板的中值濾波,以減少噪聲的影響,然后進行直方圖均衡化的增強處理,以改善圖像效果;步驟3:將預處理后的RGB圖像轉(zhuǎn)換為Lab圖像,利用顯著性方法分割病斑圖像;步驟4:提取每個病斑圖像的PHOG特征;步驟5:利用SVM分類器識別病斑類別。

    2 結(jié)果與分析

    2.1 對4種黃瓜病害的識別

    本研究算法是在Matlab 7.0中進行測試。分割窗口是在一個16×16×16盒子Lab直方圖上爬山搜索出的一個3×3×3的小窗。用于選擇區(qū)段平均顯著性的閾值T設(shè)置為25(一般取歸一化最終顯著圖域中最大可能平均顯著性值的10%),PHOG中的級數(shù)為4。

    支持向量機由于參數(shù)較少、魯棒性好、計算效率高,并且具有良好的抗干擾和噪聲能力,已被廣泛應(yīng)用于作物病害識別中。構(gòu)建SVM分類器關(guān)鍵在于選擇合適的核函數(shù),以及核函數(shù)參數(shù)g和懲罰因子c。本研究選擇基于徑向基核函數(shù)的SVM分類器,然后將L=3時的PHOG特征向量作為SVM分類器輸入,采用4折交叉驗證法進行作物病害識別,即將所有預處理后的4種黃瓜病斑圖像隨機劃分成4份,每次將其中3份共180幅圖像作為訓練樣本建立模型,用于訓練SVM分類器;剩余1份共60幅圖像作為測試樣本,用于測試算法的有效性。SVM中的2個參數(shù)由2次完整的交叉驗證試驗中最高識別率對應(yīng)的參數(shù)值決定,經(jīng)過參數(shù)優(yōu)化計算后,設(shè)置核函數(shù)參數(shù)g和懲罰因子c均為0.25。共執(zhí)行4次性能測試,得到4個識別結(jié)果,計算4個最佳結(jié)果的平均值作為本次試驗的識別結(jié)果。由于分成4份,因此,本研究進行4次重復交叉驗證法試驗,因此,每類病害共測試15×4=60幅樣本,計算4次重復試驗的識別結(jié)果如表1所示,共測試240幅樣本,正確識別225幅,平均識別率為93.75%;可以看出,霜霉病的識別率最低,白粉病的識別率最高。

    表1 本研究方法對4種黃瓜病害的識別結(jié)果

    2.2 與4種常用作物病害識別方法的比較

    為了驗證本研究病害識別方法的有效性,本研究與4種常用的作物病害識別方法進行比較,即基于顏色和紋理特征的黃瓜病害識別算法[8]、基于彩色圖像顏色統(tǒng)計特征的識別方法[20]、基于病斑形狀和神經(jīng)網(wǎng)絡(luò)的黃瓜病害識別方法[21]、基于K-均值分割和神經(jīng)網(wǎng)絡(luò)的葉片病害識別方法[22]。其中,前3種方法都是先提取病斑圖像的分類特征,然后采用遺傳算法進行特征選擇,再利用神經(jīng)網(wǎng)絡(luò)分類器或逐步判別分析法進行病害分類;第4種方法屬于維數(shù)約簡方法,該方法利用主成分分析對提取的特征進行維數(shù)約簡,再進行病害識別。這4種方法及本研究提出的方法都是在相同的黃瓜病害葉片圖像數(shù)據(jù)集上進行試驗,而且葉片圖像的預處理以及訓練子集和測試子集劃分相同,但各個方法提取和選擇的特征數(shù)目不同。

