• <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 ?

    無人工標注數據的Landsat影像云檢測深度學習方法

    2021-03-19 00:27:30仇一帆柴登峰
    自然資源遙感 2021年1期
    關鍵詞:陰影像素精度

    仇一帆,柴登峰

    (浙江大學地球科學學院,杭州 310027)

    0 引言

    Landsat系列衛(wèi)星自1972年發(fā)射至今一直持續(xù)對地觀測,提供了全球范圍長時序連續(xù)陸地遙感記錄,是目前應用最廣泛的遙感數據集之一。然而,Landsat系列衛(wèi)星與其他光學傳感器一樣,容易受到云層及其陰影影響,研究表明,地球表面的年均云層覆蓋率在中緯度地區(qū)大約為35%,全球范圍內約為58%~66%[1-3]。遙感影像上,被云層遮擋的像素變亮,被云陰影遮擋的像素變暗,地表特征模糊[4-6],干擾地物信息的提取,影響研究結果的準確性。因此,云和云陰影檢測是Landsat影像產品生產的重要環(huán)節(jié)。

    目前美國地質調查局(United States Geological Survey, USGS)官方使用CFMask(C function of Mask)算法來檢測影像上的云和云陰影,檢測結果作為質量評估(quality assessment, QA)波段保存于Landsat Collection 1 Level 1產品中。CFMask是Fmask(Function of Mask)算法的C語言實現[1,6-7],通過分析Landsat影像所有波段的大氣層頂(top of atmosphere, TOA)表觀反射率和亮度溫度,基于云和云陰影的物理屬性建立閾值規(guī)則逐像素進行檢測。這種基于閾值規(guī)則的方法在遙感影像云和云陰影檢測領域應用廣泛,但受到傳感器類型、地理位置、大氣條件等因素影響,閾值的選擇通常難以把握; 而且為了保證精度,往往會設定大量閾值規(guī)則,例如FMask就使用了超過20組閾值,增加了該方法的使用和遷移難度[6,8]。除此之外,常用的Landsat影像云和云陰影檢測方法還包括多時相檢測法和統(tǒng)計學方法。多時相檢測法基于云和云陰影的動態(tài)性,通過比較恒定視角多時相影像的光譜差異構建云檢測算法[5,9]。雖然研究結果表明多時相檢測法能有效提高云檢測精度,但在實際應用中諸如熱帶和亞熱帶等全年多云的地區(qū)很難獲取無云觀測作為參考,限制了現有多時相檢測方法的應用。基于統(tǒng)計學思想利用空間特征和光譜特征來估計影像整體云覆蓋率[10]或檢測影像上的云層[11-12]也是云和云陰影檢測的一種常見思路。

    計算機性能的提升和深度學習的發(fā)展為云和云陰影檢測帶來了新思路[13-14],如Chai等[15]利用SegNet模型將像素劃分為云、薄云、云陰影或無云4個類別,實現了Landsat影像上的云和云陰影檢測。深度學習方法通常依賴大規(guī)模標注數據來訓練網絡模型,而這些數據往往是通過人工標注的方式來獲取的,成本高、耗時長、具有主觀性,不利于訓練出具有實用價值的模型。為了解決這個問題,有學者提出了弱監(jiān)督學習概念,使用不充足或不準確的監(jiān)督信息來訓練模型,減少了人工標注數據的使用,目前這個方法在計算機視覺領域已經有了一定的突破[16-17],但具體到云和云陰影檢測研究上還沒有進展。

    針對上述遙感影像云和云陰影檢測方法存在的問題,本文受弱監(jiān)督學習思想啟發(fā),利用CFMask產生的云和云陰影檢測結果作為弱監(jiān)督學習樣本訓練SegNet深度神經網絡,整個訓練過程不使用人工標注的先驗數據。模型訓練完成后,對新圖像進行檢測并驗證檢測精度,定量化描述研究結果。旨在探討脫離人工標注數據訓練深度神經網絡模型進行Landsat影像云和云陰影檢測的可行性,為后續(xù)實現更加完善的云和云陰影檢測奠定基礎。

    1 研究數據

    1.1 數據描述

    實驗數據來自Landsat Collection 1 Level 1產品和Landsat8云覆蓋評估(cloud cover assessment, CCA)驗證數據集[18]。

    Level 1產品包含10個30 m空間分辨率波段,1個60 m空間分辨率的全色波段,以及QA波段。QA波段中包含的云和云陰影信息依據CFMask算法生成,根據表1列出的QA波段bit位描述或文獻[19]提供的59類QA波段值解釋規(guī)則可以解譯出影像上的云和云陰影信息。

    表1 Landsat8 Collection 1 Level 1 QA波段bit位描述Tab.1 Landsat8 Collection 1 Level 1quality band bit designations

