• <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 ?

    Faster-RCNN和Level-Set結(jié)合的高分遙感影像建筑物提取

    2019-05-29 06:41:38左俊皓朱曉龍任洪娥
    液晶與顯示 2019年4期
    關(guān)鍵詞:輪廓建筑物卷積

    左俊皓,趙 聰,朱曉龍,任洪娥,2*

    (1. 東北林業(yè)大學(xué) 信息與計算機(jī)工程學(xué)院,黑龍江 哈爾濱150040;2. 黑龍江省林業(yè)智能裝備工程研究中心,黑龍江 哈爾濱 150040)

    1 引 言

    近些年來,科學(xué)研究從高分辨率遙感影像獲取更加精細(xì)豐富的影像信息。在遙感影像的各類地物信息中,其中建筑物提取是城市高分辨率遙感影像的主要應(yīng)用研究之一。建筑物的分布以及對目標(biāo)建筑物的提取包含許多信息,提取遙感影像中的建筑物是遙感圖像解譯中的重要研究課題之一。由于建筑物在結(jié)構(gòu)和定位信息上特征明顯,適合采用深度學(xué)習(xí)自動提取其空間特征,所以利用深度學(xué)習(xí)算法在遙感影像中快速自動地提取建筑物十分具有現(xiàn)實意義,并且可以為城市規(guī)劃管理提供一定的指導(dǎo)意見,從而推進(jìn)數(shù)字城市的建設(shè)。

    目前,國內(nèi)外對于遙感圖像建筑物提取進(jìn)行了很多研究。單一的基于像元的信息提取方法不能充分利用高分遙感影像信息豐富的優(yōu)勢[1],因此存在很大的應(yīng)用局限。針對高分影像的特點,Baatz M和Schape A提出將圖像分割技術(shù)應(yīng)用到遙感影像領(lǐng)域,即為面向?qū)ο蟮挠跋穹治龇椒╗2]。Taejung Kim等通過邊緣線段尋找可以建筑物構(gòu)成的目標(biāo)線段,從而提取出建筑物,但是該算法存在時間代價和誤差較大的問題[3]。Karantzalos[4]提出建筑物形狀模型結(jié)合建筑物自身幾何屬性,結(jié)合水平集分割算法,取得較好的建筑物提取結(jié)果;梁華等[5]利用深度學(xué)習(xí)技術(shù)對航空影像對地面目標(biāo)進(jìn)行檢測;周筑博等[6]利用深度卷積神經(jīng)網(wǎng)絡(luò)對輸電線路的可見光圖像進(jìn)行目標(biāo)檢測。

    高分辨率遙感影像單類目標(biāo)識別算法需要具有夠快速準(zhǔn)確地識別出盡可能多的目標(biāo)的特點和一定程度的泛化能力。針對在高分辨率遙感影像單類目標(biāo)識別問題中存在的部分問題,本文提出了一種由粗到精的目標(biāo)識別算法。首先,使用Faster-RCNN網(wǎng)絡(luò)下的VGG16模型代替 Level-Set算法中人工確定初始輪廓的步驟,在高分辨率遙感影像上快速提取一定的候選目標(biāo)區(qū)域,可以視作目標(biāo)的粗略識別過程。然后,利用Level-Set算法對候選目標(biāo)區(qū)域精細(xì)的提取,該過程是對粗略識別結(jié)果的進(jìn)一步精細(xì)處理,是目標(biāo)的精細(xì)識別過程。

    2 研究技術(shù)與方法

    傳統(tǒng)水平集方法存在初始輪廓線必須包含目標(biāo)物體或完全置于目標(biāo)的內(nèi)部(或外部),并且初始輪廓的確定受人為因素影響較大等問題。本文提出Faster-RCNN框架下的VGG16的模型和Level-Set算法結(jié)合,來解決Level-Set算法中圖像分割結(jié)果初始輪廓受人為標(biāo)記框選的影響較大的問題,利用Faster-RCNN模型確定初始化輪廓,再對初始輪廓進(jìn)行精細(xì)化分割。

    2.1 Faster-RCNN

    遙感影像包含信息量大、背景環(huán)境復(fù)雜,而單類目標(biāo)在影像中所占比例較小。傳統(tǒng)的區(qū)域生成算法雖然能夠粗略提取感興趣區(qū)域,但該感興趣區(qū)域中包含大量冗余的背景信息。與需求提取的目標(biāo)信息有著一定的出入,這些背景區(qū)域?qū)τ谶M(jìn)一步的分析研究有著很大的干擾。而本文利用Faster-RCNN粗提取目標(biāo)建筑物的輪廓,只需要簡單的特征提取和分類器就能判斷出是否包含目標(biāo),為之后的精細(xì)化分割做準(zhǔn)備。

    Faster-RCNN是把整張高分影像進(jìn)行歸一化處理后直接傳入CNN,并在之后的卷積層輸出的feature map上,添加相應(yīng)的候選框信息,這樣使得之前的CNN運算結(jié)果得以共享。此種算法的特點之一是對每張圖像CNN特征和建議區(qū)域都一次性提取完畢,訓(xùn)練數(shù)據(jù)之接存儲在GPU內(nèi)存中的Loss層,因此候選區(qū)域的計算過程中,前幾層特征不需要再重復(fù)計算而且不再需要在硬盤中存儲大量實驗數(shù)據(jù),這一優(yōu)點使其非常適用于解決大量樣本中的快速分類問題。