    由表2可知,本研究方法的識別率最高,主要原因是本研究利用顯著性得到了準確病斑圖像,而且從病斑圖像中提取的PHOG特征能夠反映病斑圖像的顏色和紋理特征,相對于傳統(tǒng)的HOG和其他特征PHOG可以檢測到不同尺度特征,表達能力更強。其他4種方法都是利用常規(guī)的病害葉片圖像分割方法,而且提取的特征維數(shù)較少,不能有效反映病斑的特征。本研究方法利用顯著圖分割病斑圖像,省略先分割背景,降低算法的復雜性和難度,再提取病斑圖像中提取PHOG特征,可有效反映病斑的局部和全局特征,試驗結(jié)果驗證算法有效性。由此可見,本研究提出的基于顯著區(qū)域和PHOG的病害識別方法是行之有效的。在目前絕大多數(shù)植物病害類型識別中,不同方法的建模方式不同,得到的分類特征不完全相同,再進行特征選擇或維數(shù)約簡得到低維特征也不相同。從試驗結(jié)果上來看,本研究方法對4種主要的黃瓜病害識別精度較好,可以用于實際黃瓜病害識別中,同時可為田間開放環(huán)境下實現(xiàn)其他作物病害的快速自動識別提供依據(jù)。

    表2 5種方法對黃瓜病害的識別率

    3 結(jié)論

    由于病害葉片圖像及其病斑的復雜、多變性,須要提取很多分類特征,但利用現(xiàn)有的特征選擇方法不容易從眾多的特征中選擇出對病害識別算法貢獻較大的少數(shù)幾個分類特征。本研究針對現(xiàn)有基于病害葉片圖像的黃瓜病害識別方法中的病斑分割和特征提取難題,提出了一種基于顯著性和PHOG的作物病害識別方法,該算法利用葉片圖像的亮度和顏色低階特征,結(jié)合多尺度分析確定原始采用病害葉片圖像的顯著圖;再提取病斑圖像的方向梯度直方圖特征;最后利用支持向量機進行病害識別。結(jié)果表明,該方法易于實現(xiàn),識別率較高。在試驗驗證過程中,可直接提取到病斑區(qū)域,省略了先分割背景的步驟,減小了試驗的復雜性和難度,從分割的病斑圖像中提取的PHOG特征能夠反映病斑的局部和全局特征,有效實現(xiàn)了復雜背景下黃瓜葉片病害分割與病害識別。由于得到的PHOG維數(shù)較大,須要進一步進行維數(shù)約簡,這也是下一步研究的重點。

    猜你喜歡
    直方圖病斑黃瓜
    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
    清新脆嫩的黃瓜
    中老年保健(2021年5期)2021-08-24 07:08:02
    黃瓜留瓜要注意兩點
    我喜歡黃瓜
    用直方圖控制畫面影調(diào)
    改進自適應(yīng)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
    摘黃瓜
    亚洲怡红院男人天堂| 精品国产一区二区三区久久久樱花 | 亚洲精品国产成人久久av| 国产在线男女| 日韩视频在线欧美| 日日啪夜夜爽| 精品亚洲乱码少妇综合久久| 久久久久久久大尺度免费视频| 狂野欧美白嫩少妇大欣赏| 女性被躁到高潮视频| 国模一区二区三区四区视频| 亚洲国产最新在线播放| 成人无遮挡网站| 丰满少妇做爰视频| 久久久色成人| 亚洲图色成人| 波野结衣二区三区在线| 少妇被粗大猛烈的视频| 天堂8中文在线网| 国产老妇伦熟女老妇高清| 国产精品伦人一区二区| 亚洲欧美成人精品一区二区| 亚洲av国产av综合av卡| 国产精品免费大片| 女性被躁到高潮视频| 亚洲精品一区蜜桃| 成人免费观看视频高清| 搡女人真爽免费视频火全软件| 