• <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
    亚洲午夜精品一区,二区,三区| 国产在线观看jvid| 黑丝袜美女国产一区| 在线观看免费日韩欧美大片| 免费搜索国产男女视频| a级毛片在线看网站| 十分钟在线观看高清视频www| 亚洲 欧美一区二区三区| 777久久人妻少妇嫩草av网站| 此物有八面人人有两片| 美女高潮喷水抽搐中文字幕| 好男人在线观看高清免费视频 | 88av欧美| 最近在线观看免费完整版| 成人18禁在线播放| 国产乱人伦免费视频| 在线视频色国产色| 丝袜美腿诱惑在线| 亚洲成国产人片在线观看| 午夜日韩欧美国产| 欧美日本亚洲视频在线播放| 少妇裸体淫交视频免费看高清 | 色综合欧美亚洲国产小说| 9191精品国产免费久久| 午夜影院日韩av| 欧美性猛交黑人性爽| 午夜精品久久久久久毛片777| 最新美女视频免费是黄的| 777久久人妻少妇嫩草av网站| 午夜福利欧美成人| 精品久久久久久久末码| 最近最新中文字幕大全电影3 | 国产精品自产拍在线观看55亚洲| 桃色一区二区三区在线观看| 熟妇人妻久久中文字幕3abv| 中文字幕人成人乱码亚洲影| 老鸭窝网址在线观看| 精品午夜福利视频在线观看一区| 日韩国内少妇激情av| av天堂在线播放| 午夜福利免费观看在线| 99热6这里只有精品| 中文字幕高清在线视频| 久久精品人妻少妇| 欧美激情高清一区二区三区| 久久久久久亚洲精品国产蜜桃av| 在线国产一区二区在线| 亚洲国产精品999在线| 久久中文字幕人妻熟女| 99久久综合精品五月天人人| 亚洲午夜精品一区,二区,三区| 999久久久国产精品视频| 国产真人三级小视频在线观看| 中文字幕人妻丝袜一区二区| 露出奶头的视频| 亚洲性夜色夜夜综合| 欧美成人性av电影在线观看| 久久天躁狠狠躁夜夜2o2o| 真人一进一出gif抽搐免费| 国产亚洲欧美98| 日韩欧美在线二视频| 黄色丝袜av网址大全| 99国产精品99久久久久| 91字幕亚洲| 久久久久久久午夜电影| x7x7x7水蜜桃| 国产亚洲精品一区二区www| 久热爱精品视频在线9| 黄色 视频免费看| 一区二区三区高清视频在线| 亚洲专区中文字幕在线| 久久人妻福利社区极品人妻图片| 欧美日韩亚洲国产一区二区在线观看| 777久久人妻少妇嫩草av网站| 两个人免费观看高清视频| 亚洲黑人精品在线| 国产在线精品亚洲第一网站| 99久久久亚洲精品蜜臀av| АⅤ资源中文在线天堂| 久久久精品国产亚洲av高清涩受| 搞女人的毛片| 在线永久观看黄色视频| 欧美乱妇无乱码| 午夜免费鲁丝| 韩国精品一区二区三区| 亚洲七黄色美女视频| 婷婷丁香在线五月| 一边摸一边做爽爽视频免费| 国产精品二区激情视频| 精品一区二区三区四区五区乱码| www日本在线高清视频| 中文字幕人成人乱码亚洲影| 成人手机av| 黄色a级毛片大全视频| 久久婷婷成人综合色麻豆| 女生性感内裤真人,穿戴方法视频| 操出白浆在线播放| 亚洲va日本ⅴa欧美va伊人久久| 啦啦啦免费观看视频1| 日韩av在线大香蕉| 国产精品一区二区免费欧美| 日韩精品青青久久久久久| 亚洲人成77777在线视频| 在线看三级毛片| 国产伦在线观看视频一区| 一级a爱片免费观看的视频| 欧美在线一区亚洲| 最新美女视频免费是黄的| 久久久久久免费高清国产稀缺| 久久精品aⅴ一区二区三区四区| 变态另类丝袜制服| 欧美成人一区二区免费高清观看 | 亚洲成人免费电影在线观看| 午夜免费成人在线视频| 亚洲男人天堂网一区| 精品国产乱码久久久久久男人| 亚洲第一欧美日韩一区二区三区| 