    如表1所示,QA值二進制形式第4位是云像素標識,第7位和第8位存儲云陰影置信度信息。對于單個bit位存儲信息的情況,以第4位為例,若值為0表示該像素并非云像素,若值為1則為云像素; 對于用雙bit位表示的信息,以第7位和第8位為例,若從高位到低位分別為: “00”表示不存在云陰影; “01”表示云陰影存在的置信度很低(0~33%); “10”表示中等置信度(34%~66%); “11”表示置信度很高(67%~100%)[19]。QA波段能提供較高精度的云和云陰影掩模,但仍存在一定的誤差,其數據標簽并不是完全準確的。本實驗將30 m空間分辨率波段組合成的10通道多波段影像對應TOA表觀反射率和亮度溫度作為輸入數據,將QA波段派生為標注數據來訓練SegNet模型。

    Landsat8 CCA驗證數據由USGS地球資源觀測與科學中心創(chuàng)建,通過人工方式標注出了影像上的云、薄云、云陰影和無云像素。驗證數據共96個場景,均勻分布于全球各大洲,覆蓋荒地、森林、灌木地、草地/農田、雪/冰、城市、濕地以及水域8個不同的生物群落區(qū)[1,18]。需要注意的是,Landsat8 CCA驗證數據只用于評估檢測結果精度,不參與模型的訓練過程。

    1.2 數據預處理與樣本集構建

    由于Landsat影像圖幅較大,直接輸入深度神經網絡占用內存高,圖形處理器(graphics processing unit,GPU)很難負擔,因此將各場景切割為互不重疊的512像素×512像素大小子景并存儲為png格式。影像上有一些不反映地物信息的填充像素,為了簡化信息提取過程,在構建樣本集時剔除了這些包含填充像素的切割圖像。最后,每個場景約有120個512像素×512像素大小子景用于樣本集的構建,每個子景對應10個多光譜波段和1個QA波段。

    本文共構建了3個樣本集,分別是: 用于訓練SegNet網絡的訓練樣本集,用于優(yōu)化網絡參數的驗證樣本集,以及用于客觀評價網絡性能的測試樣本集。本研究以Landsat8 CCA 驗證數據集的96個場景為研究對象,這些場景均勻分布于全球范圍,包含所有生物群落區(qū)類型,具有代表性。96個場景中,有64個場景未標注出云陰影,不能用于精度驗證,將這64個場景每個場景切割后的子景按80%和20%的比例隨機分配為訓練樣本和驗證樣本; 其余32個場景標注完整,用于構建測試樣本集。訓練、驗證、測試樣本集中子景數量和切割圖像數量如表2所示。

    表2 樣本集子景數量和切割圖像數量Tab.2 The number of subscenes and images in sample set

    2 云和云陰影檢測算法

    本文方法實驗流程如圖1所示。

    圖1 實驗方案技術流程Fig.1 Technical flowchart of experimental scheme

    本方法將云和云陰影檢測視為語義分割問題,利用整幅影像的空間信息和所有波段的光譜特征對圖像進行分割,最后依據表1的QA波段位描述將語義分割結果標記為云、無云或云陰影,完成遙感影像云和云陰影檢測。

    2.1 SegNet模型

    本文參考文獻[20]構建了SegNet語義分割模型,其網絡結構如圖2所示,從輸入圖像開始,從左向右依次經過編碼器(Encoder)、解碼器(Decoder)和Softmax分類器,最后到達輸出層,完成端到端的像素級分割任務。SegNet可以接受任意尺寸的輸入圖像,其原型結構的輸入為3通道圖像,本文為了能更好地學習和利用Landsat影像特征,設置模型的輸入圖像通道數為10,本文中輸入圖像尺寸為512像元×512像元。編碼器基于VGG網絡,包括卷積層、批歸一化層、ReLu激活層和池化層,卷積層均采用3像元×3像元大小卷積核,第一層卷積層中卷積核個數設置為96,池化層采用最大池化操作,并記錄池化索引,圖像經過編碼器各隱含層,實現對影像特征信息的低維提?。?解碼器包含上采樣層以及與卷積層一一對應的反卷積層,利用編碼階段保存的最大池化索引還原圖像尺寸和邊界信息,重構高維特征。編碼器-解碼器結構大大減少了模型的訓練參數,提高了網絡效率,并對邊界的描述起到優(yōu)化作用。解碼器輸出的高維特征向量輸入Softmax分器,用于預測圖像上各像素所屬類別的概率并生成一個k通道的類置信圖(k為類別個數),尺寸與輸入圖像相同。最后,具有最大概率的類別輸出為語義分割結果。