少妇的逼好多水| 欧美日韩国产mv在线观看视频 | 亚洲精品视频女| 中文欧美无线码| 精品视频人人做人人爽| 精品99又大又爽又粗少妇毛片| 国产日韩欧美亚洲二区| 一级毛片我不卡| 各种免费的搞黄视频| 亚洲怡红院男人天堂| 一本—道久久a久久精品蜜桃钙片| 亚洲怡红院男人天堂| 国产精品一及| 亚洲av男天堂| 777米奇影视久久| 高清av免费在线| 搡老乐熟女国产| 九色成人免费人妻av| 精品久久久久久久久av| 噜噜噜噜噜久久久久久91| 亚洲av福利一区| 多毛熟女@视频| 日韩强制内射视频| 久久青草综合色| a 毛片基地| 日韩视频在线欧美| 91午夜精品亚洲一区二区三区| 亚洲自偷自拍三级| 一级毛片我不卡| 伊人久久国产一区二区| 人体艺术视频欧美日本| 18禁裸乳无遮挡动漫免费视频| av卡一久久| 女的被弄到高潮叫床怎么办| 亚洲中文av在线| 最黄视频免费看| 久久久久久久精品精品| 国产爽快片一区二区三区| 欧美激情国产日韩精品一区| 免费播放大片免费观看视频在线观看| 美女内射精品一级片tv| 涩涩av久久男人的天堂| 99国产精品免费福利视频| 国产黄色免费在线视频| 亚洲精品久久午夜乱码| 嫩草影院新地址| 狂野欧美激情性bbbbbb| 人人妻人人看人人澡| 国产精品一区二区在线观看99| 亚洲精品自拍成人| 草草在线视频免费看| 亚洲欧美精品专区久久| 婷婷色麻豆天堂久久| 成人亚洲欧美一区二区av| 久久久久久久久久成人| 岛国毛片在线播放| 日韩国内少妇激情av| .国产精品久久| 日韩一本色道免费dvd| 国内揄拍国产精品人妻在线| 亚洲国产欧美在线一区| 舔av片在线| 王馨瑶露胸无遮挡在线观看| 黄色视频在线播放观看不卡| 国产精品蜜桃在线观看| 亚洲人成网站在线播| 99热这里只有是精品50| 亚洲久久久国产精品| 欧美区成人在线视频| 国产黄色免费在线视频| 国产欧美另类精品又又久久亚洲欧美| 久久久色成人| 国产伦在线观看视频一区| 日韩一本色道免费dvd| 国产精品国产三级专区第一集| 99久久综合免费| 26uuu在线亚洲综合色| 欧美日韩精品成人综合77777| 精品午夜福利在线看| 久久青草综合色| 欧美成人一区二区免费高清观看| 国产中年淑女户外野战色| 亚洲av不卡在线观看| 在线观看一区二区三区激情| 91精品一卡2卡3卡4卡| 国产精品一区二区在线观看99| 日产精品乱码卡一卡2卡三| 菩萨蛮人人尽说江南好唐韦庄| 成人特级av手机在线观看| 亚洲国产最新在线播放| a级毛色黄片| 国产高清三级在线| 大香蕉久久网| av又黄又爽大尺度在线免费看| 在线免费十八禁| 小蜜桃在线观看免费完整版高清| 日韩伦理黄色片| 男男h啪啪无遮挡| 新久久久久国产一级毛片| 免费观看在线日韩| 国产精品女同一区二区软件| 久久精品国产a三级三级三级| 夫妻性生交免费视频一级片| 又大又黄又爽视频免费| 春色校园在线视频观看| 久久久欧美国产精品| 久久99精品国语久久久| 亚洲高清免费不卡视频| 精品一品国产午夜福利视频| 我的老师免费观看完整版| 国产高潮美女av| 好男人视频免费观看在线| 一级a做视频免费观看| 三级经典国产精品| 亚洲精品久久久久久婷婷小说| 汤姆久久久久久久影院中文字幕| 欧美精品人与动牲交sv欧美| 午夜福利在线在线| 自拍偷自拍亚洲精品老妇| 国产精品无大码| 亚洲自偷自拍三级| 