• <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 ?

    基于地震資料有效信息約束的深度網(wǎng)絡無監(jiān)督噪聲壓制方法

    2021-03-31 00:03:20陳文超劉達偉魏新建王曉凱陳德武李書平
    煤田地質(zhì)與勘探 2021年1期
    關(guān)鍵詞:壓制先驗噪聲

    陳文超,劉達偉,魏新建,王曉凱,陳德武,李書平,李 冬

    基于地震資料有效信息約束的深度網(wǎng)絡無監(jiān)督噪聲壓制方法

    陳文超1,劉達偉1,魏新建2,王曉凱1,陳德武2,李書平2,李 冬2

    (1. 西安交通大學 信息與通信工程學院,陜西 西安 710049; 2. 中國石油勘探開發(fā)研究院西北分院,甘肅 蘭州 730020)

    地震資料處理是地震勘探中的關(guān)鍵環(huán)節(jié),由于地下構(gòu)造和地表條件的復雜性,地震資料的處理需要經(jīng)過一系列復雜流程,從而形成多種不同類型的地震數(shù)據(jù)。不同種類的地震數(shù)據(jù)具有不同的數(shù)據(jù)特征,充分利用和發(fā)掘其中的數(shù)據(jù)特征,不僅可以充分發(fā)揮處理方法的技術(shù)潛力,消除各類非地質(zhì)因素對地震資料處理質(zhì)量的影響,同時可以增強地震資料處理的可靠性,改善地震資料的資料信噪比及分辨率,在復雜油氣藏勘探開發(fā)中具有非常重要的基礎作用。疊前地震成像道集(CRP)中的有效信號同相軸近似水平,疊后地震成像數(shù)據(jù)因為地層沉積的規(guī)律性,有效信號相比于隨機噪聲、成像畫弧噪聲等干擾具有規(guī)律、簡單等特點。具體表現(xiàn)為CRP道集及疊后地震資料有效信號具有多尺度自相似性的特征,其高維Fourier(FK或FKK)域主要能量集中在低頻、低波數(shù)區(qū)域。針對上述地震數(shù)據(jù)的特點,提出一種基于先驗信息約束的深度網(wǎng)絡地震資料無監(jiān)督噪聲壓制方法。受到深度圖像先驗(DIP)的啟發(fā),神經(jīng)網(wǎng)絡的結(jié)構(gòu)可以視為一種特殊的隱式先驗信息,合理設計網(wǎng)絡結(jié)構(gòu)可以使得網(wǎng)絡具有多尺度自相似性特征的提取能力。由于疊前地震成像道集數(shù)據(jù)和疊后地震成像數(shù)據(jù)有效信號的多尺度自相似性,而噪聲不具備這一特性,因此,特定結(jié)構(gòu)的網(wǎng)絡可以從原始數(shù)據(jù)提取出有效信號,從而達到噪聲壓制的目的。疊前成像道集和疊后成像的實際數(shù)據(jù)隨機噪聲壓制試驗結(jié)果表明,本文方法具有良好的保真性與魯棒性。此外,由于本文方法具有強大的特征提取能力,因此,對常規(guī)方法不易壓制的弧狀成像噪聲也有良好的效果。

    無監(jiān)督學習;神經(jīng)網(wǎng)絡;弧狀成像噪聲壓制;成像道集;多尺度自相似性

    地震資料處理是地震勘探中的關(guān)鍵環(huán)節(jié),對于連接采集和解釋工作發(fā)揮著重要功能,其處理質(zhì)量對地震資料解釋和儲層預測精度起到了決定作用。在地震數(shù)據(jù)采集過程中,不可避免地會引入隨機噪聲,壓制隨機噪聲可以提升信噪比,有助于提高解釋精度,對后期的地震數(shù)據(jù)的解釋至關(guān)重要。因此,地震數(shù)據(jù)的隨機噪聲壓制問題在地震資料處理中占據(jù)著重要地位。傳統(tǒng)基于模型的優(yōu)化方法和近年來興起的判別學習方法是隨機噪聲壓制的兩大類方法。

