• <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SIFT算法改進(jìn)的圖像匹配算法

    2019-03-14 12:42:40章雷王國明
    電腦知識(shí)與技術(shù) 2019年1期
    關(guān)鍵詞:約束條件

    章雷 王國明

    摘要:傳統(tǒng)SIFT圖像匹配算法約束條件較為單一,導(dǎo)致SIFT算法在原圖像中存在相似特征很多的情況下,誤匹配問題比較明顯,不能有效剔除誤匹配點(diǎn)。為解決這個(gè)問題,提出了一種基于SIFT特征點(diǎn)構(gòu)建近鄰圖結(jié)構(gòu)和增加向量約束條件的圖像匹配方法。首先,使用K-mean方法對(duì)SIFT的特征點(diǎn)集進(jìn)行聚類,進(jìn)而生成K近鄰圖結(jié)構(gòu)完成初始匹配。然后,在歐氏距離約束條件的基礎(chǔ)上,增加向量相似度約束對(duì)傳統(tǒng)SIFT算法約束條件進(jìn)行改進(jìn),并根據(jù)相關(guān)系數(shù)進(jìn)行匹配點(diǎn)的篩選,完成精確匹配。實(shí)驗(yàn)結(jié)果表明,該算法有效。

    關(guān)鍵詞:SIFT;向量相似度;K-mean;約束條件;歐式距離

    中圖分類號(hào):G623? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A? ? ? ? 文章編號(hào):1009-3044(2019)01-0185-03

    Improved Image Matching Algorithm Based on SIFT Algorithm

    ZHANG Lei,WANG Guo-Ming

    (College of Computer Science and Engineering,Anhui University of Science &Technology, Huainan 232001,China)

    Abstract:The constraint condition of the traditional SIFT image matching algorithm is relatively single, which leads to the fact that the SIFT algorithm has many similar features in the original image, the problem of mismatched is relatively obvious, and the mismatched points cannot be effectively eliminated.To solve this problem, an image matching method based on SIFT operator fusion vision dictionary and adding vector constraints is proposed.First, k-mean method is used to cluster the feature point set of SIFT, and then the k-nearest neighbor graph structure is generated to complete the initial matching.Then, on the basis of the Euclidean distance constraint, the constraint condition of the traditional SIFT algorithm was improved by adding the vector similarity constraint, and the matching point was screened according to the correlation coefficient to complete the accurate matching.Experimental results show that the algorithm is effective.

    Key word:SIFT;Vector similarity; K-mean;Constraint Condition; Euclidean distance

    近些年,計(jì)算機(jī)視覺領(lǐng)域發(fā)展迅速。圖像匹配技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)重要的技術(shù)[1,2]。目前已經(jīng)在許多領(lǐng)域得到了應(yīng)用,諸如人臉識(shí)別、圖像三維重建、計(jì)算機(jī)視覺等。

    圖像匹配指的是利用相關(guān)的匹配算法將兩幅圖像同一的位置點(diǎn)關(guān)聯(lián)在一起的過程[3]。在實(shí)際應(yīng)用中,由于目標(biāo)位置以及相機(jī)視角的變化,光照強(qiáng)度不同等諸多干擾因素導(dǎo)致重復(fù)特征多,亮度變化大、干擾特征多等問題,給圖像的精確匹配帶來了不小的挑戰(zhàn)[4]。

    傳統(tǒng)SIFT算法中采用的約束條件是與樣本最近鄰特征點(diǎn)歐式距離與次近鄰特征點(diǎn)比值小于0.8來提取匹配點(diǎn)[5],傳統(tǒng)SIFT圖像匹配算法約束條件較為單一,在原圖像中存在相似特征較多的情況下,誤匹配問題比較明顯,不能有效剔除誤匹配點(diǎn),易出現(xiàn)錯(cuò)配和誤配情況。

    針對(duì)以上提出的問題,本文提出了一種基于SIFT特征點(diǎn)構(gòu)建近鄰圖結(jié)構(gòu)和增加向量約束條件的改進(jìn)的SIFT算法圖像匹配方法。該方法分兩步,第一步,在初始匹配階段,使用K-mean方法對(duì)SIFT的特征點(diǎn)集進(jìn)行聚類,進(jìn)而生成K近鄰圖結(jié)構(gòu)[6],完成初始圖匹配,從圖集合中篩選出可能與原圖匹配的候選圖;第二步,精確匹配階段,候選圖的特征點(diǎn)集在歐式距離的約束下,增加對(duì)SIFT算法中特征向量進(jìn)行向量相似度的計(jì)算,增加向量的相似性約束,然后根據(jù)相關(guān)系數(shù)進(jìn)行匹配點(diǎn)的篩選,最終完成精確匹配。

    1 初始階段

    本節(jié)首先介紹了SIFT算法基本原理,然后定義圖匹配的模型,最后說明了初始匹配階段的主圖匹配算法過程。

    1.1 SIFT算法基本原理

    尺度不變特征變換(SIFT)[7]的基本思想是在尺度空間概念構(gòu)建尺度空間提取位置、尺度和旋轉(zhuǎn)無關(guān)量。具體做法是先構(gòu)建尺度空間,在尺度空間中尋找局部極值點(diǎn),確定關(guān)鍵點(diǎn)的主方向,生成關(guān)鍵點(diǎn)的描述子,最后進(jìn)行匹配。以下是SIFT算法的5個(gè)主要步驟:

    STEP 1? 尺度空間的極值檢測

    首先將圖像轉(zhuǎn)換到尺度空間上,采用高斯函數(shù)[Gx,y,σ]與圖像[Ix,y]進(jìn)行卷積運(yùn)算,將二維圖像[Ix,y]轉(zhuǎn)換到尺度空間圖像[Lx,y,σ],[σ]為空間尺度因子。

    [Lx,y,σ=Gx,y,σ*Ix,y? ? ? ?]? ? ? ? ? ? ? ? ? ? (1)

    [? Gx,y,σ=12πσ2exp-x2+y22σ2]? ? ? ? ? ? ? ? ? ? ? (2)

    為了進(jìn)行尺度空間的極值檢測,可以采用高斯函數(shù)(DOG)與圖像[Ix,y]進(jìn)行卷積計(jì)算得到尺度空間的極值點(diǎn),其計(jì)算過程為:

    [D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)]? ? (3)

    其中,k為乘數(shù)因子,用于改變相鄰尺度的尺度大小。

    STEP 2? 關(guān)鍵點(diǎn)定位

    對(duì)于關(guān)鍵點(diǎn)的定位可以對(duì)DOG函數(shù)進(jìn)行二次泰勒展開進(jìn)行運(yùn)算,并對(duì)采樣點(diǎn)進(jìn)行計(jì)算:

    [DX=D+?DT?XX+12XT?2D?DX2X]? ? ? ? ? ? ? ? ?(4)

    其中,為極值點(diǎn)到樣本數(shù)據(jù)點(diǎn)的偏移量,對(duì)求導(dǎo)后取極值可獲得極值點(diǎn)的位置。

    STEP 3 關(guān)鍵點(diǎn)方向分配

    SIFT變換過程中為圖像局部特征的每個(gè)關(guān)鍵點(diǎn)都設(shè)定了一個(gè)相對(duì)方向,因此可以實(shí)現(xiàn)對(duì)圖像的旋轉(zhuǎn)的不變性。關(guān)鍵點(diǎn)方向參數(shù)通過求該關(guān)鍵點(diǎn)相鄰像素的梯度方向分布特性得到。

    STEP 4? 特征點(diǎn)生成

    首先計(jì)算關(guān)鍵點(diǎn)附近像素點(diǎn)的梯度模值和方向,以每個(gè)關(guān)鍵點(diǎn)為中心取16×16像素窗口,并在每個(gè)窗口中取4×4像素種子點(diǎn)來描述,單個(gè)關(guān)鍵點(diǎn)就形成了128維的描述特征向量。

    STEP 5? 特征點(diǎn)匹配

    SIFT特征描述符向量生成后,求查詢樣本到目標(biāo)樣本最近鄰特征點(diǎn)歐氏距離與次近鄰特征點(diǎn)歐氏距離。如果最近鄰特征點(diǎn)歐氏距離與次近鄰特征點(diǎn)歐氏距離比值小于某一閾值時(shí),認(rèn)為該特征點(diǎn)對(duì)匹配成功,否則匹配失敗。此處的閾值一般設(shè)定為0.8。

    1.2 圖匹配

    在基于圖模型的應(yīng)用中,圖匹配[8]是一項(xiàng)基礎(chǔ)而又重要的技術(shù)。在本文中圖模型的節(jié)點(diǎn)是圖像的特征點(diǎn),圖模型[9]的邊用來描述特征點(diǎn)之間的關(guān)系。利用圖模型描述圖像特征以后,圖像的特征匹配問題就可以轉(zhuǎn)化為圖的頂點(diǎn)匹配問題[10]。以下是主圖匹配的算法步驟:

    輸入:目標(biāo)圖像P,圖像集合Qm

    輸出:候選圖Gw

    步驟:

    Step1 對(duì)目標(biāo)圖像P進(jìn)行SIFT特征點(diǎn)提取,生成特征點(diǎn)集MP={mi};

    Step2 分別對(duì)圖像集合Qm進(jìn)行SIFT特征點(diǎn)提取,生成特征點(diǎn)集W={M1,M2,...,Mn};

    Step3 對(duì)特征點(diǎn)集MP={mi}進(jìn)行聚類操作,生成新的點(diǎn)集Mp={mi};

    Step4 對(duì)特征點(diǎn)集W={M1,M2,...,Mn}進(jìn)行聚類操作,生成新的點(diǎn)W={M1,...,Mn};

    Step5 生成近鄰圖Gm=(VM,EM)。其中VM是圖節(jié)點(diǎn),EM={eij},當(dāng)i點(diǎn)和j是點(diǎn)近鄰并且兩點(diǎn)之間的距離小于所有點(diǎn)集之間的距離平均值時(shí),點(diǎn)和點(diǎn)之間構(gòu)成一條無向邊eij;

    Step6 運(yùn)用Step5中的方法,為點(diǎn)集W={M1,M2,...,Mn}生成K近鄰圖集合Gw={Gm1,Gm2,...,Gmn};

    Step7 將Gm與Gw中的每個(gè)元素進(jìn)行匹配,選出候選圖Gw={G1,G2,...,Gm},其中m<=n。

    2 精確匹配

    本節(jié)介紹了精確匹配階段需要的向量相似度計(jì)算理論,然后說明了將向量的相關(guān)系數(shù)融入傳統(tǒng)SIFT算法中,對(duì)SIFT算法進(jìn)行了改進(jìn)。