    Girshick[7]提出主要應(yīng)用于目標(biāo)檢測的Faster-RCNN模型,該模型特點是將特征提取、分類等問題統(tǒng)一集中在一個網(wǎng)絡(luò)模型中,由此開辟了候選框選取的新方向,與以往的滑動窗口和金字塔的辦法有不同,該方法對窗口采用1∶1,1∶2,2∶1三種比例進(jìn)行選取候選框,提高檢測準(zhǔn)確率并加快了檢測速度。

    Faster-RCNN是一種深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法,結(jié)構(gòu)如圖1所示。Faster-RCNN主要分為RPN(Region Proposal Network和Fast-RCNN)兩大模塊。其中RPN模塊主要用于預(yù)測輸入的遙感影像中可能包含目標(biāo)的候選區(qū)域,也就是區(qū)分是目標(biāo)還是背景;而Fast- RCNN用劃分候選區(qū)域,并修正候選區(qū)域的邊界框即為檢測模塊。兩個模塊使用共享的卷積神經(jīng)網(wǎng)絡(luò)來提取感興趣目標(biāo)區(qū)域。

    圖1 Faster-RCNN網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Faster-RCNN network structure

    將待檢測的圖像輸入卷積層,通過卷積層計算之后得到該圖像對應(yīng)的feature maps,將原始圖片輸入RPN(并不是feature maps),ROI池化層的作用是提取卷積層輸出的feature maps和RPN輸出的候選框特征塊,將上一步的結(jié)果輸入全連接層,全連接層將會進(jìn)行分類和回歸輸出結(jié)果。

    卷積層由卷積函數(shù)、relu函數(shù)和池化層3部分構(gòu)成。其中卷積層的主要功能是提取輸入遙感影像的特征塊[8]。卷積核大小設(shè)定為3×3,進(jìn)行卷積運算之前需要對目標(biāo)影像進(jìn)行0值填充。假設(shè)輸入圖片大小是M×N,經(jīng)過填充之后大小變?yōu)?M+2)×(N+2),之后進(jìn)行卷積運算卷積操作后圖片大小變?yōu)镸×N。

    (1)

    第一步將RPN輸出的候選特征塊平移,平移使特征塊和目標(biāo)塊二者的中心點重合,即:平移只改變特征塊的中心點坐標(biāo)px和py,公式如下:

    (2)

    (3)

    然后將RPN輸出的候選框特征塊縮放,使得輸入原始的初始輪廓經(jīng)過縮放得到一個跟目標(biāo)塊更接近特征塊,縮放改變特征塊的寬pw和高ph,公式如下:

    (4)

    (5)

    最后通過對RPN輸出的候選特征塊進(jìn)行平移和縮放操作,從而回歸最接近標(biāo)定(Gx,Gy,Gw,Gh)是回歸的主要任務(wù)。

    2.2 Level Set水平集方法

    前一階段的Faster-RCNN對目標(biāo)輪廓的粗識別階段剔除了大量不包含目標(biāo)的背景區(qū)域,提取少量感興趣區(qū)域。但這些感興趣區(qū)域通常包含部分或者完整的待識別目標(biāo),必須對粗識別結(jié)果進(jìn)行精細(xì)分割,才能對更復(fù)雜的特征加以區(qū)分。因此,在對高分遙感的提取目標(biāo)精細(xì)識別階段,對目標(biāo)粗識別的結(jié)果使用Level-Set算法精細(xì)分割,最終收斂到目標(biāo)建筑物邊界輪廓。該算法在抗噪性、魯棒性和分割精度3個指標(biāo)上都較傳統(tǒng)的圖像分割方法有優(yōu)勢。

    傳統(tǒng)的Level-Set算法雖然已經(jīng)成為了一種重要的圖像分割方法,但仍然存在一些缺點: 例如確定初始輪廓受人為因素影響較大繼而影響實驗精度,迭代次數(shù)和權(quán)系數(shù)γ的值等不具有自適應(yīng)性[9]。

    水平集方法(Level Set Method)由Osher和Sethain于1988年最早提出,早先用于計算火苗的外形變化過程[10]?;鹈缤庑问莿討B(tài)變化的并且其拓?fù)浣Y(jié)構(gòu)也在不斷變化,利用水平集方法解決[11]。

    Level-Set的基本思想是將變換的曲線作為零水平集然后嵌入進(jìn)高一維的函數(shù)中,由高維曲面演化過程就可以推演出零水平界面的點的位置,就可以得到函數(shù)的演化方程。

    (6)

    (7)

    在計算曲線變化方程中水平集函數(shù)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)時,利用水平集函數(shù)的有限差分進(jìn)行計算。如定義6個有限差分算子:

    (8)

    將式(7)改成滿足“熵守恒”條件的有限差分迭代格式為:

    (9)

    (10)

    (11)

    這種差分方法就稱為迎風(fēng)有限差分法(Upwind finite differential method)[13]。

    當(dāng)利用水平集方法分割圖像時,需要設(shè)置速度函數(shù),用以確保零水平集曲線演化到圖像邊界時能夠恰好停止。通常,可將式(6)中的速度函數(shù)F寫成如下形式:

    F=Fprop+Fcurv+Fodv,

    (12)

    其中,F(xiàn)curv=-εk表示曲率演化速度,F(xiàn)prop=Vo為常量演化速度,F(xiàn)odv=U·N表示水平對流速度,U=(u(x,y,t),v(x,y,t))。因此,式(11)可改寫為:

    (13)

    通過解算上述差分方程式,利用迭代時刻更新水平集函數(shù),更新完成之后再利用輪廓檢測方法獲得最新的零水平集,最終得到了的閉合輪廓線[14]。

    2.3 數(shù)據(jù)集及預(yù)處理

    本文選用IAILD數(shù)據(jù)集作為研究數(shù)據(jù)集。其中每幅遙感影像是覆蓋地理面積為405平方公里,空間分辨率為0.3 m的航空正射高分辨率遙感影像 。這些高分遙感影像覆蓋了不同的城市居民點,從人口稠密地區(qū)到郊區(qū)鄉(xiāng)村人口密度較小的地區(qū)。IAILD數(shù)據(jù)集具有180張5 000×5 000像素高分遙感影像,并提供了相應(yīng)的掩碼圖片,如圖2所示。

    圖2 芝加哥地區(qū)部分遙感影像Fig. 2 Partially remotely sensed images of the Chicago area

    由于原始圖片尺寸過大,直接使用進(jìn)行目標(biāo)建筑提取會造成內(nèi)存溢出等一系列的問題。因此,我們對每幅遙感影像進(jìn)行分割,調(diào)整成為500×500像素大小的影像。最終,將圖片以2∶1∶1的比例分成3個數(shù)據(jù)集,得到了訓(xùn)練集(2 500張)、驗證集(1 250張)、測試集(1 250張)。

    3 實驗步驟

    3.1 利用Faster-RCNN網(wǎng)絡(luò)模型的測試結(jié)果確定初始輪廓

    在目標(biāo)建筑的粗提取階段,采用Faster-RCNN網(wǎng)絡(luò)下的VGG16模型對目標(biāo)區(qū)域進(jìn)行提取,過程如圖3所示。

    圖3 Faster-RCNN網(wǎng)絡(luò)模型Fig.3 Faster-RCNN network model

    (1)RPN網(wǎng)絡(luò)訓(xùn)練。

    該網(wǎng)絡(luò)使用ImageNet預(yù)訓(xùn)練的模型進(jìn)行初始化,然后利用訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練中,利用零均值標(biāo)準(zhǔn)差為0.01的高斯分布隨機(jī)初始化所有新的圖層,訓(xùn)練為模型M1。下一步使用M1生成建議區(qū)域P1。

    (2)Fast-RCNN 檢測網(wǎng)絡(luò)訓(xùn)練。

    Fast-RCNN檢測網(wǎng)絡(luò)利用ImageNet預(yù)訓(xùn)練的網(wǎng)絡(luò)初始化Fast-RCNN模型,使用第一步RPN生成的建議區(qū)域P1得到訓(xùn)練模型M2。

    (3)聯(lián)合調(diào)優(yōu)

    RPN和Fast-RCNN兩者都需要一個原始特征提取網(wǎng)絡(luò)[15]。利用上一步的網(wǎng)絡(luò)訓(xùn)練得到的檢測網(wǎng)絡(luò)初始化區(qū)域的生成網(wǎng)絡(luò)。用M2初始化RPN訓(xùn)練的得到模型M3,并生成建議區(qū)域P2。接下利用M3以及P2訓(xùn)練Fast-RCNN得到最終模型M4,不同的是這一階段的訓(xùn)練固定了共享的卷積層的參數(shù),只微調(diào)區(qū)域生成網(wǎng)絡(luò)的全連接層。由以上訓(xùn)練可知,RPN和Fast-RCNN最終可共用同一個卷積神經(jīng)網(wǎng)絡(luò),結(jié)果使得整個提取識別過程轉(zhuǎn)換為既定的卷積運算,即可完成檢識提取過程,構(gòu)生成一個統(tǒng)一的網(wǎng)絡(luò),徹底解決了以前存在的時間長開銷大的瓶頸問題。每一階段的迭代次數(shù)如表1所示。

    表1 Faster-RCNN各階段迭代次數(shù)

    Tab.1 Number of iterations of each phase of Faster-RCNN

    訓(xùn)練階段網(wǎng)絡(luò)迭代次數(shù)1RPN40 0001Fast-RCNN20 0002RPN40 0002Fast-RCNN20 000

    3.2 改進(jìn)的距離保持水平集算法

    3.2.1 確定初始輪廓曲線

    因為在水平集算法中,活動輪廓只能根據(jù)符號進(jìn)行單向演變,而初始化曲線必須全包圍目標(biāo)區(qū)域或者位于目標(biāo)區(qū)域外部[16]。本文采用了Faster-RCNN網(wǎng)絡(luò)模型測試出來的結(jié)果來確定建筑物的初始輪廓曲線,在這一步驟中提高了Level-Set算法的精度。

    3.2.2 自適應(yīng)控制水平集演化

    由于距離保持水平集的中值是固定值,這將導(dǎo)致零水平集在捕捉目標(biāo)輪廓和不發(fā)生邊界泄漏兩方面無法兼顧。自適應(yīng)控制演化停止距離保持水平集方法的迭代次數(shù)是固定值,如果設(shè)定的迭代次數(shù)偏少時,圖像將出現(xiàn)還沒有分割完成但是迭代就已經(jīng)停止,不能達(dá)到對目標(biāo)的合理分割效果; 當(dāng)設(shè)定的迭代次數(shù)較多時,對目標(biāo)的分割已經(jīng)完成,但是零水平集卻還在進(jìn)行冗余的演化,等于增加了程序運行的時間成本。本文提出的解決方法是檢測相鄰 10 個的初始輪廓曲線對應(yīng)的系數(shù)值,假設(shè)這 10個值的方差小于某一設(shè)定的閾值,則迭代停止。