    基于模型的優(yōu)化方法使用明確的先驗信息建立相關(guān)模型,然后通過求解優(yōu)化問題得到干凈的去噪數(shù)據(jù)。這類方法具有明確的物理含義,并且具有較強的泛化性能,對于不同種類的地震數(shù)據(jù)都有一定的噪聲壓制效果。按照使用的不同的先驗知識,基于模型的方法可以大致分為三大類。第一類是基于濾波的方法[1-2]。假設地震有效信號的反射同相軸具有橫向連續(xù)性,以此來區(qū)分有效信號和噪聲。第二類是基于低秩的方法,包括低秩分解[3-5]和核范數(shù)最小化[6]。第三類是基于稀疏表示的噪聲壓制方法,這類方法構(gòu)建合適的字典對有效信號進行稀疏表示,而該字典無法稀疏表示隨機噪聲,從而達到壓制隨機噪聲的目的[7-9]。上述方法在實際數(shù)據(jù)的處理過程中均取得了良好的效果,但是也會面臨一些挑戰(zhàn)。一方面,這類方法要求人為指定的先驗知識盡可能準確,然而由于地震數(shù)據(jù)的復雜性,使用這些先驗知識在某些復雜結(jié)構(gòu)區(qū)域仍然無法區(qū)分有效信號和隨機噪聲。另一方面,模型優(yōu)化的時間通常比較耗時,并且需要專業(yè)的計算機知識才可以實現(xiàn)快速并行計算。

    與之相反,判別學習方法,如最近幾年流行的深度學習方法,通過端對端地學習訓練樣本對獲得先驗知識,這把研究人員從復雜的先驗知識設計中解放出來,尤其對于那些無法用明確公式表達的先驗知識很有效果。此外,深度學習在隨機噪聲壓制問題中得到大規(guī)模使用的另一個原因是它很容易并行計算,雖然訓練耗時較長,但是測試時間相比模型優(yōu)化法很有優(yōu)勢。按照網(wǎng)絡維度的不同,此類可以分為二維網(wǎng)絡方法[10]和三維網(wǎng)絡方法[11-12]。盡管它們在實際使用中可以取得令人滿意的結(jié)果,但是也遇到了一些挑戰(zhàn)。首先,判別學習類方法需要大量的不含噪地震數(shù)據(jù)作為標簽數(shù)據(jù),而這在實際中是幾乎不可能獲得的。其次,網(wǎng)絡的泛化能力通常較弱,當處理較大規(guī)模的地震數(shù)據(jù)時,它的去噪能力會退化。

    無監(jiān)督的深度學習方法可以兼具上述兩類方法的優(yōu)點。無監(jiān)督深度學習方法既不需要標簽數(shù)據(jù),并且有較強的泛化能力,此外還可以使用深度學習框架較為容易地實現(xiàn)并行計算。無監(jiān)督深度學習方法已經(jīng)成功地應用于地震數(shù)據(jù)集的噪聲壓制[13]。本文提出了一種基于先驗信息約束的深度網(wǎng)絡地震資料無監(jiān)督噪聲壓制方法。由于疊前地震成像道集數(shù)據(jù)和疊后地震成像數(shù)據(jù)有效信號的多尺度自相似性,而噪聲不具備這一特性,因此,可以設計一種可以提取多尺度自相似性的網(wǎng)絡,從中提取有效信號,從而達到噪聲壓制的目標。受到深度圖像先驗(Deep Image Prior,DIP)[14]的啟發(fā),本文使用一種多尺度的生成卷積神經(jīng)網(wǎng)絡,以含噪地震數(shù)據(jù)作為訓練目標,使之從含噪地震數(shù)據(jù)中提取有效信號。訓練過程中使用早停法選擇合適的迭代次數(shù),使網(wǎng)絡輸出去噪后的地震數(shù)據(jù)。

    1 方法原理

    1.1 建立模型

    1.2 網(wǎng)絡結(jié)構(gòu)