国产午夜福利久久久久久| 哪里可以看免费的av片| 国产单亲对白刺激| 亚洲欧美精品综合一区二区三区| 宅男免费午夜| 夜夜夜夜夜久久久久| 少妇熟女aⅴ在线视频| 国产高清激情床上av| 日韩高清综合在线| 精品久久久久久久人妻蜜臀av| 国产亚洲精品第一综合不卡| 麻豆av在线久日| 亚洲欧美日韩高清在线视频| 亚洲美女黄片视频| 亚洲国产精品成人综合色| 正在播放国产对白刺激| 亚洲av成人不卡在线观看播放网| 精品国产乱码久久久久久男人| 99热这里只有精品一区 | 亚洲天堂国产精品一区在线| 精品国产亚洲在线| 午夜亚洲福利在线播放| 两个人看的免费小视频| 国产亚洲精品第一综合不卡| 久久九九热精品免费| 波多野结衣巨乳人妻| 亚洲欧美日韩无卡精品| 成人手机av| 人人妻人人看人人澡| 日韩成人在线观看一区二区三区| 久久九九热精品免费| 中文字幕高清在线视频| 免费av毛片视频| 午夜精品久久久久久毛片777| 欧美日本视频| 香蕉av资源在线| 麻豆成人午夜福利视频| 又黄又爽又免费观看的视频| 国产午夜精品久久久久久| 国产区一区二久久| 日本黄色视频三级网站网址| 国产精品av久久久久免费| 欧美中文综合在线视频| 韩国精品一区二区三区| a在线观看视频网站| 精品高清国产在线一区| 啦啦啦免费观看视频1| 久久久久九九精品影院| 又黄又粗又硬又大视频| 男女午夜视频在线观看| 十八禁网站免费在线| 国内毛片毛片毛片毛片毛片| 亚洲成av人片免费观看| 美女扒开内裤让男人捅视频| 我的亚洲天堂| 日本成人三级电影网站| 亚洲第一av免费看| 中文字幕另类日韩欧美亚洲嫩草| 1024手机看黄色片| 色综合欧美亚洲国产小说| 亚洲国产欧美网| 亚洲第一av免费看| 18禁裸乳无遮挡免费网站照片 | 成人18禁在线播放| 高潮久久久久久久久久久不卡| 日韩国内少妇激情av| 男人舔奶头视频| 亚洲国产欧洲综合997久久, | 动漫黄色视频在线观看| 男女之事视频高清在线观看| 色播在线永久视频| 亚洲 欧美 日韩 在线 免费| 国产又爽黄色视频| 欧美日韩乱码在线| 亚洲人成网站高清观看| 免费看a级黄色片| 18美女黄网站色大片免费观看| 亚洲 欧美一区二区三区| 午夜影院日韩av| 久久久久国内视频| 午夜日韩欧美国产| 国产精品一区二区三区四区久久 | 亚洲av片天天在线观看| 亚洲国产高清在线一区二区三 | 欧美性猛交黑人性爽| www.www免费av| 校园春色视频在线观看| 人妻丰满熟妇av一区二区三区| 婷婷亚洲欧美| 国产精品久久久久久精品电影 | 日日摸夜夜添夜夜添小说| 亚洲国产精品合色在线| 日本免费一区二区三区高清不卡| 国产欧美日韩一区二区三| 亚洲欧美一区二区三区黑人| 亚洲人成伊人成综合网2020| 精品国产乱子伦一区二区三区| 又黄又爽又免费观看的视频| 国产男靠女视频免费网站| 亚洲狠狠婷婷综合久久图片| 99在线视频只有这里精品首页| 久久伊人香网站| 无限看片的www在线观看| 99久久久亚洲精品蜜臀av| 男人舔女人下体高潮全视频| 亚洲精品中文字幕一二三四区| 免费在线观看成人毛片| 91在线观看av| 久久久水蜜桃国产精品网| 99久久综合精品五月天人人| 神马国产精品三级电影在线观看 | 国产精品久久电影中文字幕| 最好的美女福利视频网| 男人的好看免费观看在线视频 | 中文字幕久久专区| 婷婷精品国产亚洲av| 久久国产乱子伦精品免费另类| www.999成人在线观看| 亚洲成av人片免费观看| 精品第一国产精品| 黑人巨大精品欧美一区二区mp4| 国产蜜桃级精品一区二区三区| 一个人观看的视频www高清免费观看 | 精品免费久久久久久久清纯| 亚洲成a人片在线一区二区| 黑人操中国人逼视频| 韩国精品一区二区三区| 国产精品九九99| 中出人妻视频一区二区| 精品国产超薄肉色丝袜足j| 深夜精品福利| www.