    3.2.3 結(jié)合Level-Set算法實現(xiàn)圖像精細(xì)化分割

    從圖4可以看出,利用Faster-RCNN分割出的建筑物還有一些小的瑕疵,過擬合、識別率低、無法精確到輪廓、有一小塊區(qū)域建筑物部分,在分割的時候漏掉了。因此,本文結(jié)合Level-Set法,對前文利用Faster-RCNN分割出的建筑物輪廓再次進(jìn)行精細(xì)分割。具體步驟如下:

    (1)選取適量的輪廓進(jìn)行測試,確定收斂所需要的迭代次數(shù)以及能量參數(shù)。

    (2)將初試區(qū)域信息保存到表格中,按行分類,方便批量讀取。

    (3)編寫批處理程序,每次循環(huán)讀取表格中一個框區(qū)域,并根據(jù)參數(shù)進(jìn)行收斂,收斂完畢后記錄區(qū)域。

    (4)完成全部收斂后進(jìn)行區(qū)域合并。

    圖4 使用Faster-RCNN網(wǎng)絡(luò)模型訓(xùn)練后的測試結(jié)果Fig.4 Test results after training using the Faster-RCNN network model

    4 實驗結(jié)果與算法評價

    本文方法在高分遙感影像上進(jìn)行了多組實驗以驗證其分割效果。

    實驗 1 中, 待分割影像是包含部分缺損的建筑物影像,建筑部分被遮擋且圖像受高斯噪聲干擾。 圖5(a)SVM方法由于僅考慮遙感影像自身的像素信息,無法將目標(biāo)檢測為建筑;圖5(b) K-Means方法對噪聲較敏感,提取了無意義的建筑物邊緣;圖5(c) 方法利用了Faster-RCNN框架下的VGG16模型進(jìn)行對建筑物的初步識別與提取,圖5(d) 使得輪廓曲線在向目標(biāo)邊緣運動的同時再利用Level-Set精細(xì)分割, 故Faster-RCNN框架與Level-Set算法結(jié)合可將被遮蓋的建筑物正確提取出來。實驗1表明: 由于利用Faster-RCNN提取建筑物的初始輪廓,使得本文方法可以更有效分割被遮蓋的目標(biāo)建筑物,并對噪聲魯棒。

    圖5 實驗1:帶有噪聲的遙感部分建筑物缺損影像的分割結(jié)果Fig.5 Experiment 1:Segmentation result of building defect image of remote sensing part with noise

    實驗 2 中,待分割影像為受樹木陰影遮擋的建筑物。 受背景中部分與目標(biāo)相近的深色像素影響,圖6(a)SVM方法提取了一些無意義的邊緣; 由于目標(biāo)被遮擋,圖5(b) K-Means方法僅考慮圖像的本身的像素信息,故無法正確分割出完整的目標(biāo)建筑物;圖6(c,d)方法集成了由粗到精的遙感影像單類目標(biāo)識別方法的優(yōu)點,并且利用Level-Set使得曲線的當(dāng)前形狀與建筑物輪廓盡量地靠近。故Faster-RCNN網(wǎng)絡(luò)模型與Level-Set算法結(jié)合可以將建筑物被遮蓋的部分正確分割。實驗 2表明: 本文方法能夠正確分割遙感影像中被樹木陰影遮擋的建筑物。

    圖6 實驗2:對受樹木陰影遮擋的建筑物影像提取過程與結(jié)果Fig.6 Experiment 2:Image extraction process and results of buildings obscured by trees

    實驗3中,待分割圖像建筑物因為光照而產(chǎn)生陰影遮擋,導(dǎo)致建筑物與背景更加難以區(qū)分。 圖7(a)SVM方法受到周邊建筑的干擾,無法準(zhǔn)確識別每一個建筑;圖7(b)方法也將建筑物的陰影當(dāng)作目標(biāo)建筑物的邊緣錯誤地分割;圖7(c,d)方法通過Faster-RCNN識別提取建筑物輪廓,Level-Set再進(jìn)行精細(xì)分割準(zhǔn)確的提取目標(biāo)建筑實驗 3 表明: 本方法能夠有效地分割遙感影像中被遮擋的目標(biāo)建筑物,受到背景中與目標(biāo)灰度值近似的像素的影響較小。

    圖7 實驗3:待分割目標(biāo)的建筑物之間緊密連接影像提取過程與結(jié)果Fig.7 Experiment 3: The process and results of image extraction with close connection between buildings to be segmented

    5 結(jié) 論

    本文通過對圖像分割中的Level-Set算法以及Faster-RCNN框架下的VGG16的模型進(jìn)行研究,并給出了這兩者結(jié)合之后的建筑物提取模型。利用這兩者算法的結(jié)合對高分遙感影像進(jìn)行了建筑物提取實驗,并與傳統(tǒng)的遙感影像提取方法作比較,結(jié)果顯示本文所提出的結(jié)合Faster-RCNN框架下的VGG16的模型的Level-Set算法對于高分遙感影像的建筑物提取效果較好,解決了Level-Set算法中圖像分割結(jié)果初始輪廓受人為標(biāo)記框選的影響較大以及Faster-RCNN框架無法精確提取目標(biāo)輪廓的問題。實驗表明在提取被遮蓋目標(biāo)建筑物和與背景灰度值相近的取建筑物時,該方法能夠更好地完成對目標(biāo)的提取分割。能夠?qū)崿F(xiàn)只需將高分遙感影像數(shù)據(jù)集輸入到訓(xùn)練好的網(wǎng)絡(luò)模型中,即可提取建筑物的輪廓,具有高效以及精準(zhǔn)的特點。