    2.1 向量相似度計(jì)算

    相似度是指兩個(gè)對(duì)象之間的類似的程度[11]。在本文中,采用的是SIFT特征點(diǎn)描述符,由于它是128維向量組成,故采用一般向量的相似度函數(shù)來度量相似程度[12,13]。假設(shè)對(duì)于任意兩向量[X,Y],從向量的大小和方向的角度綜合表征兩向量的相似程度[14]??啥x向量之間的關(guān)系如下:

    定義1:向量[X,Y]的長度相似度([αX,Y]),長度相似度是衡量向量大小的標(biāo)準(zhǔn)。

    設(shè)存在向量[X=x1,x2,…,xn],[ Y=y1,y2,…,yn],則向量[X,Y]的長度相似度為

    [αX,Y=1-X-YX] 其中[X]表示向量[X]的范數(shù)(5)

    定義2:向量[X,Y]的方向相似度([βX,Y]),方向相似度是衡量向量之間夾角大小的標(biāo)準(zhǔn)。

    設(shè)存在向量[X=x1,x2,…,xn],[ Y=y1,y2,…,yn] 則[βX,Y]為

    [βX,Y=1-θ90°] ,其中

    [θ=arccosX,YXY? ?0≤θ≤180°]? ? ? ? ? ? ? ? (6)

    定義3:設(shè)存在向量

    [X=x1,x2,…,xn],[ Y=y1,y2,…,yn],則向量[X,Y]的相似度([γX,Y]為

    [γX,Y=αX,Y?βX,Y]? ? ? ? ? ? ? ? ?(7)

    其中([γX,Y∈1,-1]? ,當(dāng)[θ=90°]時(shí),兩個(gè)向量正交,此時(shí)相似度系數(shù)[γX,Y=0];當(dāng)[θ=0°] 時(shí),并且范數(shù)相同時(shí),兩向量的相似度系數(shù)[γX,Y=1];當(dāng)[θ=180°]時(shí),并且范數(shù)相同時(shí),兩向量的相似度系數(shù)[γX,Y=-1] 。

    2.2 向量的相關(guān)系數(shù)

    在主圖匹配完成后,篩選出符合條件的候選圖,將候選圖在SIFT初始匹配的點(diǎn)集M={mi}和W={wi}與待匹配的圖的特征點(diǎn)集進(jìn)行匹配。

    SIFT算法在相似區(qū)域較多的圖像以及特征信息很相似時(shí),容易出現(xiàn)錯(cuò)配和誤配情況。原SIFT算法中采用與樣本最近鄰特征點(diǎn)歐式距離來提取匹配點(diǎn),沒有考慮到特征向量間的相關(guān)性。歐式距離[15]是一種距離度量法,通過度量向量空間距離來表示向量間的相似程度,距離越近則向量越相似;當(dāng)相似特征很多時(shí),會(huì)有多個(gè)向量之間在向量空間距離是近似相等的,便會(huì)出現(xiàn)誤配現(xiàn)象。在原有的約束條件下,運(yùn)用相關(guān)系數(shù)法,增加向量間的相似性度量,提高了其匹配的精準(zhǔn)度。

    具體做法:在目標(biāo)圖像與待匹配圖像之間的某一組特征描述滿足于歐氏距離比小于0.8的前提下,進(jìn)一步來計(jì)算這兩組向量之間的相關(guān)系數(shù)R,其中R的取值范圍為[0,1],當(dāng)相關(guān)系數(shù)越大時(shí),說明兩向量越相似。以下是精確匹配階段的算法步驟:

    輸入:候選圖Gw

    輸出:是否找到目標(biāo)圖像P的匹配圖像P

    步驟:

    Step1? 對(duì)目標(biāo)圖像P特征點(diǎn)集MP={mi},進(jìn)行向量相關(guān)系數(shù)計(jì)算;

    Step2? 對(duì)候選圖Gw={G1,G2,...,Gm}在W={M1,M2,...,Mn}對(duì)應(yīng)的特征點(diǎn)集進(jìn)行向量相關(guān)系數(shù)計(jì)算;

    Step3? 將向量相關(guān)系數(shù)約束融入SIFT匹配算法中,完成匹配。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)硬件環(huán)境為CPU 為Intel CORE I5,內(nèi)存為4G的PC機(jī)。仿真實(shí)驗(yàn)環(huán)境是Windows8.1下的Matlab2016(a)軟件,實(shí)驗(yàn)所采用的圖像為Daniel Scharstein和Richard Szeliski立體匹配試驗(yàn)時(shí)使用的圖像,從中選取了Bull、ohta 、venus、poster等四組試驗(yàn)圖像。

    本次實(shí)驗(yàn)從每組圖像中選取兩張圖像,一張圖像作為目標(biāo)圖像,一張圖像作為待匹配圖像,在待匹配圖像中匹配到目標(biāo)圖像。由于圖像的中心事物不變,導(dǎo)致兩張圖像存在大量相似區(qū)域。選用這些圖像能有效地檢驗(yàn)算法的匹配能力。選取的圖像如圖2所示:

    3.2 試驗(yàn)結(jié)果分析

    圖3是傳統(tǒng)的SIFT算法對(duì)bull圖進(jìn)行圖像匹配的效果圖,圖4是改進(jìn)的算法進(jìn)行圖像匹配的效果圖。由圖3和圖4可見,對(duì)于重復(fù)和相似的特征點(diǎn)的問題,改進(jìn)的算法有效地緩解了這一問題。表1是對(duì)試驗(yàn)圖特征點(diǎn)結(jié)果的統(tǒng)計(jì)。

    綜合分析, 由表1試驗(yàn)結(jié)果統(tǒng)計(jì)結(jié)果可知,對(duì)Daniel Scharstein和Richard Szeliski立體匹配試驗(yàn)時(shí)使用的bull、ohta 、venus、poster等四組圖像,本文中算法減少了重復(fù)特征點(diǎn)的數(shù)目,提高了匹配正確率,解決了由于相似區(qū)域較多帶來的誤匹配點(diǎn)多的問題,使用本文算法后,能捕獲到更多的正確匹配點(diǎn)。試驗(yàn)結(jié)果基本滿足算法設(shè)計(jì)目的。

    4 結(jié)語

    本文在傳統(tǒng)的SIFT算法的基礎(chǔ)上,針對(duì)SIFT圖像匹配算法誤配率比較高的問題,提出了增加向量約束條件的圖像匹配方法。首先對(duì)SIFT的特征點(diǎn)集進(jìn)行聚類,生成K近鄰圖結(jié)構(gòu),對(duì)K近鄰圖進(jìn)行匹配操作。匹配成功后,在歐式距離的約束下,進(jìn)一步對(duì)SIFT算法中特征向量增加了向量的相似性約束,保證了特征點(diǎn)的質(zhì)量,減少了重復(fù)特征點(diǎn)的數(shù)目,提高了匹配的正確率,減少了誤匹配點(diǎn)。實(shí)驗(yàn)結(jié)果表明,該算法有效。

    參考文獻(xiàn):

    [1] 羅斌.數(shù)字圖像的結(jié)構(gòu)圖建模、特征描述和匹配研究[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, (1): 1-2.

    [2] 項(xiàng)英倬,譚菊仙,韓杰思,等.圖匹配技術(shù)研究[J].計(jì)算機(jī)科學(xué),2018,(6):27-31,45.

    [3] 江波,湯進(jìn),羅斌.計(jì)算機(jī)視覺中的圖匹配方法研究綜述[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, (1):29-36.

    [4] 謝宜婷,王愛平,鄒海.基于局部近鄰圖的特征描述與特征匹配算法研究[J].計(jì)算機(jī)應(yīng)用與軟件,2017,(8):185-190,196.

    [5] 白廷柱,侯喜報(bào).基于SIFT算子的圖像匹配算法研究[J].北京理工大學(xué)學(xué)報(bào),2013, (6): 622-627.

    [6]? Park, Youngki,Park, Sungchan,Jung, Woosung, et al.Reversed CF: A fast collaborative filtering algorithm using a k-nearest neighbor graph[J].Expert Systems with Application, 2015,

    [7]? LOWE D G.Distinctive image features from scale-invarlant keypoints[J].International Journal of Computer Vision,2004,60(2):91-100.

    [8] 白雪冰,陳凱,郭景秋, 等.基于k-mean聚類與灰度梯度最大熵的樹木圖像分割[J].森林工程,2014,(6):84-88.

    [9] 趙一丹,肖秦琨,高嵩.基于模糊神經(jīng)網(wǎng)絡(luò)和圖模型推理的動(dòng)作識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展,2018,(8):80-85.

    [10] 張文靜,王備戰(zhàn),張志宏.基于圖的特征選擇算法綜述[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, (1):10-20.

    [11] Image quality assessment method based on nonlinear feature extraction in kernel space[J].信息與電子工程前沿(英文版),2016,(10):1008-1017.

    [12] 賀飛躍,田錚,段西發(fā),等.高效的圖模型點(diǎn)模式匹配算法[J].計(jì)算機(jī)工程與應(yīng)用,2013, (24): 19-23.

    [13] 張宇,劉雨東,計(jì)釗.向量相似度測度方法[J].聲學(xué)技術(shù),2009,28(4):532-536.

    [14] 花小朋,徐森,李先鋒.Least squares weighted twin support vector machines with local information[J].中南大學(xué)學(xué)報(bào)(英文版),2015,(7):2638-2645.

    [15] 張明,田娜,紀(jì)志成.基于適應(yīng)值歐式距離比的均衡蜂群算法[J].系統(tǒng)仿真學(xué)報(bào),2015, (5): 980-989.