    圖2 基于SegNet的網絡結構Fig.2 Network structure based on SegNet

    2.2 參數設置與網絡訓練

    SegNet語義分割模型的訓練以交叉熵損失函數最小化為目標,使模型對訓練樣本的預測結果盡可能地與所給標注數據標簽相匹配。模型采用反向傳播(back propagation, BP)算法,計算網絡中所有權重損失函數的梯度,反饋給優(yōu)化器(Optimizer)以更新網絡參數,實現交叉熵最小化。本文選擇自適應矩估計(adaptive moment estimation, Adam)算法作為優(yōu)化器,Adam是一種自適應學習速率的求解方法,實驗證明它能較好地解決損失函數的最優(yōu)化問題,與其他優(yōu)化器算法相比綜合性能表現更佳[21-22],Adam的一階矩估計衰減速率設定為0.9,二階矩估計衰減速率為0.999; 學習速率初始值設定為1E-4,在每一輪參數更新過程中更新學習速率。為了防止出現過擬合,模型在對每個卷積層進行RELU函數激活后,添加了一個dropout層,以一定的概率激活網絡上的神經元,本文將激活概率設置為0.5。

    2.3 精度評價

    為了定量評價Landsat8影像云和云陰影檢測的精度,本文采用總體精度(overall accuracy, OA)和F1分數作為評價指標??傮w精度表示為檢測結果中分類正確的像素數量占測試樣本集全部像素數量的比值,F1分數是對精確率和召回率的調和平均。2個評價指標的計算公式分別為:

    (1)

    (2)

    式中:i,j為類別標識;F1i為類別i的F1分數;Nij為本屬于類別j的像元預測為類別i的數量;pi和ri分別為類別i的精確率和召回率,計算公式如下:

    ri=Nii/∑iNji,

    (3)

    pi=Nii/∑jNij。

    (4)

    3 實驗結果分析

    為了評估本文方法的有效性和可行性,對測試樣本集進行云和云陰影檢測,并與CFMask算法結果進行對比分析。CFMask是Landsat官方云檢測方法,可以對全球范圍Landsat影像進行無偏檢測,綜合性能較好,具有權威性[1]。

    3.1 定性分析

    從實驗結果中選取了5個典型場景進行視覺評價,如表3所示,影像1—5所示場景分別位于不同的生物群落區(qū)中,其下墊面分別為荒地、冰雪、植被(灌木)、水域和濕地; 從左至右依次是輸入圖像、地面真值、本文方法檢測結果以及CFMask檢測結果。輸入圖像以B4(R),B3(G),B2(B)合成顯示,真值為Landsat8 CCA驗證數據中經人工方式標注的云和云陰影掩模,檢測結果及真值中的云陰影、云和無云像元分別用紅色、綠色和藍色標示。由于Landsat8 CCA驗證數據提供的云和云陰影掩模在標注時區(qū)分了云類別與薄云類別,而本文方法和CFMask算法在進行云和云陰影檢測時均不區(qū)分云的厚薄,因此合并Landsat8 CCA驗證數據中的云和薄云2個類別,統(tǒng)一作為云類別來進行標示,在后續(xù)對實驗結果進行定量分析時,也作相同合并處理以驗證計算結果的精度。對于Landsat數據的實際應用而言,通常認為云像元和薄云像元都是無效的,因此將云與薄云類別合并并不會影響對本方法有效性的判斷。由表3可知,總體而言,本文方法在不同生態(tài)環(huán)境、云屬種類或云層分布條件下均能較好地判定出云和云陰影位置,識別出云和云陰影的大致邊界。相比CFMask結果,本文方法檢測出的云和云陰影更準確,與真值的匹配度明顯更優(yōu),如本文方法識別出了CFMask沒有識別出的表3中1號影像右側較薄的云層,對3號影像的卷云也有更好的識別效果,4號影像中CFMask方法結果過多估計了影像上的云層和云陰影,而本文方法改善了這一問題。

    表3 云和云陰影檢測結果Tab.3 Cloud and cloud shadow detection results

    3.2 定量分析

    為進一步驗證所提方法的有效性可行性,本文利用Landsat8 CCA驗證數據對檢測結果進行精度驗證,采用總體精度和F1分數2個指標進行定量評價,結果如表4所示。實驗結果的總體精度為85.55%,云、云陰影和無云類別的F1分數分別為78.14%,43.86%和90.62%,均高于CFMask結果。值得一提的是,與云檢測相比,精確的云陰影檢測難度更高,往往會出現大量漏檢和誤檢情況,而本文方法云陰影檢測結果的F1分數較CFMask有所提高,且精確率從35.5%提高到44.5%,標示著本方法一定程度上能夠改善云陰影檢測的精確程度,優(yōu)化云陰影檢測結果。