    猜你喜歡
    輪廓建筑物卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    鄰近既有建筑物全套管回轉(zhuǎn)鉆機(jī)拔樁技術(shù)
    OPENCV輪廓識別研究與實踐
    基于實時輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
    描寫建筑物的詞語
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    火柴游戲
    在線學(xué)習(xí)機(jī)制下的Snake輪廓跟蹤
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    久久精品夜夜夜夜夜久久蜜豆| 亚洲精品乱码久久久v下载方式 | 特级一级黄色大片| 国产人伦9x9x在线观看| 中出人妻视频一区二区| 精品一区二区三区视频在线 | 最近最新免费中文字幕在线| 亚洲精品粉嫩美女一区| 床上黄色一级片| 国产成年人精品一区二区| 在线观看一区二区三区| 免费av不卡在线播放| 三级男女做爰猛烈吃奶摸视频| 亚洲va日本ⅴa欧美va伊人久久| 高潮久久久久久久久久久不卡| 十八禁网站免费在线| 身体一侧抽搐| 久久精品影院6| 国产伦精品一区二区三区视频9 | 99久久综合精品五月天人人| 国产69精品久久久久777片 | 午夜视频精品福利| 亚洲无线观看免费| 国产高清videossex| 国产单亲对白刺激| 国产日本99.免费观看| 99在线视频只有这里精品首页| 一本一本综合久久| 成人av在线播放网站| tocl精华| 美女 人体艺术 gogo| 久久国产精品影院| 国产亚洲精品久久久久久毛片| 手机成人av网站| 欧美绝顶高潮抽搐喷水| 中文字幕高清在线视频| 成人一区二区视频在线观看| 美女扒开内裤让男人捅视频| 熟女少妇亚洲综合色aaa.| 亚洲第一电影网av| 亚洲天堂国产精品一区在线| 中文在线观看免费www的网站| 欧美色视频一区免费| 免费大片18禁| 亚洲国产精品999在线| 亚洲专区国产一区二区| 制服人妻中文乱码| 两性夫妻黄色片| 亚洲五月婷婷丁香| 免费看十八禁软件| 国产麻豆成人av免费视频| 国产成人一区二区三区免费视频网站| 欧美极品一区二区三区四区| 九色国产91popny在线| 欧美大码av| 午夜久久久久精精品| 中文在线观看免费www的网站| xxx96com| 欧美日本视频| 亚洲精品456在线播放app | 欧美中文综合在线视频| 最近最新免费中文字幕在线| 成在线人永久免费视频| 国产一区二区在线av高清观看| 久久99热这里只有精品18| 午夜影院日韩av| 99在线人妻在线中文字幕| 久久久精品大字幕| 欧美日韩国产亚洲二区| 久久精品人妻少妇| 久久久久久久久久黄片| 亚洲aⅴ乱码一区二区在线播放| 久9热在线精品视频| 国产久久久一区二区三区| 国产激情欧美一区二区| 成年版毛片免费区| av中文乱码字幕在线| 国产三级在线视频| 欧美3d第一页| 俄罗斯特黄特色一大片| 亚洲精品美女久久av网站| 天堂动漫精品| 男人舔女人下体高潮全视频| 村上凉子中文字幕在线| 久久久久久九九精品二区国产| 99视频精品全部免费 在线 | 一进一出抽搐gif免费好疼| 午夜福利在线观看免费完整高清在 | 狂野欧美白嫩少妇大欣赏| 可以在线观看的亚洲视频| av女优亚洲男人天堂 | 一个人看视频在线观看www免费 | 丁香欧美五月| 欧美日韩乱码在线| 久久天堂一区二区三区四区| 国产亚洲精品一区二区www| 悠悠久久av| 国产成年人精品一区二区| 久久久久国内视频| 欧美最黄视频在线播放免费| 午夜影院日韩av| 少妇裸体淫交视频免费看高清| 免费在线观看成人毛片| 国产毛片a区久久久久| 丁香欧美五月| 久久久久九九精品影院| 国产高清videossex| 亚洲欧美精品综合一区二区三区| 久久中文看片网| 给我免费播放毛片高清在线观看| 91老司机精品| 国产三级中文精品| 俄罗斯特黄特色一大片| 日韩欧美在线二视频| 国产精品一区二区精品视频观看| 99久久精品热视频| 久久午夜亚洲精品久久| 久久久久久久久中文| 免费看a级黄色片| 香蕉丝袜av| 国产精品亚洲av一区麻豆| 国产亚洲精品一区二区www| 99久久久亚洲精品蜜臀av| 国产av在哪里看| 黄色女人牲交| 久久中文字幕人妻熟女| 嫩草影院入口| av女优亚洲男人天堂 | 国产高清视频在线播放一区| 亚洲成人久久爱视频| 国产91精品成人一区二区三区| 亚洲精品美女久久av网站| 