• <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
    久久精品人妻少妇| 禁无遮挡网站| av黄色大香蕉| 最近中文字幕2019免费版| 美女大奶头视频| 国产一区二区亚洲精品在线观看| 国产亚洲精品久久久com| 亚洲久久久久久中文字幕| 国产伦在线观看视频一区| 亚洲精品aⅴ在线观看| 免费电影在线观看免费观看| 禁无遮挡网站| 亚洲人成网站高清观看| 国产免费福利视频在线观看| 亚洲精品乱久久久久久| av国产久精品久网站免费入址| 国产精品一二三区在线看| 麻豆一二三区av精品| 日本黄大片高清| 国产私拍福利视频在线观看| 美女内射精品一级片tv| 尤物成人国产欧美一区二区三区| 国产熟女欧美一区二区| 看非洲黑人一级黄片| 少妇裸体淫交视频免费看高清| 免费黄色在线免费观看| 国产伦一二天堂av在线观看| 久久精品国产自在天天线| 在线观看美女被高潮喷水网站| 久久人人爽人人片av| 免费一级毛片在线播放高清视频| 日本五十路高清| 综合色av麻豆| 久久精品国产99精品国产亚洲性色| 欧美日本视频| 97人妻精品一区二区三区麻豆| 欧美性猛交╳xxx乱大交人| 能在线免费观看的黄片| 日韩欧美在线乱码| 国产一区二区三区av在线| 最近视频中文字幕2019在线8| 最近的中文字幕免费完整| 国产精品野战在线观看| 亚洲精品日韩在线中文字幕| 国产一区二区在线av高清观看| 中文乱码字字幕精品一区二区三区 | 午夜福利视频1000在线观看| 久久久a久久爽久久v久久| 国产精品一区二区在线观看99 | 国产精品国产三级国产av玫瑰| 六月丁香七月| 国产一区有黄有色的免费视频 | 日本五十路高清| 亚洲av电影在线观看一区二区三区 | 欧美一区二区国产精品久久精品| 久久99热6这里只有精品| 国产成人午夜福利电影在线观看| 婷婷色麻豆天堂久久 | 白带黄色成豆腐渣| 丰满人妻一区二区三区视频av| 18禁裸乳无遮挡免费网站照片| 99久久成人亚洲精品观看| 成人亚洲欧美一区二区av| 精品久久久久久电影网 | 两个人的视频大全免费| 久久精品综合一区二区三区| 国产69精品久久久久777片| 亚洲无线观看免费| 国产不卡一卡二| 99国产精品一区二区蜜桃av| 久久人妻av系列| 全区人妻精品视频| 国产一区二区亚洲精品在线观看| 干丝袜人妻中文字幕| 国产精品99久久久久久久久| www.色视频.com| 国语对白做爰xxxⅹ性视频网站| 乱码一卡2卡4卡精品| 国产精品久久久久久久电影| 黑人高潮一二区| 国产亚洲精品久久久com| 精品久久久噜噜| 国产精品一区二区性色av| 国产av不卡久久| 成人av在线播放网站| 国产激情偷乱视频一区二区| 村上凉子中文字幕在线| av卡一久久| videos熟女内射| 精品熟女少妇av免费看| 男女国产视频网站| 国产精品伦人一区二区| 小说图片视频综合网站| 亚洲欧洲日产国产| 午夜免费激情av| 尤物成人国产欧美一区二区三区| 亚洲中文字幕日韩| 久久久精品94久久精品| 蜜桃亚洲精品一区二区三区| 美女脱内裤让男人舔精品视频| 国产一区亚洲一区在线观看| 亚洲欧美中文字幕日韩二区| 久久久久久久久久成人| 免费av毛片视频| 午夜免费激情av| 99热精品在线国产| 欧美日韩在线观看h| av在线播放精品| 亚洲精品乱码久久久v下载方式| 在线观看66精品国产| 七月丁香在线播放| 国产真实乱freesex| 国产在线男女| 色噜噜av男人的天堂激情| 亚洲高清免费不卡视频| 久久久久久久亚洲中文字幕| 亚洲精品久久久久久婷婷小说 | 