久久国产亚洲av麻豆专区| 人妻少妇偷人精品九色| 蜜桃亚洲精品一区二区三区| 另类亚洲欧美激情| 国产男女超爽视频在线观看| 久久99精品国语久久久| 亚洲精品乱久久久久久| 噜噜噜噜噜久久久久久91| 水蜜桃什么品种好| 精品亚洲乱码少妇综合久久| 国产又色又爽无遮挡免| 黄色日韩在线| 中文天堂在线官网| 麻豆乱淫一区二区| 久久人人爽人人片av| 国产色爽女视频免费观看| 大香蕉久久网| 午夜福利在线在线| 自拍欧美九色日韩亚洲蝌蚪91 | 三级国产精品欧美在线观看| 精品一区二区免费观看| 综合色丁香网| 亚洲精品第二区| 国产乱人偷精品视频| 人妻 亚洲 视频| 身体一侧抽搐| 国产亚洲欧美精品永久| 国产综合精华液| 亚洲人与动物交配视频| 联通29元200g的流量卡| www.av在线官网国产| 国产成人精品久久久久久| 2022亚洲国产成人精品| 99久久精品一区二区三区| 中文在线观看免费www的网站| 高清视频免费观看一区二区| 久久精品国产鲁丝片午夜精品| 99热全是精品| 国产在线男女| 精品人妻视频免费看| 毛片一级片免费看久久久久| 直男gayav资源| 熟女电影av网| 日韩中文字幕视频在线看片 | h视频一区二区三区| 日韩av在线免费看完整版不卡| 18禁裸乳无遮挡动漫免费视频| 我要看黄色一级片免费的| 最近的中文字幕免费完整| videos熟女内射| 91精品一卡2卡3卡4卡| 亚洲最大成人中文| 久久久久久久久久人人人人人人| 国产精品一区二区三区四区免费观看| 亚洲av二区三区四区| 午夜激情福利司机影院| 国产精品国产三级国产专区5o| 有码 亚洲区| 在线观看美女被高潮喷水网站| 18禁在线播放成人免费| 看十八女毛片水多多多| 少妇熟女欧美另类| 国产成人免费无遮挡视频| 夜夜骑夜夜射夜夜干| 青春草国产在线视频| 国产成人a区在线观看| 91狼人影院| 国产探花极品一区二区| 亚洲成色77777| 国产精品国产三级专区第一集| 国产精品国产三级国产av玫瑰| 日本猛色少妇xxxxx猛交久久| 最近中文字幕高清免费大全6| 天堂8中文在线网| 激情五月婷婷亚洲| 国产欧美亚洲国产| 嫩草影院入口| 国产精品三级大全| 亚洲综合色惰| 亚洲天堂av无毛| 少妇人妻一区二区三区视频| 亚洲精品aⅴ在线观看| 熟女av电影| 日本黄色日本黄色录像| 亚洲成人中文字幕在线播放| 免费观看无遮挡的男女| 涩涩av久久男人的天堂| 国产成人午夜福利电影在线观看| 精品亚洲乱码少妇综合久久| 黄色日韩在线| 亚洲欧洲国产日韩| 精华霜和精华液先用哪个| 男女下面进入的视频免费午夜| av免费观看日本| 日本wwww免费看| 国产 一区精品| 日本av免费视频播放| 大话2 男鬼变身卡| 久久久久网色| 大香蕉97超碰在线| 国产免费一区二区三区四区乱码| 纯流量卡能插随身wifi吗| 精品视频人人做人人爽| 高清午夜精品一区二区三区| 欧美日韩视频精品一区| 最近最新中文字幕免费大全7| 在线观看美女被高潮喷水网站| 秋霞在线观看毛片| 日韩视频在线欧美| 人妻制服诱惑在线中文字幕| 中文天堂在线官网| 国产亚洲5aaaaa淫片| 国产精品成人在线| 男女免费视频国产| 青青草视频在线视频观看| 国产色爽女视频免费观看| 精品久久久噜噜| 在线精品无人区一区二区三 | 国产精品一区二区三区四区免费观看| 黑丝袜美女国产一区| 