    本文所使用的深度生成網(wǎng)絡結(jié)構(gòu)是一種經(jīng)典的U-Net網(wǎng)絡結(jié)構(gòu),包括3大部分:5個下采樣(Downsample)模塊(Block),2個跳躍連接層(Skip)模塊及5個上采樣(Upsample)模塊。每個模塊包含幾個基本單元,基本單元包括卷積(Conv)層、批歸一化(Batch normalization,BN)層、下采樣(Downsample)層、上采樣(Upsample)層和激活函數(shù)(LeakyReLU)層,如圖 1所示。為了節(jié)省計算開銷,隨著網(wǎng)絡深度的加深,下采樣的卷積濾波器數(shù)目從初始的8個增加到128個,上采樣層的濾波器數(shù)目與之對稱。不同網(wǎng)絡深度的下采樣模塊和上采樣模塊通過壓縮共有特征和剔除無用信息來降低目標地震數(shù)據(jù)的維數(shù)。這種網(wǎng)絡結(jié)構(gòu)使深度生成網(wǎng)絡具有多尺度自相似特征的提取能力。地震資料的有效信號在本質(zhì)上具有多尺度特征,許多地震處理方法從中受益[15-16]。因此,本文可以應用上述網(wǎng)絡的特征提取能力來提取有效信號,從而達到壓制地震資料隨機噪聲的目的。

    同時,本文在原有U-Net網(wǎng)絡結(jié)構(gòu)的基礎上做了一些修改。首先,為了減少由上采樣模塊引起的棋盤效應,采用轉(zhuǎn)置卷積代替雙線性插值。其次,設置跳躍連接的策略來避免梯度消失問題。第三,用漏泄線性整流函數(shù)替換原有激活函數(shù),防止神經(jīng)元湮滅。

    1.3 模型訓練

    圖1 本文所使用的網(wǎng)絡模型結(jié)構(gòu)

    圖2 深度生成網(wǎng)絡分別重構(gòu)含噪地震數(shù)據(jù)、隨機噪聲和有效信號得到的能量曲線

    1.4 深度神經(jīng)網(wǎng)絡的低頻優(yōu)先原則

    其中,

    本文以一個東部某油田實際疊前地震成像道集為例說明深度神經(jīng)網(wǎng)絡的低頻優(yōu)先原則,圖3為使用本文網(wǎng)絡對含噪地震數(shù)據(jù)進行重構(gòu)得到的不同迭代次數(shù)的結(jié)果,可以看到迭代次數(shù)較少時,網(wǎng)絡主要重構(gòu)3數(shù)據(jù)中的低頻成分,隨著迭代次數(shù)的增加,越來越多的精細結(jié)構(gòu)被網(wǎng)絡重構(gòu)出來,同時,也重構(gòu)了更多的噪聲成分。圖4為圖3對應的FK譜,也可以觀察到,網(wǎng)絡優(yōu)先學習低頻特征,隨著訓練迭代次數(shù)的增加,越來越多的高頻成分被重構(gòu)出來。

    2 算例分析

    2.1 疊前地震成像道集

    圖5a是一個東部某油田疊前地震成像道集,包括200道數(shù)據(jù),每道數(shù)據(jù)具有3 001個時間采樣點,采樣率為2 ms??梢钥吹綀D中有效信號被大量的背景噪聲所污染,使得一些微弱的有效信號變得模糊。同時,可以觀察到同相軸是近似水平的,這與本文方法善于提取低頻的、具有多尺度自相似的特征相匹配。DDTF(Data-drive Tight Frame)[18]是一種常用的地震數(shù)據(jù)噪聲壓制方法,本文選擇DDTF方法作為對比。圖5b顯示了DDTF的去噪結(jié)果,可以看出到仍然存在一些殘余噪聲。然后利用深度生成網(wǎng)絡從原始地震數(shù)據(jù)中提取自相似特征。經(jīng)過大約1 500次迭代,得到了網(wǎng)絡的去噪結(jié)果,如圖5c所示??梢钥闯?,本文方法的沒有明顯殘余噪聲,同相軸比DDTF方法更清晰。此外,本文方法在不丟失有用信號細節(jié)的情況下也去除了一些相干噪聲。在如圖5d所示DDTF方法相應的噪聲去除部分中,可以看到一些有效信號的泄漏。然而,如圖5e所示,除了一些異常的振幅點外,本文方法幾乎找不到明顯的連續(xù)同相軸,這表明本文方法在去噪過程中沒有嚴重破壞有效信號。此外,本文方法的計算時間(79.19 s)比DDTF(51.30 s)耗時多,但去噪效果更優(yōu),參數(shù)選擇更為容易。