免费看美女性在线毛片视频| 国模一区二区三区四区视频 | 精品国产超薄肉色丝袜足j| 久久久久亚洲av毛片大全| 男女下面进入的视频免费午夜| 久久中文字幕人妻熟女| 国产精品永久免费网站| 国产99白浆流出| 一二三四社区在线视频社区8| 国产欧美日韩一区二区精品| 国产精品99久久久久久久久| 国产一区二区在线观看日韩 | 亚洲欧美日韩高清专用| 亚洲成av人片在线播放无| 村上凉子中文字幕在线| 99riav亚洲国产免费| 久久久久性生活片| 欧美大码av| 国产亚洲av高清不卡| 一区福利在线观看| 搡老妇女老女人老熟妇| 青草久久国产| 美女黄网站色视频| 久久中文字幕一级| 美女 人体艺术 gogo| 天堂影院成人在线观看| 三级男女做爰猛烈吃奶摸视频| 午夜a级毛片| 啦啦啦观看免费观看视频高清| 国内久久婷婷六月综合欲色啪| 91九色精品人成在线观看| 动漫黄色视频在线观看| 日韩人妻高清精品专区| 亚洲av免费在线观看| 日韩欧美免费精品| 麻豆国产av国片精品| 国产真实乱freesex| 少妇的丰满在线观看| 日日摸夜夜添夜夜添小说| 国产精品久久久久久久电影 | 日韩欧美 国产精品| 巨乳人妻的诱惑在线观看| 九九热线精品视视频播放| 一边摸一边抽搐一进一小说| 中文资源天堂在线| 午夜福利在线观看吧| 国内精品久久久久久久电影| 夜夜躁狠狠躁天天躁| 白带黄色成豆腐渣| 国产精品九九99| xxxwww97欧美| 国产精品亚洲一级av第二区| 俄罗斯特黄特色一大片| 91老司机精品| 久久久久亚洲av毛片大全| 亚洲七黄色美女视频| 级片在线观看| 亚洲精品在线观看二区| 亚洲五月婷婷丁香| 天天一区二区日本电影三级| 日本精品一区二区三区蜜桃| 成熟少妇高潮喷水视频| 每晚都被弄得嗷嗷叫到高潮| 啪啪无遮挡十八禁网站| 国产1区2区3区精品| 久久久国产欧美日韩av| 性色avwww在线观看| 波多野结衣巨乳人妻| 99re在线观看精品视频| 精品欧美国产一区二区三| 亚洲av片天天在线观看| 男女做爰动态图高潮gif福利片| 嫁个100分男人电影在线观看| 成人一区二区视频在线观看| 午夜福利欧美成人| 精品熟女少妇八av免费久了| av天堂中文字幕网| 亚洲性夜色夜夜综合| 欧美乱码精品一区二区三区| 香蕉av资源在线| av女优亚洲男人天堂 | 搡老妇女老女人老熟妇| 脱女人内裤的视频| 国产伦精品一区二区三区视频9 | 精品久久久久久成人av| 男人舔女人的私密视频| 中国美女看黄片| 久久久久久久久中文| 亚洲美女视频黄频| 99精品久久久久人妻精品| 老司机深夜福利视频在线观看| 色综合亚洲欧美另类图片| 国产成人av教育| 丁香六月欧美| 三级男女做爰猛烈吃奶摸视频| av天堂在线播放| 国产成年人精品一区二区| 久久久久久久久中文| 热99re8久久精品国产| 99久久成人亚洲精品观看| netflix在线观看网站| 每晚都被弄得嗷嗷叫到高潮| 久久中文看片网| 日本 欧美在线| 欧美中文日本在线观看视频| 亚洲男人的天堂狠狠| 欧美乱码精品一区二区三区| 日本与韩国留学比较| 美女高潮喷水抽搐中文字幕| 国产男靠女视频免费网站| 日韩欧美 国产精品| 欧美又色又爽又黄视频| 国产精品久久久av美女十八| 长腿黑丝高跟| 午夜福利在线观看吧| 少妇的丰满在线观看| 在线观看舔阴道视频| 大型黄色视频在线免费观看| 国产精品一区二区三区四区久久| 亚洲av电影在线进入| 国产精品 国内视频| 日本黄色片子视频| xxx96com| 国产精品一区二区三区四区免费观看 | 小说图片视频综合网站| 男女午夜视频在线观看| 哪里可以看免费的av片| 桃红色精品国产亚洲av| 国产精品 欧美亚洲| 激情在线观看视频在线高清| 搡老岳熟女国产| 欧美日韩乱码在线| 欧美黄色淫秽网站| 老熟妇乱子伦视频在线观看| 中文字幕熟女人妻在线| 日韩大尺度精品在线看网址| 无人区码免费观看不卡| 美女被艹到高潮喷水动态| 国产午夜福利久久久久久| 久久久久久久久久黄片| 男插女下体视频免费在线播放| 亚洲精品456在线播放app | 国产精品亚洲av一区麻豆| 中文字幕久久专区| 精品不卡国产一区二区三区| 91av网一区二区| 午夜亚洲福利在线播放| 最新在线观看一区二区三区| 国产午夜精品论理片| 国产三级在线视频| 偷拍熟女少妇极品色| 在线免费观看不下载黄p国产 | 三级男女做爰猛烈吃奶摸视频| 九九久久精品国产亚洲av麻豆 | 99精品久久久久人妻精品| 国产成人精品久久二区二区免费| 久久久久久久久久黄片| 日本在线视频免费播放| 亚洲国产精品999在线| 欧美色视频一区免费| 激情在线观看视频在线高清| 午夜福利免费观看在线| 