    猜你喜歡
    約束條件
    地下汽車檢測站建設(shè)的約束條件分析
    非線性約束條件下的雙陣純方位目標(biāo)運(yùn)動(dòng)分析
    基于一種改進(jìn)AZSVPWM的滿調(diào)制度死區(qū)約束條件分析
    A literature review of research exploring the experiences of overseas nurses in the United Kingdom (2002–2017)
    線性規(guī)劃的八大妙用
    復(fù)雜多約束條件通航飛行垂直剖面規(guī)劃方法
    論持續(xù)監(jiān)控研究的假設(shè)前提與約束條件
    中國市場(2016年12期)2016-05-17 05:10:07
    非約束條件下成人在線學(xué)習(xí)動(dòng)機(jī)量表編制
    基于蒙特卡洛的非線性約束條件下的優(yōu)化算法研究
    基于半約束條件下不透水面的遙感提取方法
    巨乳人妻的诱惑在线观看| 欧美一级毛片孕妇| 国产激情久久老熟女| 人人澡人人妻人| 女人爽到高潮嗷嗷叫在线视频| 每晚都被弄得嗷嗷叫到高潮| 丝袜在线中文字幕| 国产野战对白在线观看| 国产不卡av网站在线观看| 亚洲中文av在线| 精品免费久久久久久久清纯 | 桃红色精品国产亚洲av| 大陆偷拍与自拍| 亚洲久久久国产精品| 日本黄色日本黄色录像| 一进一出好大好爽视频| 免费黄频网站在线观看国产| 成人av一区二区三区在线看| 不卡av一区二区三区| 9191精品国产免费久久| 搡老熟女国产l中国老女人| 国产成+人综合+亚洲专区| 成年版毛片免费区| 老司机靠b影院| 老司机在亚洲福利影院| 亚洲va日本ⅴa欧美va伊人久久| 黄色丝袜av网址大全| 美女扒开内裤让男人捅视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产看品久久| 露出奶头的视频| 久久精品成人免费网站| 精品久久久久久电影网| 99国产精品99久久久久| 亚洲少妇的诱惑av| 男女免费视频国产| 成人18禁在线播放| 久久久精品区二区三区| av有码第一页| 国产97色在线日韩免费| 欧美人与性动交α欧美软件| 国产又爽黄色视频| 麻豆av在线久日| 黄色丝袜av网址大全| 变态另类成人亚洲欧美熟女 | 午夜免费成人在线视频| 精品免费久久久久久久清纯 | 精品乱码久久久久久99久播| 国产欧美日韩一区二区精品| 热re99久久国产66热| 久久久久久久国产电影| 露出奶头的视频| 精品一区二区三区四区五区乱码| 一级毛片精品| 精品亚洲成国产av| 久久人妻熟女aⅴ| 少妇的丰满在线观看| 又黄又粗又硬又大视频| 精品人妻在线不人妻| 国产成人精品无人区| 成熟少妇高潮喷水视频| 亚洲五月色婷婷综合| 久久精品国产亚洲av香蕉五月 | 每晚都被弄得嗷嗷叫到高潮| 黄色视频不卡| 一进一出抽搐动态| 国产精品久久久久成人av| 午夜福利视频在线观看免费| 免费女性裸体啪啪无遮挡网站| 女人被狂操c到高潮| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜福利乱码中文字幕| 大香蕉久久成人网| 91精品国产国语对白视频| 午夜精品国产一区二区电影| 91成年电影在线观看| x7x7x7水蜜桃| 久久久久国产精品人妻aⅴ院 | 免费观看精品视频网站| 免费看a级黄色片| 丝袜美腿诱惑在线| 久久久国产成人精品二区 | 美女午夜性视频免费| 国产成人精品久久二区二区91| 大片电影免费在线观看免费| 国产亚洲精品久久久久久毛片 | 日日爽夜夜爽网站| 午夜激情av网站| 国产亚洲精品久久久久5区| 性色av乱码一区二区三区2| 欧美人与性动交α欧美精品济南到| 中出人妻视频一区二区| 99精品在免费线老司机午夜| 精品久久久久久久久久免费视频 | 精品一区二区三区四区五区乱码| 国产激情久久老熟女| 国产成人免费无遮挡视频| 亚洲午夜精品一区,二区,三区| 久久久久久久国产电影| 国产欧美日韩一区二区三| 香蕉丝袜av| 久久久国产成人免费| 国产精品久久电影中文字幕 | 极品少妇高潮喷水抽搐| 午夜福利,免费看| 久久精品国产亚洲av高清一级| 免费在线观看黄色视频的| 国产激情久久老熟女| 欧美乱码精品一区二区三区| av视频免费观看在线观看| 超色免费av| 免费在线观看日本一区| 精品久久久久久,| 国产成人精品久久二区二区91| 丰满人妻熟妇乱又伦精品不卡| 日本黄色视频三级网站网址 | 99国产精品一区二区三区| 欧美在线黄色| 波多野结衣一区麻豆| 亚洲av成人一区二区三| 