久久这里有精品视频免费| 亚洲精品久久久久久婷婷小说 | 久久久久久久久中文| 人人妻人人澡欧美一区二区| 亚洲欧美日韩卡通动漫| 成人综合一区亚洲| 深夜a级毛片| 91精品伊人久久大香线蕉| 级片在线观看| 久久久午夜欧美精品| 日本免费a在线| 精品99又大又爽又粗少妇毛片| 欧美最新免费一区二区三区| 成人特级av手机在线观看| 国产单亲对白刺激| 精品国产露脸久久av麻豆 | 精品免费久久久久久久清纯| av在线老鸭窝| 国产三级中文精品| videossex国产| 天堂网av新在线| 婷婷色麻豆天堂久久 | 国产午夜福利久久久久久| 国产精品日韩av在线免费观看| 啦啦啦啦在线视频资源| 成年女人看的毛片在线观看| 欧美一区二区亚洲| 久久久久久久久久久丰满| 午夜福利在线观看免费完整高清在| 欧美一区二区国产精品久久精品| 亚洲不卡免费看| 亚洲电影在线观看av| 九九热线精品视视频播放| 久久草成人影院| 一级黄色大片毛片| 日本猛色少妇xxxxx猛交久久| 久久精品国产亚洲网站| 在线天堂最新版资源| 亚洲国产欧洲综合997久久,| 国产一级毛片在线| 午夜福利网站1000一区二区三区| 亚洲欧美日韩卡通动漫| a级一级毛片免费在线观看| 亚洲国产精品sss在线观看| videossex国产| 欧美潮喷喷水| 日韩中字成人| 狂野欧美白嫩少妇大欣赏| 人妻制服诱惑在线中文字幕| 九色成人免费人妻av| 嘟嘟电影网在线观看| 最近中文字幕2019免费版| 97在线视频观看| 久热久热在线精品观看| 两个人的视频大全免费| 六月丁香七月| 亚洲无线观看免费| 长腿黑丝高跟| 免费黄网站久久成人精品| 三级国产精品欧美在线观看| 最近中文字幕高清免费大全6| 国产乱人偷精品视频| 国内少妇人妻偷人精品xxx网站| 午夜亚洲福利在线播放| 免费观看精品视频网站| 久久婷婷人人爽人人干人人爱| 国产老妇伦熟女老妇高清| 国产伦在线观看视频一区| 亚洲av.av天堂| 在线免费观看不下载黄p国产| 少妇高潮的动态图| a级毛片免费高清观看在线播放| 久热久热在线精品观看| 亚洲精品乱码久久久久久按摩| 日日摸夜夜添夜夜爱| 国产成人精品一,二区| 村上凉子中文字幕在线| 国产淫片久久久久久久久| 免费看光身美女| 97超视频在线观看视频| 国产精品蜜桃在线观看| 国产极品精品免费视频能看的| av在线天堂中文字幕| 亚洲国产成人一精品久久久| 亚洲第一区二区三区不卡| 舔av片在线| 又爽又黄a免费视频| 波多野结衣高清无吗| 午夜福利在线观看吧| 看黄色毛片网站| 热99在线观看视频| 国产亚洲一区二区精品| 久久热精品热| 美女cb高潮喷水在线观看| 日韩欧美在线乱码| 日韩制服骚丝袜av| 久久草成人影院| 麻豆久久精品国产亚洲av| 精品免费久久久久久久清纯| 国产成人午夜福利电影在线观看| 亚洲av免费在线观看| 啦啦啦啦在线视频资源| 久久精品人妻少妇| 国产精品嫩草影院av在线观看| 亚洲在久久综合| av又黄又爽大尺度在线免费看 | 2022亚洲国产成人精品| 午夜福利视频1000在线观看| 亚洲成色77777| 九九热线精品视视频播放| 99久久成人亚洲精品观看| av在线观看视频网站免费| 日本一二三区视频观看| 波野结衣二区三区在线| 最近中文字幕高清免费大全6| 青春草视频在线免费观看| 在线观看一区二区三区| 麻豆av噜噜一区二区三区| 你懂的网址亚洲精品在线观看 | 欧美日韩综合久久久久久| 最近视频中文字幕2019在线8| 老师上课跳d突然被开到最大视频| 只有这里有精品99| 人妻少妇偷人精品九色| 欧美日韩一区二区视频在线观看视频在线 | 