    表4 測試樣本集檢測結果評價Tab.4 Evaluation of detection results (%)

    對8個生物群落區(qū)進行單獨統(tǒng)計,大部分群落區(qū)的檢測精度優(yōu)于相同場景下的CFMask結果,其中,荒地、草地/農田、城市、灌木地和水域5個生物群落區(qū)的檢測精度均超過90%,城市場景的云和云陰影檢測精度為91.49%,較CFMask結果提高了超過10.6%,檢測性能提升顯著。但是,本文所提方法對雪/冰區(qū)域的檢測結果精度較差,這一點在表3的2號影像中也有所體現,經過分析,認為可能是由于訓練樣本標注數據在這個區(qū)域的準確率過低(低于60%),導致錯誤標簽信息對訓練過程造成的干擾難以忽視,模型無法正確地提取特征,因而出現分割結果誤差較大的問題,在后續(xù)研究中擬加入其他輔助條件做進一步篩選以提高檢測的精確程度。

    4 結論

    1)本文利用CFMask云檢測結果替代人工標注數據訓練SegNet語義分割模型,檢測Landsat影像上的云和云陰影。結果表明,本文方法能夠實現Landsat影像上的云和云陰影檢測,總體精度達到85.55%,與CFMask結果相比有一定改善,證明了采用非人工標注數據訓練深度網絡模型進行云和云陰影檢測的思路是可行的。

    2)本文方法改進了利用深度學習進行云和云陰影檢測時依賴大規(guī)模像素級云和云陰影人工標注數據的問題,降低了訓練數據的獲取成本,為后續(xù)研究奠定基礎。

    3)本方法在檢測精度上仍有進一步提升的空間,下一步的研究工作擬通過結合其他篩選條件,對標注數據中的顯著錯誤,如冰雪與云的混淆錯誤,進行初步糾正后再用于網絡模型訓練來進一步提高Landsat影像云和云陰影檢測精度。