不卡视频在线观看欧美| 三级经典国产精品| 性高湖久久久久久久久免费观看| 久久久久久久久久久免费av| 伊人久久精品亚洲午夜| 亚洲精品成人av观看孕妇| 精品久久国产蜜桃| 不卡视频在线观看欧美| 在线观看免费视频网站a站| 亚洲不卡免费看| 欧美激情国产日韩精品一区| 国产成人精品久久久久久| 26uuu在线亚洲综合色| 我要看日韩黄色一级片| 天天躁日日操中文字幕| 日韩亚洲欧美综合| 亚洲精品日本国产第一区| 欧美精品亚洲一区二区| 久久人人爽人人片av| 老师上课跳d突然被开到最大视频| 夜夜爽夜夜爽视频| av卡一久久| 久久影院123| 亚洲成人一二三区av| 国产高清国产精品国产三级 | 亚洲精品日韩av片在线观看| 国产精品.久久久| 国产成人午夜福利电影在线观看| 久久这里有精品视频免费| 国产av一区二区精品久久 | 亚洲丝袜综合中文字幕| 国产大屁股一区二区在线视频| 身体一侧抽搐| 久久久亚洲精品成人影院| 亚洲av中文av极速乱| 亚洲久久久国产精品| 亚洲成人av在线免费| 欧美激情极品国产一区二区三区 | 亚洲欧美日韩卡通动漫| 国产一区二区三区综合在线观看 | 国产成人91sexporn| 国产一区亚洲一区在线观看| 激情五月婷婷亚洲| 国产高清国产精品国产三级 | 中文字幕制服av| 久久久国产一区二区| 国产精品福利在线免费观看| 一区二区三区免费毛片| 人人妻人人添人人爽欧美一区卜 | 精品人妻视频免费看| 777米奇影视久久| 亚洲色图综合在线观看| 赤兔流量卡办理| 日本黄色片子视频| 久久精品国产亚洲av天美| 干丝袜人妻中文字幕| 中文字幕人妻熟人妻熟丝袜美| 久久久欧美国产精品| 国产成人精品福利久久| 国产一区二区三区综合在线观看 | 亚洲国产色片| 尤物成人国产欧美一区二区三区| 午夜免费观看性视频| 人妻夜夜爽99麻豆av| 日韩亚洲欧美综合| 2022亚洲国产成人精品| 美女主播在线视频| 两个人的视频大全免费| 中文字幕av成人在线电影| 午夜激情久久久久久久| 18禁在线无遮挡免费观看视频| 国产大屁股一区二区在线视频| 亚洲国产精品999| 日韩欧美 国产精品| 亚洲国产av新网站| 国产亚洲最大av| 国语对白做爰xxxⅹ性视频网站| 香蕉精品网在线| 国产精品一区www在线观看| 亚洲精品第二区| 日本欧美视频一区| 久久鲁丝午夜福利片| 亚洲成人av在线免费| 全区人妻精品视频| 这个男人来自地球电影免费观看 | 国产永久视频网站| 99久久人妻综合| 男女下面进入的视频免费午夜| 2018国产大陆天天弄谢| 亚洲精品国产色婷婷电影| 视频区图区小说| 精品一区在线观看国产| 黄色配什么色好看| 乱码一卡2卡4卡精品| 少妇裸体淫交视频免费看高清| 99热网站在线观看| 一级片'在线观看视频| av一本久久久久| 久久精品国产亚洲网站| 国产日韩欧美亚洲二区| 狂野欧美激情性bbbbbb| 久久精品国产亚洲av天美| 亚洲美女搞黄在线观看| 五月天丁香电影| 免费黄网站久久成人精品| 国产欧美日韩精品一区二区| 国产成人精品福利久久| 日本午夜av视频| 自拍欧美九色日韩亚洲蝌蚪91 | 99re6热这里在线精品视频| 美女脱内裤让男人舔精品视频| 免费高清在线观看视频在线观看| 亚洲精华国产精华液的使用体验| 国产精品一二三区在线看| 免费黄网站久久成人精品| 成人漫画全彩无遮挡| 