黄色一级大片看看| 深爱激情五月婷婷| 精品国内亚洲2022精品成人| 国产黄a三级三级三级人| 蜜桃亚洲精品一区二区三区| 国产亚洲5aaaaa淫片| 午夜免费激情av| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品国产成人久久av| 最近最新中文字幕大全电影3| 成人三级黄色视频| 在线免费观看不下载黄p国产| 熟女电影av网| 欧美成人a在线观看| 中文资源天堂在线| 亚洲av成人av| 国产 一区 欧美 日韩| av国产免费在线观看| 国产精品一区www在线观看| h日本视频在线播放| 欧美性猛交╳xxx乱大交人| 啦啦啦观看免费观看视频高清| 精品国产三级普通话版| 18禁动态无遮挡网站| 亚洲精品乱码久久久久久按摩| 久久久久九九精品影院| 国产高清不卡午夜福利| 男女视频在线观看网站免费| 久久久久国产网址| 最近视频中文字幕2019在线8| 午夜精品一区二区三区免费看| 久久国产乱子免费精品| 桃色一区二区三区在线观看| 人妻夜夜爽99麻豆av| 男女视频在线观看网站免费| 黄色配什么色好看| 免费观看人在逋| 成人一区二区视频在线观看| av又黄又爽大尺度在线免费看 | 国产 一区精品| 国产精品美女特级片免费视频播放器| 日本黄大片高清| 好男人视频免费观看在线| 内射极品少妇av片p| 亚洲国产欧美人成| 成人一区二区视频在线观看| 久久精品影院6| 久久精品国产鲁丝片午夜精品| 国产真实伦视频高清在线观看| 水蜜桃什么品种好| 你懂的网址亚洲精品在线观看 | 一区二区三区高清视频在线| 国内精品宾馆在线| 全区人妻精品视频| 国产在视频线精品| 国产精品久久久久久久电影| 亚洲精品国产av成人精品| 欧美不卡视频在线免费观看| 免费观看性生交大片5| 亚洲人成网站在线观看播放| 久久久久久国产a免费观看| 国产综合懂色| 99热网站在线观看| 国产91av在线免费观看| 少妇被粗大猛烈的视频| 亚洲欧美精品综合久久99| 只有这里有精品99| 韩国高清视频一区二区三区| 亚洲真实伦在线观看| 国产精品美女特级片免费视频播放器| 一区二区三区高清视频在线| 午夜爱爱视频在线播放| 国产爱豆传媒在线观看| 午夜福利视频1000在线观看| 日本免费在线观看一区| 国产亚洲av嫩草精品影院| av天堂中文字幕网| 成人无遮挡网站| 岛国毛片在线播放| 卡戴珊不雅视频在线播放| 熟妇人妻久久中文字幕3abv| 中文字幕熟女人妻在线| 亚洲国产日韩欧美精品在线观看| 国产高清国产精品国产三级 | 国产黄片视频在线免费观看| 熟妇人妻久久中文字幕3abv| 国产黄片视频在线免费观看| 久久久久国产网址| 亚洲国产精品成人综合色| 精品少妇黑人巨大在线播放 | 成人亚洲欧美一区二区av| 少妇猛男粗大的猛烈进出视频 | 国产又色又爽无遮挡免| 九九热线精品视视频播放| 亚洲丝袜综合中文字幕| 国产亚洲午夜精品一区二区久久 | 欧美高清性xxxxhd video| 美女大奶头视频| 欧美3d第一页| av免费观看日本| 又爽又黄无遮挡网站| 国内少妇人妻偷人精品xxx网站| 久久6这里有精品| 丝袜喷水一区| 熟女电影av网| 国产欧美另类精品又又久久亚洲欧美| 91精品伊人久久大香线蕉| 亚洲人成网站高清观看| 看非洲黑人一级黄片| 久久人人爽人人片av| 麻豆久久精品国产亚洲av| 97热精品久久久久久| 一级毛片aaaaaa免费看小| 九草在线视频观看| 高清av免费在线| 如何舔出高潮| 欧美又色又爽又黄视频| 亚洲国产色片| 人妻制服诱惑在线中文字幕| 亚州av有码| 久久精品久久久久久久性| 