欧美av亚洲av综合av国产av| 亚洲人成电影观看| 咕卡用的链子| 日韩精品免费视频一区二区三区| 大香蕉久久成人网| 久久国产亚洲av麻豆专区| 女人高潮潮喷娇喘18禁视频| 国产黄色免费在线视频| 黑人操中国人逼视频| 搡老岳熟女国产| a级毛片在线看网站| 午夜免费鲁丝| 精品人妻1区二区| 69av精品久久久久久| 制服人妻中文乱码| 精品人妻1区二区| 男女下面插进去视频免费观看| 男女高潮啪啪啪动态图| 乱人伦中国视频| 男女免费视频国产| 精品第一国产精品| 男人舔女人的私密视频| av网站免费在线观看视频| 国产高清国产精品国产三级| 国产日韩欧美亚洲二区| 午夜福利在线观看吧| 脱女人内裤的视频| 久久精品aⅴ一区二区三区四区| 国产精品成人在线| 国产精品乱码一区二三区的特点 | 国产精品久久久av美女十八| 亚洲色图 男人天堂 中文字幕| 男男h啪啪无遮挡| 精品久久久久久,| 在线观看午夜福利视频| 好看av亚洲va欧美ⅴa在| 亚洲精品久久成人aⅴ小说| 欧美成狂野欧美在线观看| 99久久99久久久精品蜜桃| 免费少妇av软件| 又大又爽又粗| 超碰成人久久| 亚洲成人国产一区在线观看| 日本wwww免费看| 欧美精品啪啪一区二区三区| 人人妻人人爽人人添夜夜欢视频| 大码成人一级视频| 欧美不卡视频在线免费观看 | 亚洲一区二区三区不卡视频| 丰满的人妻完整版| 欧美日韩一级在线毛片| 变态另类成人亚洲欧美熟女 | 国产一区有黄有色的免费视频| 80岁老熟妇乱子伦牲交| 一本综合久久免费| 国产精品一区二区精品视频观看| 免费看a级黄色片| 国产亚洲欧美在线一区二区| 18在线观看网站| 精品国产一区二区久久| 黄色a级毛片大全视频| 亚洲精品成人av观看孕妇| 在线观看免费视频网站a站| 91av网站免费观看| 亚洲国产欧美一区二区综合| 制服诱惑二区| 可以免费在线观看a视频的电影网站| 9191精品国产免费久久| 自线自在国产av| 亚洲熟妇熟女久久| 国产精品久久久久久人妻精品电影| aaaaa片日本免费| 高清在线国产一区| 免费观看精品视频网站| 亚洲三区欧美一区| 久久国产乱子伦精品免费另类| 人人妻人人澡人人爽人人夜夜| 日韩有码中文字幕| 黄色a级毛片大全视频| 国产成+人综合+亚洲专区| 中文字幕制服av| 久久国产乱子伦精品免费另类| 亚洲av成人av| 满18在线观看网站| 老司机午夜福利在线观看视频| 久久精品亚洲精品国产色婷小说| 亚洲伊人色综图| 久久中文字幕人妻熟女| 18禁黄网站禁片午夜丰满| 国精品久久久久久国模美| 天天躁夜夜躁狠狠躁躁| 久久久久久久午夜电影 | 亚洲国产欧美一区二区综合| 国产男女内射视频| 下体分泌物呈黄色| 淫妇啪啪啪对白视频| 不卡av一区二区三区| 欧美精品高潮呻吟av久久| 国产色视频综合| 99久久99久久久精品蜜桃| 国产不卡av网站在线观看| 亚洲成a人片在线一区二区| 亚洲专区国产一区二区| 日韩视频一区二区在线观看| 精品国产乱子伦一区二区三区| 国产又爽黄色视频| 免费不卡黄色视频| 天天躁夜夜躁狠狠躁躁| 香蕉国产在线看| 免费日韩欧美在线观看| 90打野战视频偷拍视频| 一级毛片女人18水好多| 日韩欧美一区二区三区在线观看 | 久久久久久免费高清国产稀缺| 亚洲精品中文字幕一二三四区| 黄色怎么调成土黄色| 国产精品香港三级国产av潘金莲| 99热网站在线观看| 大型黄色视频在线免费观看| 超色免费av| 99国产精品一区二区三区| 成年人免费黄色播放视频| 成人三级做爰电影| 午夜福利视频在线观看免费| 国产成人一区二区三区免费视频网站| 不卡一级毛片| 亚洲人成电影观看| av免费在线观看网站| 大陆偷拍与自拍| 怎么达到女性高潮| 99热只有精品国产| 国产片内射在线| 91成人精品电影| 亚洲一卡2卡3卡4卡5卡精品中文| 国产视频一区二区在线看| 国产伦人伦偷精品视频| 亚洲午夜理论影院| 女性生殖器流出的白浆| 怎么达到女性高潮| 久久精品国产清高在天天线| 午夜成年电影在线免费观看| 欧美精品高潮呻吟av久久| av福利片在线| 老司机靠b影院| 午夜福利在线观看吧| 久久精品亚洲精品国产色婷小说| 老司机影院毛片| 免费观看精品视频网站| 高清视频免费观看一区二区| 国产高清国产精品国产三级| av视频免费观看在线观看| 亚洲成国产人片在线观看| 国产欧美日韩一区二区三区在线| 亚洲五月婷婷丁香| 亚洲精品成人av观看孕妇| 18禁美女被吸乳视频| 99国产精品99久久久久| 亚洲精品国产精品久久久不卡| 黑人猛操日本美女一级片| 国产野战对白在线观看| 色婷婷av一区二区三区视频| 欧美+亚洲+日韩+国产| 国产色视频综合| 97人妻天天添夜夜摸| 叶爱在线成人免费视频播放| 亚洲中文日韩欧美视频| 