    猜你喜歡
    陰影像素精度
    趙運哲作品
    藝術家(2023年8期)2023-11-02 02:05:28
    像素前線之“幻影”2000
    你來了,草就沒有了陰影
    文苑(2020年11期)2020-11-19 11:45:11
    中國詩歌(2019年6期)2019-11-15 00:26:47
    “像素”仙人掌
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    讓光“驅走”陰影
    陰影魔怪
    GPS/GLONASS/BDS組合PPP精度分析
    高像素不是全部
    CHIP新電腦(2016年3期)2016-03-10 14:22:03
    99riav亚洲国产免费| 在线观看免费视频日本深夜| 少妇被粗大猛烈的视频| 中文字幕熟女人妻在线| 国产精品美女特级片免费视频播放器| 久久国产精品人妻蜜桃| 变态另类成人亚洲欧美熟女| 男女下面进入的视频免费午夜| 亚洲精品国产成人久久av| 国内精品宾馆在线| 欧美一级a爱片免费观看看| 国产乱人伦免费视频| 97人妻精品一区二区三区麻豆| 天堂√8在线中文| 日韩欧美精品免费久久| 黄色丝袜av网址大全| 久久久久久久久久成人| 欧美+亚洲+日韩+国产| 欧美精品国产亚洲| 久久久久九九精品影院| 国产大屁股一区二区在线视频| 欧美不卡视频在线免费观看| 午夜a级毛片| 精品免费久久久久久久清纯| 亚洲欧美精品综合久久99| 在线观看舔阴道视频| 国产女主播在线喷水免费视频网站 | 又爽又黄无遮挡网站| 亚洲中文日韩欧美视频| 亚洲 国产 在线| АⅤ资源中文在线天堂| 国产人妻一区二区三区在| 久久久久久久亚洲中文字幕| 免费观看在线日韩| 国产国拍精品亚洲av在线观看| 亚洲欧美清纯卡通| 淫妇啪啪啪对白视频| 日韩中文字幕欧美一区二区| 国产高清视频在线观看网站| av女优亚洲男人天堂| 久久久精品大字幕| 久久热精品热| 狂野欧美激情性xxxx在线观看| 亚洲成人久久爱视频| 成人综合一区亚洲| 12—13女人毛片做爰片一| 亚洲av免费在线观看| 午夜老司机福利剧场| 亚洲人成网站在线播| 人妻制服诱惑在线中文字幕| 国产精品av视频在线免费观看| 欧美成人性av电影在线观看| 精品午夜福利视频在线观看一区| 亚洲色图av天堂| 色噜噜av男人的天堂激情| а√天堂www在线а√下载| 国产单亲对白刺激| 国产精品一区二区三区四区免费观看 | 色噜噜av男人的天堂激情| 狠狠狠狠99中文字幕| 成人二区视频| 一个人看的www免费观看视频| 国产一区二区在线观看日韩| 亚洲avbb在线观看| 国产免费男女视频| 国产主播在线观看一区二区| 久久国内精品自在自线图片| 国产欧美日韩精品一区二区| 22中文网久久字幕| 久久久久久大精品| 如何舔出高潮| 中文亚洲av片在线观看爽| 久久久久久伊人网av| 日韩欧美精品免费久久| 蜜桃亚洲精品一区二区三区| 亚洲天堂国产精品一区在线| 久久久久久久亚洲中文字幕| 看片在线看免费视频| av福利片在线观看| 天堂动漫精品| 熟女人妻精品中文字幕| 久久久久久久久久成人| www.色视频.com| 久久久久国内视频| 天堂网av新在线| 12—13女人毛片做爰片一| 国产精品国产三级国产av玫瑰| 国产精华一区二区三区| 淫妇啪啪啪对白视频| 12—13女人毛片做爰片一| 亚洲国产欧美人成| 啦啦啦啦在线视频资源| 婷婷精品国产亚洲av| 亚洲美女视频黄频| 日韩欧美精品免费久久| 精品久久久久久久人妻蜜臀av| 男女啪啪激烈高潮av片| 制服丝袜大香蕉在线| 极品教师在线视频| 国产熟女欧美一区二区| 九色成人免费人妻av| 国产成人aa在线观看| 中文字幕高清在线视频| 2021天堂中文幕一二区在线观| 超碰av人人做人人爽久久| 男人狂女人下面高潮的视频| 国产熟女欧美一区二区| 精品久久久久久久久av| 亚洲一区高清亚洲精品| 一个人看的www免费观看视频| 免费av毛片视频| 免费观看的影片在线观看| 亚洲欧美日韩高清在线视频| 日本与韩国留学比较| 丰满乱子伦码专区| 欧美xxxx黑人xx丫x性爽| 男女视频在线观看网站免费| 美女cb高潮喷水在线观看| 18禁黄网站禁片免费观看直播| 动漫黄色视频在线观看| 日本 av在线| 我要看日韩黄色一级片| 成人av在线播放网站| 成人二区视频| 午夜精品一区二区三区免费看| 搡老熟女国产l中国老女人| 在线天堂最新版资源| 国产高潮美女av| 国产男靠女视频免费网站| 亚洲乱码一区二区免费版| 色吧在线观看| 