91老司机精品| 国产免费av片在线观看野外av| 非洲黑人性xxxx精品又粗又长| 九九在线视频观看精品| 欧美成人一区二区免费高清观看 | 51午夜福利影视在线观看| 黄色丝袜av网址大全| 成人国产综合亚洲| 亚洲国产高清在线一区二区三| 久久精品亚洲精品国产色婷小说| 亚洲精品一区av在线观看| а√天堂www在线а√下载| 又爽又黄无遮挡网站| 亚洲专区字幕在线| 老熟妇仑乱视频hdxx| 成人三级黄色视频| 亚洲激情在线av| 日韩欧美免费精品| 99国产精品一区二区蜜桃av| 少妇的丰满在线观看| 老司机深夜福利视频在线观看| 亚洲美女视频黄频| 一本一本综合久久| 久久久精品大字幕| 男人舔女人下体高潮全视频| 大型黄色视频在线免费观看| 亚洲精品色激情综合| 久久天躁狠狠躁夜夜2o2o| 人妻久久中文字幕网| 我的老师免费观看完整版| 亚洲性夜色夜夜综合| 精品久久久久久久久久免费视频| 一a级毛片在线观看| 成年免费大片在线观看| 两个人的视频大全免费| 夜夜爽天天搞| 国产伦在线观看视频一区| 亚洲国产欧洲综合997久久,| 中出人妻视频一区二区| 最好的美女福利视频网| 黄色片一级片一级黄色片| av天堂中文字幕网| 亚洲欧美日韩卡通动漫| 免费看光身美女| 视频区欧美日本亚洲| 国产人伦9x9x在线观看| avwww免费| 国产69精品久久久久777片 | 香蕉国产在线看| 老熟妇乱子伦视频在线观看| 18禁美女被吸乳视频| 亚洲无线观看免费| 国产一区二区激情短视频| 一本精品99久久精品77| 久久精品aⅴ一区二区三区四区| 首页视频小说图片口味搜索| 午夜福利18| 欧美日韩福利视频一区二区| av在线蜜桃| 男女视频在线观看网站免费| 免费看光身美女| 天天添夜夜摸| 人人妻人人看人人澡| 99热只有精品国产| 黑人欧美特级aaaaaa片| 亚洲av成人不卡在线观看播放网| 在线免费观看的www视频| 麻豆久久精品国产亚洲av| 一进一出好大好爽视频| 国产成人影院久久av| 日本在线视频免费播放| 中文亚洲av片在线观看爽| 欧美黄色片欧美黄色片| 精品熟女少妇八av免费久了| 亚洲成av人片在线播放无| 亚洲 欧美 日韩 在线 免费| 女人高潮潮喷娇喘18禁视频| www日本黄色视频网| 国产亚洲欧美在线一区二区| 又大又爽又粗| 最新在线观看一区二区三区| 精品久久久久久久久久免费视频| 国内精品久久久久精免费| 国产亚洲精品一区二区www| 三级男女做爰猛烈吃奶摸视频| 999久久久国产精品视频| 美女大奶头视频| 国内揄拍国产精品人妻在线| 19禁男女啪啪无遮挡网站| 啪啪无遮挡十八禁网站| 1024手机看黄色片| 精品久久蜜臀av无| 一级毛片精品| 变态另类成人亚洲欧美熟女| 国产野战对白在线观看| 丰满人妻一区二区三区视频av | 97超级碰碰碰精品色视频在线观看| xxx96com| 亚洲最大成人中文| 午夜免费成人在线视频| 99精品欧美一区二区三区四区| 这个男人来自地球电影免费观看| 亚洲国产精品合色在线| 狠狠狠狠99中文字幕| 久久久久免费精品人妻一区二区| 黄色视频,在线免费观看| xxx96com| 欧美黄色片欧美黄色片| 国产高清三级在线| 一进一出好大好爽视频| 国产人伦9x9x在线观看| 黄片小视频在线播放| 中文字幕最新亚洲高清| 国产欧美日韩一区二区三| 成熟少妇高潮喷水视频| 男人舔女人下体高潮全视频| 久久伊人香网站| av欧美777| www国产在线视频色| 国产男靠女视频免费网站| 国产成人av教育| 999精品在线视频| 禁无遮挡网站| 免费在线观看影片大全网站| 日韩有码中文字幕| 日韩欧美 国产精品| 成年人黄色毛片网站| 欧美日韩黄片免| 欧美色视频一区免费| 欧美日韩黄片免| 禁无遮挡网站| 亚洲电影在线观看av| tocl精华| 国产高潮美女av| 亚洲色图 男人天堂 中文字幕| 国产亚洲av高清不卡| a在线观看视频网站| 亚洲成人免费电影在线观看| 欧美色视频一区免费| 国产高清视频在线播放一区| 欧美日韩福利视频一区二区| 99久久久亚洲精品蜜臀av| 亚洲人成电影免费在线| 男人舔奶头视频| 狂野欧美白嫩少妇大欣赏| 午夜福利高清视频| 成人性生交大片免费视频hd| 国产精品久久久久久亚洲av鲁大| 亚洲精品456在线播放app | 国产精品久久电影中文字幕| 国产一区二区在线观看日韩 | 日韩欧美国产在线观看| 国产高清视频在线观看网站| 人妻丰满熟妇av一区二区三区| 麻豆国产97在线/欧美| 在线永久观看黄色视频| 欧美中文综合在线视频| 美女高潮喷水抽搐中文字幕| 日日夜夜操网爽| 成人国产综合亚洲| 成人无遮挡网站| 