欧美激情极品国产一区二区三区| 亚洲在线自拍视频| 国产精品久久久人人做人人爽| 国产97色在线日韩免费| 十八禁高潮呻吟视频| 久久久国产成人免费| 国产视频一区二区在线看| 男女下面插进去视频免费观看| 久久精品国产综合久久久| 啦啦啦 在线观看视频| 最近最新中文字幕大全电影3 | 夜夜夜夜夜久久久久| 国产一区二区三区视频了| 色精品久久人妻99蜜桃| 手机成人av网站| 黄频高清免费视频| 亚洲成人手机| 久久久水蜜桃国产精品网| 91大片在线观看| 亚洲国产看品久久| 欧美另类亚洲清纯唯美| 成年动漫av网址| 成年女人毛片免费观看观看9 | 一区在线观看完整版| 亚洲专区国产一区二区| 免费看十八禁软件| 久热爱精品视频在线9| 久久精品国产亚洲av高清一级| 在线观看舔阴道视频| 大香蕉久久网| 丁香六月欧美| 久久久久久久午夜电影 | 男人舔女人的私密视频| 中亚洲国语对白在线视频| 成人影院久久| 免费在线观看亚洲国产| 99精品在免费线老司机午夜| 中文亚洲av片在线观看爽 | 国精品久久久久久国模美| 亚洲国产毛片av蜜桃av| 国产成人精品无人区| 两个人看的免费小视频| 久久婷婷成人综合色麻豆| 黄频高清免费视频| 9色porny在线观看| 国产野战对白在线观看| 18禁裸乳无遮挡免费网站照片 | 久久精品国产综合久久久| 精品人妻在线不人妻| 久99久视频精品免费| 757午夜福利合集在线观看| 亚洲久久久国产精品| 十分钟在线观看高清视频www| 亚洲精品成人av观看孕妇| 国产免费现黄频在线看| 亚洲国产中文字幕在线视频| 纯流量卡能插随身wifi吗| 一夜夜www| 国产亚洲精品一区二区www | 中文亚洲av片在线观看爽 | 老熟女久久久| bbb黄色大片| 午夜精品国产一区二区电影| 久久久精品国产亚洲av高清涩受| 12—13女人毛片做爰片一| 亚洲黑人精品在线| 亚洲五月天丁香| 女人精品久久久久毛片| 美女国产高潮福利片在线看| 中文字幕人妻丝袜一区二区| 欧美日韩一级在线毛片| 啦啦啦在线免费观看视频4| 久久国产乱子伦精品免费另类| 亚洲精品自拍成人| 黄片播放在线免费| av线在线观看网站| 日韩视频一区二区在线观看| av一本久久久久| 精品人妻1区二区| 久久天躁狠狠躁夜夜2o2o| 91大片在线观看| 亚洲av成人不卡在线观看播放网| 亚洲av电影在线进入| 老司机午夜福利在线观看视频| 黑人巨大精品欧美一区二区mp4| 成年女人毛片免费观看观看9 | av国产精品久久久久影院| 大型黄色视频在线免费观看| 久久国产精品大桥未久av| 十分钟在线观看高清视频www| 一边摸一边抽搐一进一出视频| 丰满的人妻完整版| 久久久久视频综合| 三上悠亚av全集在线观看| 最近最新免费中文字幕在线| 丰满迷人的少妇在线观看| 午夜视频精品福利| 69av精品久久久久久| 久久国产亚洲av麻豆专区| 亚洲国产毛片av蜜桃av| 国产成人精品久久二区二区91| 人人妻人人添人人爽欧美一区卜| 人人妻,人人澡人人爽秒播| 人成视频在线观看免费观看| 国产精品一区二区免费欧美| 国产一区有黄有色的免费视频| av福利片在线| 又紧又爽又黄一区二区| 极品教师在线免费播放| 国产精品一区二区免费欧美| 国产一区在线观看成人免费| 99香蕉大伊视频| 少妇 在线观看| 黄频高清免费视频| 国产成人免费无遮挡视频| 热99久久久久精品小说推荐| 久久精品国产99精品国产亚洲性色 | 在线视频色国产色| 日韩有码中文字幕| 成人特级黄色片久久久久久久| 亚洲av第一区精品v没综合| 国产成人精品久久二区二区免费| 人妻一区二区av| 欧美中文综合在线视频| 亚洲少妇的诱惑av| 在线观看免费午夜福利视频| 久热爱精品视频在线9| 久久中文字幕人妻熟女| 欧美另类亚洲清纯唯美| 美女视频免费永久观看网站| 女性生殖器流出的白浆| 久久精品国产99精品国产亚洲性色 | 男女午夜视频在线观看| 国产欧美日韩一区二区精品| 午夜激情av网站| 免费观看人在逋| 成人精品一区二区免费| 国产精品免费一区二区三区在线 | 国产视频一区二区在线看| 满18在线观看网站| 黑人操中国人逼视频| 精品人妻熟女毛片av久久网站| 午夜成年电影在线免费观看| 亚洲成人免费av在线播放| 99香蕉大伊视频| 亚洲精品在线美女| 日本a在线网址| 女人爽到高潮嗷嗷叫在线视频| 视频区欧美日本亚洲| 精品国内亚洲2022精品成人 | 日韩有码中文字幕| 无遮挡黄片免费观看| av网站在线播放免费| 他把我摸到了高潮在线观看| 窝窝影院91人妻| 国产精品自产拍在线观看55亚洲 | 桃红色精品国产亚洲av| 亚洲 国产 在线| 亚洲成国产人片在线观看| 久久亚洲精品不卡| 精品少妇久久久久久888优播| 人人妻人人澡人人爽人人夜夜| 国产激情欧美一区二区| 国产三级黄色录像| 久久精品亚洲熟妇少妇任你| 午夜福利在线观看吧| 欧美日韩黄片免| 美女 人体艺术 gogo| 亚洲美女黄片视频| www.