99久久中文字幕三级久久日本| 亚洲精品色激情综合| 九九热线精品视视频播放| 久久久久久久精品吃奶| 午夜精品在线福利| 91麻豆av在线| 久久久久精品国产欧美久久久| 窝窝影院91人妻| 欧美人与善性xxx| 日本黄大片高清| www日本黄色视频网| 亚洲国产欧美人成| 亚洲最大成人手机在线| netflix在线观看网站| av国产免费在线观看| 日韩高清综合在线| 日日夜夜操网爽| 99国产极品粉嫩在线观看| 久久6这里有精品| 久久久久精品国产欧美久久久| av在线蜜桃| 亚洲狠狠婷婷综合久久图片| 精品久久久久久久久久久久久| 不卡一级毛片| 女人十人毛片免费观看3o分钟| 老师上课跳d突然被开到最大视频| 亚洲一区二区三区色噜噜| 乱人视频在线观看| 日韩欧美国产在线观看| 亚洲真实伦在线观看| 久久6这里有精品| 国产成人a区在线观看| 亚洲精品亚洲一区二区| www.www免费av| 看片在线看免费视频| 97人妻精品一区二区三区麻豆| 在线观看午夜福利视频| netflix在线观看网站| 亚洲美女视频黄频| 在线看三级毛片| 白带黄色成豆腐渣| 亚洲无线在线观看| 亚洲男人的天堂狠狠| av.在线天堂| 淫秽高清视频在线观看| 观看免费一级毛片| 日本色播在线视频| 国产美女午夜福利| 99视频精品全部免费 在线| 女生性感内裤真人,穿戴方法视频| 性欧美人与动物交配| 99视频精品全部免费 在线| 淫秽高清视频在线观看| 久久人妻av系列| 亚洲精品亚洲一区二区| 美女cb高潮喷水在线观看| 91在线观看av| 免费高清视频大片| 精品日产1卡2卡| 亚洲第一区二区三区不卡| 久久久精品欧美日韩精品| 九九爱精品视频在线观看| 悠悠久久av| 嫩草影院新地址| 国产精品一区二区免费欧美| 婷婷精品国产亚洲av在线| 最近最新免费中文字幕在线| 久久久久免费精品人妻一区二区| 国产精品国产三级国产av玫瑰| 日本一本二区三区精品| 1000部很黄的大片| 免费搜索国产男女视频| 中文字幕高清在线视频| 黄色女人牲交| 成人二区视频| 亚洲一区二区三区色噜噜| 男女之事视频高清在线观看| 日日摸夜夜添夜夜添小说| 婷婷色综合大香蕉| 真人一进一出gif抽搐免费| 欧美人与善性xxx| 亚洲av美国av| 久久国内精品自在自线图片| av黄色大香蕉| 欧美不卡视频在线免费观看| 色在线成人网| 日本精品一区二区三区蜜桃| 国产69精品久久久久777片| 在线a可以看的网站| 免费高清视频大片| 亚洲av电影不卡..在线观看| 又粗又爽又猛毛片免费看| 毛片一级片免费看久久久久 | 12—13女人毛片做爰片一| av视频在线观看入口| 可以在线观看毛片的网站| 午夜福利欧美成人| 国产成人av教育| h日本视频在线播放| 露出奶头的视频| 直男gayav资源| 精品人妻1区二区| 最后的刺客免费高清国语| 中文资源天堂在线| 九色成人免费人妻av| 亚洲精品乱码久久久v下载方式| 日韩人妻高清精品专区| 99久久精品国产国产毛片| av在线亚洲专区| 波多野结衣高清作品| 干丝袜人妻中文字幕| 免费观看在线日韩| 亚洲七黄色美女视频| 欧美潮喷喷水| 丰满人妻一区二区三区视频av| 亚洲成a人片在线一区二区| 夜夜看夜夜爽夜夜摸| 69人妻影院| 美女被艹到高潮喷水动态| 久久精品国产亚洲av香蕉五月| 午夜激情欧美在线| 小说图片视频综合网站| 亚洲av熟女| 99久久精品一区二区三区| 久久这里只有精品中国| 成人二区视频| 日韩精品青青久久久久久| 亚洲va在线va天堂va国产| 日韩国内少妇激情av| 男女边吃奶边做爰视频| av在线老鸭窝| 精品久久久久久久久亚洲 | 91av网一区二区| 99在线视频只有这里精品首页| 国产白丝娇喘喷水9色精品| 亚洲最大成人av| 天堂网av新在线| 草草在线视频免费看| 一级黄片播放器| 成人特级黄色片久久久久久久| 国产黄色小视频在线观看| 美女被艹到高潮喷水动态| 日日撸夜夜添| 别揉我奶头 嗯啊视频| 精品人妻1区二区| 国产欧美日韩一区二区精品| 国产极品精品免费视频能看的| 亚洲黑人精品在线| 熟妇人妻久久中文字幕3abv| 深爱激情五月婷婷| 色综合婷婷激情| 深夜精品福利| 亚洲天堂国产精品一区在线| 国产一区二区在线观看日韩| 极品教师在线视频| 国产 一区精品| 无人区码免费观看不卡| 亚洲专区中文字幕在线| 国产欧美日韩一区二区精品| 午夜福利在线观看免费完整高清在 | 男人舔奶头视频| 成年人黄色毛片网站| 亚洲av五月六月丁香网| 丝袜美腿在线中文| 国产精品一区二区三区四区免费观看 | 日日干狠狠操夜夜爽| 