三级经典国产精品| 色吧在线观看| 国产美女午夜福利| 欧美日韩国产亚洲二区| 久久这里只有精品中国| 国产麻豆成人av免费视频| 久久精品国产亚洲av涩爱| 日韩制服骚丝袜av| 春色校园在线视频观看| 午夜免费男女啪啪视频观看| 色噜噜av男人的天堂激情| 精品一区二区三区视频在线| 国产伦在线观看视频一区| 日韩大片免费观看网站 | 91狼人影院| 我的女老师完整版在线观看| 精品无人区乱码1区二区| av天堂中文字幕网| 激情 狠狠 欧美| av线在线观看网站| 国产精品国产三级专区第一集| 在现免费观看毛片| 一级黄色大片毛片| 色播亚洲综合网| 国产精品99久久久久久久久| 久久人人爽人人爽人人片va| 欧美高清性xxxxhd video| 欧美又色又爽又黄视频| 午夜爱爱视频在线播放| 大话2 男鬼变身卡| 好男人视频免费观看在线| 久久久久久久久久成人| 综合色av麻豆| a级一级毛片免费在线观看| 国产高清视频在线观看网站| 桃色一区二区三区在线观看| 两个人的视频大全免费| 亚洲欧美清纯卡通| 最近中文字幕2019免费版| 亚洲精品影视一区二区三区av| 中国美白少妇内射xxxbb| 亚洲国产欧美在线一区| 精品人妻一区二区三区麻豆| 男女下面进入的视频免费午夜| 午夜福利在线观看吧| 亚洲国产日韩欧美精品在线观看| 亚洲av免费在线观看| 蜜桃久久精品国产亚洲av| 只有这里有精品99| 国产极品精品免费视频能看的| 国产精品一区二区三区四区久久| 麻豆乱淫一区二区| 欧美三级亚洲精品| 国产高清国产精品国产三级 | 成年版毛片免费区| 一级毛片电影观看 | 色网站视频免费| 色哟哟·www| 亚洲av电影不卡..在线观看| 中文字幕av成人在线电影| 精品久久久久久久末码| 精品少妇黑人巨大在线播放 | 亚洲三级黄色毛片| 亚洲av成人av| 亚洲精华国产精华液的使用体验| 国产高清有码在线观看视频| 亚洲成人av在线免费| 99久国产av精品国产电影| 我的老师免费观看完整版| 最近的中文字幕免费完整| 欧美日本亚洲视频在线播放| 亚洲国产精品久久男人天堂| 亚洲av福利一区| 亚洲av中文字字幕乱码综合| 一个人免费在线观看电影| 白带黄色成豆腐渣| 一本一本综合久久| 汤姆久久久久久久影院中文字幕 | 国产一区有黄有色的免费视频 | 久久6这里有精品| 日本一本二区三区精品| 国产亚洲午夜精品一区二区久久 | 欧美潮喷喷水| 在线观看美女被高潮喷水网站| 国产精品一区二区三区四区免费观看| 午夜福利视频1000在线观看| 亚洲精品亚洲一区二区| 国产一级毛片在线| 国产精品,欧美在线| 亚洲丝袜综合中文字幕| 午夜亚洲福利在线播放| 欧美区成人在线视频| 午夜免费激情av| 久久久久久九九精品二区国产| 国产精品一二三区在线看| 久久精品久久久久久噜噜老黄 | 欧美性猛交╳xxx乱大交人| 看免费成人av毛片| 最后的刺客免费高清国语| 纵有疾风起免费观看全集完整版 | 国产精品永久免费网站| 九色成人免费人妻av| 亚洲无线观看免费| 成人无遮挡网站| 欧美一区二区精品小视频在线| 麻豆精品久久久久久蜜桃| 欧美日韩精品成人综合77777| 午夜久久久久精精品| 国产一区二区在线av高清观看| 国产伦一二天堂av在线观看| 亚洲国产最新在线播放| 男女啪啪激烈高潮av片| 亚洲欧美精品综合久久99| 国产私拍福利视频在线观看| 看黄色毛片网站| 欧美激情在线99| 亚洲国产高清在线一区二区三| 三级毛片av免费| 国产一区二区在线观看日韩| av在线老鸭窝| 一级二级三级毛片免费看| 国产精品.