精华液| 欧美黑人欧美精品刺激| netflix在线观看网站| 男女下面插进去视频免费观看| 久久香蕉精品热| 欧美日韩一级在线毛片| 丁香欧美五月| 两个人看的免费小视频| 天天添夜夜摸| 一二三四在线观看免费中文在| 欧美精品一区二区免费开放| 免费看a级黄色片| www.精华液| 一二三四社区在线视频社区8| netflix在线观看网站| 天天操日日干夜夜撸| 精品国产亚洲在线| 99热网站在线观看| 丰满的人妻完整版| 美女福利国产在线| 高清黄色对白视频在线免费看| 亚洲成人免费电影在线观看| 精品无人区乱码1区二区| 久久狼人影院| 看免费av毛片| 亚洲av第一区精品v没综合| 国产亚洲av高清不卡| 欧美精品一区二区免费开放| 午夜影院日韩av| 欧美国产精品一级二级三级| 男女床上黄色一级片免费看| 韩国av一区二区三区四区| 亚洲国产欧美一区二区综合| 中文字幕制服av| 久久久久国产一级毛片高清牌| 欧美午夜高清在线| 亚洲中文日韩欧美视频| 亚洲国产欧美一区二区综合| 国产欧美日韩一区二区三区在线| 欧美成人免费av一区二区三区 | 国产亚洲欧美精品永久| 一二三四社区在线视频社区8| 亚洲一区二区三区不卡视频| 亚洲人成电影观看| 午夜免费成人在线视频| 久久久久精品国产欧美久久久| 亚洲中文av在线| 又黄又爽又免费观看的视频| 欧美人与性动交α欧美精品济南到| 波多野结衣av一区二区av| 黄色丝袜av网址大全| 成人免费观看视频高清| 曰老女人黄片| av福利片在线| av欧美777| 啦啦啦在线免费观看视频4| 亚洲国产精品一区二区三区在线| 丝袜在线中文字幕| 欧美一级毛片孕妇| 国产一区二区三区综合在线观看| 热99国产精品久久久久久7| 中文欧美无线码| 99久久人妻综合| 国产成人欧美在线观看 | 老司机福利观看| 亚洲成人免费av在线播放| 日本wwww免费看| 午夜视频精品福利| 一区在线观看完整版| 一区二区三区激情视频| 一级,二级,三级黄色视频| 91九色精品人成在线观看| 国产精品九九99| 久久 成人 亚洲| 一二三四社区在线视频社区8| 国产日韩一区二区三区精品不卡| 久久久精品免费免费高清| 精品午夜福利视频在线观看一区| 搡老岳熟女国产| 国产单亲对白刺激| 国产精品久久久av美女十八| 女人被狂操c到高潮| 涩涩av久久男人的天堂| 免费观看a级毛片全部| 精品国产亚洲在线| 伊人久久大香线蕉亚洲五| 免费观看a级毛片全部| 日本黄色视频三级网站网址 | 咕卡用的链子| 国产亚洲欧美在线一区二区| 免费在线观看日本一区| 在线免费观看的www视频| 最新美女视频免费是黄的| a级片在线免费高清观看视频| 多毛熟女@视频| 一a级毛片在线观看| 老司机午夜福利在线观看视频| 国产主播在线观看一区二区| 高清av免费在线| 黄片小视频在线播放| 黄色怎么调成土黄色| 欧美日韩中文字幕国产精品一区二区三区 | 久久人妻av系列| 国产91精品成人一区二区三区| √禁漫天堂资源中文www| 欧美在线黄色| 91麻豆av在线| 国产高清激情床上av| 黄色丝袜av网址大全| 国产精品二区激情视频| 日日摸夜夜添夜夜添小说| videosex国产| 国产免费男女视频| 国产成人精品无人区| 女同久久另类99精品国产91| 欧美成狂野欧美在线观看| 每晚都被弄得嗷嗷叫到高潮| 欧美人与性动交α欧美精品济南到| 亚洲国产欧美日韩在线播放| 久9热在线精品视频| 天堂俺去俺来也www色官网| 大香蕉久久成人网| 欧美亚洲日本最大视频资源| 中文字幕人妻熟女乱码| 大型黄色视频在线免费观看| av片东京热男人的天堂| 啦啦啦免费观看视频1| 男女高潮啪啪啪动态图| 天堂动漫精品| 9191精品国产免费久久| 亚洲av熟女| 亚洲熟女毛片儿| 久99久视频精品免费| 亚洲国产毛片av蜜桃av| 高清在线国产一区| 成年人免费黄色播放视频| 欧美乱码精品一区二区三区| 免费人成视频x8x8入口观看| 精品国产亚洲在线| 日本wwww免费看| 精品一区二区三卡| 国产精品一区二区在线不卡| 日韩三级视频一区二区三区| 一本综合久久免费| 国产精品 国内视频| 身体一侧抽搐| aaaaa片日本免费| 成年动漫av网址| av一本久久久久| 亚洲中文av在线| 美女国产高潮福利片在线看| 免费在线观看亚洲国产| 亚洲熟妇中文字幕五十中出 | tube8黄色片| 99国产精品99久久久久| 国产精品成人在线| 国产主播在线观看一区二区| 美国免费a级毛片| 欧美日韩一级在线毛片| 久久中文看片网|