精华液| 午夜福利高清视频| 国产精品九九99| 99精品久久久久人妻精品| 午夜成年电影在线免费观看| 99国产精品一区二区三区| 亚洲精品一区av在线观看| 91成年电影在线观看| 精品熟女少妇八av免费久了| 国产1区2区3区精品| 久久久久亚洲av毛片大全| 一个人免费在线观看的高清视频| 亚洲色图 男人天堂 中文字幕| 精品第一国产精品| 欧美三级亚洲精品| 1024香蕉在线观看| 丝袜人妻中文字幕| 男女那种视频在线观看| 老汉色∧v一级毛片| 中文字幕人妻丝袜一区二区| 久久午夜亚洲精品久久| 可以在线观看毛片的网站| 亚洲精品在线美女| 天堂动漫精品| 中文字幕人妻熟女乱码| 亚洲在线自拍视频| 亚洲精品中文字幕在线视频| a在线观看视频网站| 在线十欧美十亚洲十日本专区| 欧美性猛交黑人性爽| xxx96com| 欧美激情 高清一区二区三区| 精品久久蜜臀av无| 免费看a级黄色片| 一区二区三区精品91| 高潮久久久久久久久久久不卡| 亚洲精品国产区一区二| 99re在线观看精品视频| 欧美zozozo另类| 波多野结衣巨乳人妻| 美女高潮喷水抽搐中文字幕| 黄色丝袜av网址大全| 国产在线观看jvid| 久久精品国产99精品国产亚洲性色| 18禁观看日本| 日韩有码中文字幕| 12—13女人毛片做爰片一| 最近最新中文字幕大全免费视频| 无限看片的www在线观看| 亚洲av日韩精品久久久久久密| 久久国产精品人妻蜜桃| 91麻豆精品激情在线观看国产| 精品午夜福利视频在线观看一区| 成人三级黄色视频| 国产视频内射| 国产av在哪里看| 久99久视频精品免费| 日韩中文字幕欧美一区二区| 亚洲精品久久国产高清桃花| 国产精品99久久99久久久不卡| 免费女性裸体啪啪无遮挡网站| 看黄色毛片网站| 国产精品一区二区三区四区久久 | 国产精品久久久久久亚洲av鲁大| 国产成人av教育| 亚洲电影在线观看av| 欧美在线一区亚洲| 白带黄色成豆腐渣| 亚洲一码二码三码区别大吗| 不卡av一区二区三区| 嫩草影院精品99| 免费一级毛片在线播放高清视频| 国产一区二区激情短视频| 九色国产91popny在线| 久久99热这里只有精品18| 精品午夜福利视频在线观看一区| 啦啦啦免费观看视频1| 欧美激情极品国产一区二区三区| 看免费av毛片| 免费在线观看完整版高清| 日本三级黄在线观看| 国产三级在线视频| 97超级碰碰碰精品色视频在线观看| 午夜福利高清视频| 国产成人av教育| 国产精品综合久久久久久久免费| 精品熟女少妇八av免费久了| 亚洲专区中文字幕在线| 无人区码免费观看不卡| 午夜福利在线在线| 在线看三级毛片| 男人舔奶头视频| 免费在线观看黄色视频的| 亚洲精品中文字幕在线视频| 麻豆成人午夜福利视频| 欧美三级亚洲精品| tocl精华| ponron亚洲| 久久久国产成人免费| 国产一区二区三区视频了| 在线观看免费日韩欧美大片| 亚洲精品国产区一区二| 中亚洲国语对白在线视频| 一级毛片高清免费大全| 久久国产精品男人的天堂亚洲| 久久久久九九精品影院| 看片在线看免费视频| 午夜免费成人在线视频| 色精品久久人妻99蜜桃| 国产激情偷乱视频一区二区| 美女免费视频网站| 一个人观看的视频www高清免费观看 | 日韩欧美国产在线观看| 久久精品人妻少妇| 国产精品 国内视频| 又黄又爽又免费观看的视频| 狠狠狠狠99中文字幕| 不卡av一区二区三区| 男女之事视频高清在线观看| 