久久久| 男人和女人高潮做爰伦理| 汤姆久久久久久久影院中文字幕 | 精品国内亚洲2022精品成人| 日本免费a在线| 欧美区成人在线视频| 久久精品夜色国产| 亚洲欧洲国产日韩| 免费人成在线观看视频色| 观看美女的网站| 亚洲中文字幕日韩| 建设人人有责人人尽责人人享有的 | 日日干狠狠操夜夜爽| 欧美日韩一区二区视频在线观看视频在线 | 国产精品无大码| 尤物成人国产欧美一区二区三区| a级毛片免费高清观看在线播放| 久久久久国产网址| 久久久久网色| 97人妻精品一区二区三区麻豆| 最近最新中文字幕大全电影3| 综合色av麻豆| 国产高清不卡午夜福利| 精品无人区乱码1区二区| 亚洲欧洲国产日韩| 天堂av国产一区二区熟女人妻| 91在线精品国自产拍蜜月| 国产午夜福利久久久久久| 久久99热6这里只有精品| 美女国产视频在线观看| 欧美高清成人免费视频www| 欧美成人a在线观看| 午夜福利高清视频| 精品99又大又爽又粗少妇毛片| 国产av不卡久久| 日韩,欧美,国产一区二区三区 | 国产三级在线视频| 国产综合懂色| 免费大片18禁| 国产午夜福利久久久久久| 成人鲁丝片一二三区免费| 最近最新中文字幕免费大全7| 亚洲国产日韩欧美精品在线观看| 一级毛片我不卡| 亚洲激情五月婷婷啪啪| 亚洲精品一区蜜桃| or卡值多少钱| 亚洲成人av在线免费| 免费在线观看成人毛片| 99热网站在线观看| 日日摸夜夜添夜夜添av毛片| 国语对白做爰xxxⅹ性视频网站| 汤姆久久久久久久影院中文字幕 | 人人妻人人看人人澡| 精品久久久久久久末码| 国产精品国产三级专区第一集| 尤物成人国产欧美一区二区三区| 我要看日韩黄色一级片| 国产熟女欧美一区二区| 久久精品久久久久久久性| 97超视频在线观看视频| 国产探花极品一区二区| 精品一区二区三区视频在线| 男女下面进入的视频免费午夜| 日韩一区二区视频免费看| 99国产精品一区二区蜜桃av| 日本免费一区二区三区高清不卡| 久久精品国产亚洲av天美| 国国产精品蜜臀av免费| h日本视频在线播放| 一级黄片播放器| 亚洲伊人久久精品综合 | 高清av免费在线| 精品酒店卫生间| 熟女人妻精品中文字幕| 日韩制服骚丝袜av| 尾随美女入室| 国产精品熟女久久久久浪| 婷婷色综合大香蕉| 免费一级毛片在线播放高清视频| 亚洲精品影视一区二区三区av| 日日啪夜夜撸| 男女那种视频在线观看| av在线播放精品| 国产乱人视频| 午夜久久久久精精品| 我要搜黄色片| 永久免费av网站大全| 亚洲不卡免费看| 成人漫画全彩无遮挡| 日本-黄色视频高清免费观看| 亚洲精品456在线播放app| 国产av不卡久久| 三级经典国产精品| 日韩一区二区三区影片| 亚洲精品乱久久久久久| 久久鲁丝午夜福利片| 乱系列少妇在线播放| 国产成人91sexporn| 尾随美女入室| 老司机影院成人| 亚洲美女视频黄频| 波多野结衣巨乳人妻| av国产久精品久网站免费入址| 亚洲乱码一区二区免费版| 成人综合一区亚洲| 欧美成人a在线观看| 2021天堂中文幕一二区在线观| 夜夜爽夜夜爽视频| av卡一久久| 国产三级在线视频| 中文字幕久久专区| 久久韩国三级中文字幕| 婷婷色麻豆天堂久久 | 免费看美女性在线毛片视频| 永久网站在线| 欧美高清性xxxxhd video| av在线天堂中文字幕| 永久免费av网站大全| 在线播放国产精品三级| 校园人妻丝袜中文字幕| 久久久亚洲精品成人影院| 级片在线观看| 91在线精品国自产拍蜜月| 国产三级中文精品| 老女人水多毛片| 一二三四中文在线观看免费高清| 国产极品天堂在线| 啦啦啦观看免费观看视频高清| 精品久久久久久久末码| 成人三级黄色视频|