成年女人看的毛片在线观看| 国产真实乱freesex| 午夜福利在线在线| 中出人妻视频一区二区| 九九久久精品国产亚洲av麻豆 | 一级a爱片免费观看的视频| 午夜福利成人在线免费观看| 色综合亚洲欧美另类图片| 精品久久久久久久久久久久久| 国产精品免费一区二区三区在线| 看免费av毛片| 久久久久久久午夜电影| 欧美日本视频| 国产精品久久久久久人妻精品电影| 国产精品国产高清国产av| 成人午夜高清在线视频| 一二三四在线观看免费中文在| 午夜免费激情av| 中文亚洲av片在线观看爽| 一级作爱视频免费观看| 午夜视频精品福利| 免费在线观看成人毛片| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久精品国产欧美久久久| 久久婷婷人人爽人人干人人爱| 午夜成年电影在线免费观看| 91麻豆精品激情在线观看国产| 最近最新中文字幕大全电影3| 长腿黑丝高跟| 无限看片的www在线观看| 狠狠狠狠99中文字幕| 精品福利观看| 精品欧美国产一区二区三| 国产高清视频在线播放一区| 老司机午夜十八禁免费视频| 亚洲国产看品久久| 亚洲在线观看片| 老汉色av国产亚洲站长工具| 99精品在免费线老司机午夜| 久久中文字幕一级| 麻豆成人av在线观看| 久久九九热精品免费| 亚洲国产高清在线一区二区三| 成人av在线播放网站| 久久人人精品亚洲av| 成熟少妇高潮喷水视频| 亚洲激情在线av| 高潮久久久久久久久久久不卡| 久久久久久大精品| 757午夜福利合集在线观看| 日韩欧美免费精品| 99久久99久久久精品蜜桃| 老汉色av国产亚洲站长工具| 国产aⅴ精品一区二区三区波| 欧美av亚洲av综合av国产av| 美女 人体艺术 gogo| 色哟哟哟哟哟哟| 十八禁人妻一区二区| 婷婷精品国产亚洲av| 欧美日韩乱码在线| 国产精品99久久久久久久久| 久久中文字幕人妻熟女| 成人精品一区二区免费| 淫秽高清视频在线观看| 久久精品国产综合久久久| or卡值多少钱| 丁香六月欧美| 国产三级黄色录像| 久久中文字幕人妻熟女| 窝窝影院91人妻| 日韩三级视频一区二区三区| 国产1区2区3区精品| 亚洲精品粉嫩美女一区| 日本一本二区三区精品| 色综合亚洲欧美另类图片| 亚洲男人的天堂狠狠| 国产一区在线观看成人免费| 国产单亲对白刺激| 日韩欧美精品v在线| 国产成人av教育| 国产精品综合久久久久久久免费| 麻豆国产av国片精品| 国产三级在线视频| 真实男女啪啪啪动态图| 90打野战视频偷拍视频| 国产精品99久久99久久久不卡| 欧美色视频一区免费| 2021天堂中文幕一二区在线观| 国产单亲对白刺激| 99热只有精品国产| 成人永久免费在线观看视频| 免费看十八禁软件| 国产乱人视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟妇熟女久久| 亚洲中文日韩欧美视频| 国产精品 国内视频| 老熟妇仑乱视频hdxx| www国产在线视频色| 99热只有精品国产| 日韩国内少妇激情av| a在线观看视频网站| av天堂在线播放| 最新美女视频免费是黄的| 亚洲中文av在线| 成年版毛片免费区| 午夜激情欧美在线| 国产不卡一卡二| 中文字幕久久专区| 91久久精品国产一区二区成人 | 我的老师免费观看完整版| 又爽又黄无遮挡网站| 香蕉av资源在线| 一本综合久久免费| 18禁裸乳无遮挡免费网站照片| 久久久久久人人人人人| 久久伊人香网站| 国产一区二区激情短视频| 在线十欧美十亚洲十日本专区| 国产精华一区二区三区| 美女免费视频网站| 亚洲av成人精品一区久久| 观看美女的网站| 国产精品久久久久久久电影 | 欧美乱色亚洲激情| 两性夫妻黄色片| 色在线成人网| 夜夜躁狠狠躁天天躁| 69av精品久久久久久| 国内精品美女久久久久久| 精品久久蜜臀av无| 19禁男女啪啪无遮挡网站| 少妇熟女aⅴ在线视频| 精品一区二区三区视频在线 | 国产精品久久久久久人妻精品电影| ponron亚洲| 99久久成人亚洲精品观看| 免费看美女性在线毛片视频| 国内精品美女久久久久久| 俺也久久电影网| 在线观看舔阴道视频| 日本 欧美在线| 国产精品影院久久| 日本一本二区三区精品| 精品国产乱码久久久久久男人| 国产99白浆流出| 99热这里只有精品一区 | 校园春色视频在线观看| 床上黄色一级片| 婷婷精品国产亚洲av| 国产成人av教育| 精品国产三级普通话版| 人人妻人人看人人澡| 禁无遮挡网站| 少妇人妻一区二区三区视频| 人妻丰满熟妇av一区二区三区| 欧美黑人巨大hd| 老熟妇仑乱视频hdxx| 色尼玛亚洲综合影院| 制服丝袜大香蕉在线|