成人国产综合亚洲| 老鸭窝网址在线观看| 国产黄片美女视频| 高清毛片免费观看视频网站| 999精品在线视频| 好男人在线观看高清免费视频 | 国产单亲对白刺激| av在线播放免费不卡| 色av中文字幕| 国产蜜桃级精品一区二区三区| 国产精品永久免费网站| 久久天堂一区二区三区四区| 国产成人av激情在线播放| 天堂动漫精品| 真人做人爱边吃奶动态| 俄罗斯特黄特色一大片| 欧美国产精品va在线观看不卡| 日日干狠狠操夜夜爽| 婷婷亚洲欧美| 最近最新中文字幕大全免费视频| 免费一级毛片在线播放高清视频| 久久精品aⅴ一区二区三区四区| 真人一进一出gif抽搐免费| 岛国在线观看网站| 欧美激情极品国产一区二区三区| 美女扒开内裤让男人捅视频| 精品久久久久久,| 在线观看日韩欧美| 777久久人妻少妇嫩草av网站| 国产精品九九99| 亚洲男人的天堂狠狠| 亚洲人成网站在线播放欧美日韩| av在线天堂中文字幕| 黄片播放在线免费| 亚洲美女黄片视频| 一区二区三区精品91| 色老头精品视频在线观看| 亚洲中文av在线| 天堂影院成人在线观看| 免费看a级黄色片| 18禁裸乳无遮挡免费网站照片 | 亚洲国产精品999在线| av福利片在线| 亚洲一区中文字幕在线| 99在线人妻在线中文字幕| 国产精品亚洲av一区麻豆| 亚洲精品中文字幕在线视频| 亚洲人成电影免费在线| 久久人人精品亚洲av| 国产成人欧美在线观看| 男女午夜视频在线观看| 在线观看免费午夜福利视频| 天天躁夜夜躁狠狠躁躁| 欧美中文日本在线观看视频| 午夜a级毛片| 久久久久精品国产欧美久久久| 日韩欧美三级三区| 久久午夜综合久久蜜桃| 日韩 欧美 亚洲 中文字幕| 日本三级黄在线观看| 女性被躁到高潮视频| 18禁美女被吸乳视频| www日本在线高清视频| 狠狠狠狠99中文字幕| 超碰成人久久| 亚洲国产欧美一区二区综合| 亚洲一区二区三区色噜噜| 18禁黄网站禁片午夜丰满| 最好的美女福利视频网| 国产激情久久老熟女| 国产91精品成人一区二区三区| 精品国产乱子伦一区二区三区| videosex国产| 亚洲最大成人中文| 嫁个100分男人电影在线观看| 国产一区二区三区视频了| bbb黄色大片| 国产男靠女视频免费网站| 婷婷丁香在线五月| 日韩欧美三级三区| 亚洲av片天天在线观看| 欧美zozozo另类| 亚洲三区欧美一区| 午夜激情福利司机影院| 国产成人系列免费观看| 中文在线观看免费www的网站 | 国产真实乱freesex| 亚洲av成人不卡在线观看播放网| 成人三级做爰电影| 久久精品国产清高在天天线| 窝窝影院91人妻| 国内毛片毛片毛片毛片毛片| 久热爱精品视频在线9| 国产av又大| 99国产极品粉嫩在线观看| 成人三级做爰电影| 88av欧美| 91九色精品人成在线观看| а√天堂www在线а√下载| 久热爱精品视频在线9| 真人一进一出gif抽搐免费| 亚洲精品在线观看二区| 午夜久久久在线观看| 男女床上黄色一级片免费看| 欧美乱码精品一区二区三区| 成人亚洲精品一区在线观看| 黄色毛片三级朝国网站| 亚洲国产欧洲综合997久久, | 他把我摸到了高潮在线观看| 女人被狂操c到高潮| 久久久久亚洲av毛片大全| 国产真实乱freesex| 久久精品人妻少妇| 18禁黄网站禁片午夜丰满| 免费在线观看影片大全网站| 亚洲精品久久国产高清桃花| av免费在线观看网站| 这个男人来自地球电影免费观看| 大型黄色视频在线免费观看| 亚洲av电影不卡..