国产伦精品一区二区三区四那| 在线免费观看的www视频| 免费黄网站久久成人精品| 国产精品福利在线免费观看| 韩国av在线不卡| 我的老师免费观看完整版| 欧美成人一区二区免费高清观看| 色综合色国产| 欧美在线一区亚洲| 国产伦一二天堂av在线观看| 最近视频中文字幕2019在线8| 99热精品在线国产| 亚洲内射少妇av| 久久久久久久亚洲中文字幕| 亚洲自偷自拍三级| 久久人妻av系列| 婷婷六月久久综合丁香| 精品99又大又爽又粗少妇毛片 | 国产 一区 欧美 日韩| 久久精品夜夜夜夜夜久久蜜豆| 99热6这里只有精品| 日韩欧美国产一区二区入口| 国产免费av片在线观看野外av| 男人狂女人下面高潮的视频| 亚洲国产精品sss在线观看| x7x7x7水蜜桃| 此物有八面人人有两片| x7x7x7水蜜桃| 免费看a级黄色片| 可以在线观看的亚洲视频| 亚洲一区二区三区色噜噜| 亚洲va在线va天堂va国产| 波野结衣二区三区在线| 欧美成人一区二区免费高清观看| 小说图片视频综合网站| 久久久久九九精品影院| 亚洲第一区二区三区不卡| 最后的刺客免费高清国语| 国产白丝娇喘喷水9色精品| 最近中文字幕高清免费大全6 | 日本精品一区二区三区蜜桃| 久久久精品大字幕| 天堂√8在线中文| 成人美女网站在线观看视频| 十八禁网站免费在线| 中文字幕人妻熟人妻熟丝袜美| 一a级毛片在线观看| 如何舔出高潮| 国内揄拍国产精品人妻在线| 国内久久婷婷六月综合欲色啪| 欧美bdsm另类| 久久精品国产亚洲av天美| 午夜福利欧美成人| 九九爱精品视频在线观看| 欧美bdsm另类| 欧美日韩亚洲国产一区二区在线观看| 国产毛片a区久久久久| 日韩强制内射视频| 色5月婷婷丁香| av在线天堂中文字幕| 中文字幕av在线有码专区| 亚洲国产欧洲综合997久久,| 窝窝影院91人妻| 亚洲内射少妇av| 免费人成在线观看视频色| 日本精品一区二区三区蜜桃| 日日夜夜操网爽| 亚洲熟妇熟女久久| 国产精品野战在线观看| 成人特级av手机在线观看| 99久久精品一区二区三区| 女生性感内裤真人,穿戴方法视频| av在线老鸭窝| 精华霜和精华液先用哪个| 久久久国产成人免费| 国产精品亚洲美女久久久| 搡女人真爽免费视频火全软件 | or卡值多少钱| av黄色大香蕉| 国产高潮美女av| 国产伦人伦偷精品视频| 成年免费大片在线观看| 国产白丝娇喘喷水9色精品| 国产国拍精品亚洲av在线观看| 亚洲图色成人| 日韩欧美国产一区二区入口| 欧美成人一区二区免费高清观看| 伊人久久精品亚洲午夜| 女生性感内裤真人,穿戴方法视频| 啦啦啦啦在线视频资源| 麻豆久久精品国产亚洲av| 九色成人免费人妻av| av福利片在线观看| 国产探花在线观看一区二区| 亚洲av二区三区四区| 他把我摸到了高潮在线观看| 精品乱码久久久久久99久播| 久久99热6这里只有精品| 久久精品91蜜桃| 亚洲七黄色美女视频| 国产激情偷乱视频一区二区| 亚洲自偷自拍三级| 九九爱精品视频在线观看| 亚洲国产精品sss在线观看| 国内精品久久久久久久电影| 欧美不卡视频在线免费观看| 欧美一区二区亚洲| 日韩一区二区视频免费看| 国产成年人精品一区二区| 成熟少妇高潮喷水视频| 欧美又色又爽又黄视频| 99久久无色码亚洲精品果冻| 99热精品在线国产| 久久亚洲精品不卡| 在线免费观看不下载黄p国产 | 欧美zozozo另类| 国产av一区在线观看免费| 悠悠久久av| 久久久久国内视频| 欧美激情国产日韩精品一区| 日日干狠狠操夜夜爽| 精品福利观看| 成年人黄色毛片网站| 国内少妇人妻偷人精品xxx网站| 中文字幕精品亚洲无线码一区| 自拍偷自拍亚洲精品老妇| 免费在线观看成人毛片| 亚洲精品日韩av片在线观看| 99热这里只有精品一区| 日日撸夜夜添| 99久久精品一区二区三区| 乱人视频在线观看| 99久久九九国产精品国产免费| 国模一区二区三区四区视频| 亚洲成人久久性| 亚洲人成伊人成综合网2020| eeuss影院久久| 久久久久精品国产欧美久久久| 欧美黑人欧美精品刺激| 午夜视频国产福利| а√天堂www在线а√下载| 婷婷精品国产亚洲av| 亚洲精品久久国产高清桃花| av在线蜜桃| 亚洲人成伊人成综合网2020| 亚洲国产高清在线一区二区三| 久久九九热精品免费| 在线观看av片永久免费下载| 久久草成人影院| 99久久精品热视频| 99精品在免费线老司机午夜| 一级毛片久久久久久久久女| 免费无遮挡裸体视频| 99久久精品国产国产毛片| 在线观看av片永久免费下载| 成人二区视频| 国产私拍福利视频在线观看| 国产在线男女| 男女之事视频高清在线观看| 久久香蕉精品热| 麻豆成人午夜福利视频| 无遮挡黄片免费观看| 国产久久久一区二区三区| 欧美黑人欧美精品刺激| 韩国av一区二区三区四区| 免费人成视频x8x8入口观看| 三级国产精品欧美在线观看| 久久久久性生活片| 少妇被粗大猛烈的视频| 亚洲av成人精品一区久久| 亚洲国产欧美人成| 中国美白少妇内射xxxbb| 免费搜索国产男女视频| 两个人的视频大全免费| 国产亚洲欧美98| 搡女人真爽免费视频火全软件 | 国产精品不卡视频一区二区| 亚洲黑人精品在线| 悠悠久久av| 国产日本99.