高清不卡的av网站| 自拍欧美九色日韩亚洲蝌蚪91 | 国精品久久久久久国模美| 亚洲国产高清在线一区二区三| 国产在线免费精品| 1000部很黄的大片| 99久久精品一区二区三区| 国产成人午夜福利电影在线观看| 肉色欧美久久久久久久蜜桃| 3wmmmm亚洲av在线观看| 国产成人精品婷婷| 色哟哟·www| 亚洲四区av| 国产精品久久久久久久久免| 国产成人91sexporn| 日韩亚洲欧美综合| 少妇 在线观看| 尤物成人国产欧美一区二区三区| 国产在线视频一区二区| 最近中文字幕2019免费版| 久久精品人妻少妇| www.色视频.com| 激情 狠狠 欧美| 色婷婷久久久亚洲欧美| 免费看av在线观看网站| 丝袜脚勾引网站| 九色成人免费人妻av| 欧美日韩一区二区视频在线观看视频在线| 亚洲av二区三区四区| 99热这里只有精品一区| 久久久久久久久久久丰满| 一个人看的www免费观看视频| 18禁在线播放成人免费| 国产一区有黄有色的免费视频| 国产免费一级a男人的天堂| 六月丁香七月| 人人妻人人爽人人添夜夜欢视频 | 久久久久久久亚洲中文字幕| 国产av码专区亚洲av| 在线观看人妻少妇| 成年美女黄网站色视频大全免费 | 男女无遮挡免费网站观看| 精品国产乱码久久久久久小说| 国产精品一区www在线观看| 久久久欧美国产精品| 在线天堂最新版资源| 91aial.com中文字幕在线观看| 国产一区二区在线观看日韩| 狂野欧美激情性xxxx在线观看| 日日啪夜夜撸| 久久久久久人妻| 日韩 亚洲 欧美在线| 日韩亚洲欧美综合| 国产精品麻豆人妻色哟哟久久| 亚洲色图av天堂| 精品久久久久久久久亚洲| 在线免费观看不下载黄p国产| 精品人妻偷拍中文字幕| 国内精品宾馆在线| 免费观看在线日韩| 国产免费一区二区三区四区乱码| 亚洲在久久综合| 少妇的逼好多水| 欧美日韩国产mv在线观看视频 | av.在线天堂| 国产黄片视频在线免费观看| 极品教师在线视频| 这个男人来自地球电影免费观看 | 1000部很黄的大片| 亚洲一级一片aⅴ在线观看| 亚洲av电影在线观看一区二区三区| 日韩亚洲欧美综合| 男人和女人高潮做爰伦理| 日韩av不卡免费在线播放| 七月丁香在线播放| av卡一久久| 精品99又大又爽又粗少妇毛片| av天堂中文字幕网| 99久久中文字幕三级久久日本| 熟妇人妻不卡中文字幕| 欧美+日韩+精品| 成人亚洲欧美一区二区av| 免费人妻精品一区二区三区视频| 在线观看三级黄色| 久久99热这里只频精品6学生| 午夜老司机福利剧场| 超碰97精品在线观看| 日韩电影二区| 熟女av电影| 九九爱精品视频在线观看| 欧美丝袜亚洲另类| 国产色爽女视频免费观看| 国产在线一区二区三区精| 成人一区二区视频在线观看| 欧美日韩综合久久久久久| 国产精品久久久久久久电影| 少妇人妻久久综合中文| 狂野欧美激情性xxxx在线观看| 少妇熟女欧美另类| 亚洲精华国产精华液的使用体验| 亚洲av国产av综合av卡| 噜噜噜噜噜久久久久久91| 熟女人妻精品中文字幕| 日本黄色日本黄色录像| 精华霜和精华液先用哪个| 国产在视频线精品| 国产视频内射| 性高湖久久久久久久久免费观看| 日韩不卡一区二区三区视频在线| 最近手机中文字幕大全| 久久精品熟女亚洲av麻豆精品| 永久网站在线| 色婷婷av一区二区三区视频| 18+在线观看网站| 