在线观看| 国产精品一区二区三区四区久久 | 国产精品一区二区三区四区久久 | 19禁男女啪啪无遮挡网站| 亚洲专区字幕在线| 桃红色精品国产亚洲av| 国产av在哪里看| 国产久久久一区二区三区| 日韩三级视频一区二区三区| 欧美精品啪啪一区二区三区| 一本一本综合久久| 成人三级黄色视频| 精品一区二区三区av网在线观看| 久久中文字幕一级| 侵犯人妻中文字幕一二三四区| 精品国产超薄肉色丝袜足j| 国内精品久久久久久久电影| 久久精品aⅴ一区二区三区四区| 免费观看精品视频网站| 亚洲欧美一区二区三区黑人| 国产精品一区二区精品视频观看| 中文字幕人妻熟女乱码| 日韩 欧美 亚洲 中文字幕| 夜夜躁狠狠躁天天躁| 天天添夜夜摸| 一级a爱视频在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久国产精品男人的天堂亚洲| 91老司机精品| 欧美激情高清一区二区三区| 亚洲中文字幕日韩| e午夜精品久久久久久久| 国产蜜桃级精品一区二区三区| 看片在线看免费视频| 人成视频在线观看免费观看| ponron亚洲| 亚洲avbb在线观看| 亚洲精品色激情综合| 女人爽到高潮嗷嗷叫在线视频| 久久精品91无色码中文字幕| 日韩欧美国产一区二区入口| 高清在线国产一区| 嫩草影院精品99| 亚洲五月色婷婷综合| 亚洲人成伊人成综合网2020| 久久天堂一区二区三区四区| 国产亚洲精品av在线| 中亚洲国语对白在线视频| 伊人久久大香线蕉亚洲五| 日韩欧美在线二视频| 亚洲中文av在线| 国产乱人伦免费视频| 18禁黄网站禁片午夜丰满| 婷婷六月久久综合丁香| 看片在线看免费视频| 欧美黑人巨大hd| 嫩草影视91久久| 最新在线观看一区二区三区| 18禁黄网站禁片免费观看直播| 老司机福利观看| 久久狼人影院| 午夜久久久在线观看| 国产精品香港三级国产av潘金莲| 精品久久蜜臀av无| 午夜a级毛片| 看免费av毛片| 99国产精品一区二区蜜桃av| 欧美成人午夜精品| 香蕉国产在线看| 一进一出抽搐gif免费好疼| 欧美日韩一级在线毛片| 日韩欧美国产一区二区入口| 日韩欧美国产在线观看| 91av网站免费观看| 国产成人欧美| 精品午夜福利视频在线观看一区| 日韩三级视频一区二区三区| 国产精品一区二区精品视频观看| 国内精品久久久久久久电影| 亚洲,欧美精品.| 熟妇人妻久久中文字幕3abv| 久9热在线精品视频| 一区福利在线观看| 国产亚洲精品综合一区在线观看 | 国产高清videossex| 精品久久久久久久毛片微露脸| 亚洲人成网站在线播放欧美日韩| 久久久国产成人精品二区| 久久久久久久久久黄片| www日本在线高清视频| 国产极品粉嫩免费观看在线| 他把我摸到了高潮在线观看| 女人爽到高潮嗷嗷叫在线视频| 亚洲成av人片免费观看| 亚洲国产看品久久| 成人精品一区二区免费| 久久久久九九精品影院| 搡老岳熟女国产| 国产激情偷乱视频一区二区| 又大又爽又粗| 美女大奶头视频| 日日摸夜夜添夜夜添小说| 18美女黄网站色大片免费观看| 午夜影院日韩av| 精品国内亚洲2022精品成人| 欧美黑人巨大hd| 2021天堂中文幕一二区在线观 | 制服丝袜大香蕉在线| 99久久久亚洲精品蜜臀av| 国产精品 欧美亚洲| 久久中文字幕人妻熟女| 丝袜在线中文字幕| 亚洲第一电影网av| 日本免费a在线| 18禁观看日本| 最近最新中文字幕大全电影3 | 亚洲国产日韩欧美精品在线观看 | 久久久久亚洲av毛片大全| 观看免费一级毛片| 国产成人精品久久二区二区91| 国产爱豆传媒在线观看 | 亚洲 欧美 日韩 在线 免费| 成人三级做爰电影| 免费高清在线观看日韩| 欧美亚洲日本最大视频资源| svipshipincom国产片| 欧美性猛交╳xxx乱大交人| 国产成人欧美| 伦理电影免费视频|