免费观看| 男人舔女人下体高潮全视频| 精品久久久噜噜| 国产一区二区三区在线臀色熟女| 黄色一级大片看看| 久久九九热精品免费| 午夜福利在线在线| 日本在线视频免费播放| 哪里可以看免费的av片| 老司机深夜福利视频在线观看| 一边摸一边抽搐一进一小说| 又粗又爽又猛毛片免费看| 精品日产1卡2卡| 亚洲精品色激情综合| 在线播放无遮挡| 女人十人毛片免费观看3o分钟| av.在线天堂| 韩国av在线不卡| 成人国产麻豆网| 亚洲在线观看片| 99九九线精品视频在线观看视频| 亚洲经典国产精华液单| 色精品久久人妻99蜜桃| 欧美+亚洲+日韩+国产| 色av中文字幕| 国产高清视频在线观看网站| 熟妇人妻久久中文字幕3abv| 99久久精品国产国产毛片| 日本五十路高清| 蜜桃久久精品国产亚洲av| 国产国拍精品亚洲av在线观看| 搞女人的毛片| 国内精品宾馆在线| 亚洲国产精品sss在线观看| av在线老鸭窝| 亚洲av一区综合| 全区人妻精品视频| 国产亚洲欧美98| 免费电影在线观看免费观看| 在线播放无遮挡| 欧美xxxx黑人xx丫x性爽| 午夜福利高清视频| 中出人妻视频一区二区| 亚洲熟妇中文字幕五十中出| 不卡视频在线观看欧美| 免费观看的影片在线观看| 亚洲美女黄片视频| 中文在线观看免费www的网站| 露出奶头的视频| 在线观看66精品国产| 成人性生交大片免费视频hd| 在线观看一区二区三区| 99久久精品一区二区三区| 亚洲黑人精品在线| 91午夜精品亚洲一区二区三区 | 久久人人爽人人爽人人片va| 亚洲最大成人中文| 亚洲国产色片| 一区福利在线观看| av专区在线播放| 99久久无色码亚洲精品果冻| 日韩人妻高清精品专区| 国产久久久一区二区三区| 亚洲av日韩精品久久久久久密| 成年版毛片免费区| 51国产日韩欧美| 久久婷婷人人爽人人干人人爱| 国产激情偷乱视频一区二区| 亚洲精品影视一区二区三区av| 在线免费观看的www视频| av在线亚洲专区| 桃红色精品国产亚洲av| 亚洲国产精品sss在线观看| 久久久精品大字幕| 女人十人毛片免费观看3o分钟| 成人毛片a级毛片在线播放| 91麻豆av在线| 国产精品三级大全| 波野结衣二区三区在线| 国产日本99.免费观看| 美女黄网站色视频| 亚洲va日本ⅴa欧美va伊人久久| 日本欧美国产在线视频| 久久国产乱子免费精品| 国产精品电影一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 亚洲专区中文字幕在线| 精品久久久久久久久久久久久| 乱人视频在线观看| 免费观看在线日韩| 一级av片app| 丰满的人妻完整版| 亚洲av成人精品一区久久| 欧美一区二区国产精品久久精品| 在线观看舔阴道视频| 深爱激情五月婷婷| 黄色配什么色好看| 天美传媒精品一区二区| 伦理电影大哥的女人| 最近最新免费中文字幕在线| 国产熟女欧美一区二区| 成人av在线播放网站| 亚洲精品一区av在线观看| 精品日产1卡2卡| 国产私拍福利视频在线观看| 日日夜夜操网爽| 偷拍熟女少妇极品色| 成年版毛片免费区| 毛片女人毛片| 大型黄色视频在线免费观看| 最新在线观看一区二区三区| 国内揄拍国产精品人妻在线| 99热这里只有是精品50| 亚洲精品国产成人久久av| 欧美精品啪啪一区二区三区| 久久午夜福利片| 我的老师免费观看完整版| 麻豆av噜噜一区二区三区| 男女下面进入的视频免费午夜| 国产高清三级在线| 久久久久久国产a免费观看| 国产免费男女视频| 日韩高清综合在线| 22中文网久久字幕| 极品教师在线视频| 99热只有精品国产| 国产亚洲精品av在线| 91久久精品国产一区二区成人| 日日啪夜夜撸| 淫妇啪啪啪对白视频| 男女视频在线观看网站免费| 午夜影院日韩av| 国产av麻豆久久久久久久| 18禁裸乳无遮挡免费网站照片| av国产免费在线观看| 国产精品人妻久久久久久| 久久国内精品自在自线图片| 久久亚洲精品不卡| 欧美人与善性xxx|