亚洲国产日韩一区二区| 日本色播在线视频| 男女国产视频网站| 国产成人aa在线观看| 中文资源天堂在线| 欧美亚洲 丝袜 人妻 在线| 综合色丁香网| 男人狂女人下面高潮的视频| 成人午夜精彩视频在线观看| 日产精品乱码卡一卡2卡三| 国产精品免费大片| 丰满迷人的少妇在线观看| 青青草视频在线视频观看| 免费黄网站久久成人精品| 久久国产精品大桥未久av | 久久精品国产鲁丝片午夜精品| 91在线精品国自产拍蜜月| 国产精品久久久久久av不卡| 联通29元200g的流量卡| 少妇丰满av| 少妇人妻 视频| 91精品国产国语对白视频| 干丝袜人妻中文字幕| 国产探花极品一区二区| 91久久精品电影网| 人人妻人人添人人爽欧美一区卜 | 亚洲经典国产精华液单| 好男人视频免费观看在线| 一个人看的www免费观看视频| 国产在视频线精品| 午夜福利网站1000一区二区三区| 五月天丁香电影| 纯流量卡能插随身wifi吗| 熟女电影av网| 日韩中字成人| 久久ye,这里只有精品| 99热这里只有精品一区| 高清视频免费观看一区二区| 看十八女毛片水多多多| 国产亚洲av片在线观看秒播厂| 国产高潮美女av| 又大又黄又爽视频免费| 91久久精品国产一区二区成人| 男男h啪啪无遮挡| 在线观看av片永久免费下载| 日韩三级伦理在线观看| 国产精品精品国产色婷婷| 国产色爽女视频免费观看| 国产精品一区二区在线观看99| 免费不卡的大黄色大毛片视频在线观看| 最近2019中文字幕mv第一页| 最近最新中文字幕大全电影3| av线在线观看网站| 国内少妇人妻偷人精品xxx网站| 寂寞人妻少妇视频99o| 噜噜噜噜噜久久久久久91| 久久99热6这里只有精品| 99热这里只有是精品50| 色综合色国产| 草草在线视频免费看| 国精品久久久久久国模美| 国产高清国产精品国产三级 | 26uuu在线亚洲综合色| 亚洲精品,欧美精品| 最新中文字幕久久久久| 91精品伊人久久大香线蕉| 欧美一级a爱片免费观看看| 五月伊人婷婷丁香| 丰满少妇做爰视频| 夜夜爽夜夜爽视频| 一级二级三级毛片免费看| 看免费成人av毛片| 王馨瑶露胸无遮挡在线观看| 日本-黄色视频高清免费观看| 男人爽女人下面视频在线观看| 久久久亚洲精品成人影院| 久久99热6这里只有精品| 一区在线观看完整版| 97在线人人人人妻| 亚洲精品色激情综合| 国产av一区二区精品久久 | 大片免费播放器 马上看| 亚洲国产高清在线一区二区三| 欧美xxxx黑人xx丫x性爽| 搡老乐熟女国产| 直男gayav资源| xxx大片免费视频| kizo精华| 精品久久久久久久末码| 成人亚洲精品一区在线观看 | 18禁在线无遮挡免费观看视频| 精品国产露脸久久av麻豆| 我要看黄色一级片免费的| 成人毛片60女人毛片免费| 国产亚洲一区二区精品| 免费人妻精品一区二区三区视频| 欧美极品一区二区三区四区| 99热网站在线观看| 国产伦精品一区二区三区四那| 在线观看国产h片| h视频一区二区三区| 精品少妇黑人巨大在线播放| 视频中文字幕在线观看| 国产欧美日韩精品一区二区| 身体一侧抽搐| 激情 狠狠 欧美| 亚洲成人手机| 欧美3d第一页| 亚洲不卡免费看| 精品久久久噜噜| 国产真实伦视频高清在线观看| 精品人妻熟女av久视频| 欧美xxxx性猛交bbbb| 黄色日韩在线| 草草在线视频免费看| 在线观看一区二区三区激情|