    (a)—(l)分別為100~1 200次迭代的結(jié)果

    (a)—(l)分別為100~1 200次迭代的FK譜

    (a)為含噪數(shù)據(jù)集;(b)和(c)分別為DDTF和本文方法的去噪結(jié)果;(d)和(e)為DDTF和本文方法去除的噪聲

    本文進一步從多通道歸一化幅度譜來比較去噪性能研究,如圖6所示。眾所周知,隨機噪聲的主要能量集中在高頻端??梢钥闯觯删W(wǎng)絡去噪后數(shù)據(jù)的高頻能量幅度譜(例如高于60 Hz部分)低于由DDTF去噪數(shù)據(jù)的高頻能量頻幅度譜,如圖6a所示。這意味著網(wǎng)絡抑制了更多的噪聲能量。從圖6b所示的去除噪聲的幅度譜也可以得到相同的結(jié)論。為了更清楚地進行比較,圖6c顯示了圖6a紅色圓圈所示的放大區(qū)域,可以更清楚地觀察到網(wǎng)絡的去噪結(jié)果在高頻段能量較低??梢缘贸鼋Y(jié)論,與DDTF相比,該方法具有更高的保真度和更強的噪聲抑制能力。

    下面從疊加剖面上觀察本文方法的噪聲壓制效果。圖7a所示是200道原始疊前地震成像道集經(jīng)過疊加而成的疊加剖面。圖7b所示是200道網(wǎng)絡去噪后的疊前地震成像道集經(jīng)過疊加而成的疊加剖面,可以看到波形一致性得到了增強,圖7c為圖7a與圖7b的差剖面,從圖7c中觀察不到明顯的有效信號損傷,這證明了本文方法的保真性。

    圖6 多道歸一化振幅譜

    (a) 原始數(shù)據(jù);(b) 去噪后數(shù)據(jù);(c) 去除的噪聲數(shù)據(jù)

    2.2 疊后地震成像數(shù)據(jù)

    為了進一步說明本文方法的有效性,以如圖8a所示的疊后地震成像數(shù)據(jù)為例進行噪聲壓制。該數(shù)據(jù)來自東部某油田,圖示600道數(shù)據(jù)和1 200個時間采樣點,采樣時間為2 ms。可以看到,該數(shù)據(jù)受到噪聲影響嚴重,尤其受到了弧狀成像噪聲的干擾,對地震數(shù)據(jù)的解釋造成了干擾。圖8b所示是網(wǎng)絡經(jīng)過6 500次迭代得到的去噪后的地震數(shù)據(jù),可以看到本文方法去除了大量的隨機噪聲,去噪后同相軸的連續(xù)性得到了加強,尤其是圖中紅色矩形框所示的區(qū)域,弧狀成像噪聲得到了壓制。從圖8c中去除的噪聲部分來看,噪聲中除了弧狀噪聲部分,沒有明顯的地層結(jié)構(gòu)成分,說明本文方法幾乎沒有損傷有效信號,具有較高的保真性。

    3 結(jié)論

    本文提出了一種基于深度學習的無監(jiān)督隨機噪聲壓制方法,疊前、疊后成像數(shù)據(jù)處理結(jié)果表明,該方法具有以下3個特點:所提方法不需要常見深度神經(jīng)網(wǎng)絡必須的訓練標簽;本文采用的網(wǎng)絡具有很強的多尺度自相似特征提取能力,能夠容易地從原始含噪數(shù)據(jù)中提取有效信號;此外,該方法在有效抑制隨機噪聲的同時,對有效信號的損傷較小,尤其可以有效壓制傳統(tǒng)方法不易去除的弧狀成像噪聲。

    [1] TRICKETT S. F-xy Cadzow noise suppression[C]//SEGTechnical Program Expanded Abstracts 2008. Society of Exploration Geophysicists,2008:2586–2590.

    [2] SOUBARAS R. Signal-preserving random noise attenuation by the f-x projection[C]//SEG Technical Program Expanded Abstracts,Jan. 1994:1576–1579.

    [3] TRICKETT S R. F-xy eigenimage noise suppression[J]. Geophysics,2003,68(2):751–759.

    [4] BEKARA M,BAAN VAN DER M. Local singular value decomposition for signal enhancement of seismic data[J]. Geophysics,2007,72(2):59–65.

    [5] OROPEZA V,SACCHI M. Simultaneous seismic data denoising and reconstruction via multichannel singular spectrum analysis[J]. Geophysics,2011,76(3):25–32.

    [6] KREIMER N,SACCHI M D. A tensor higher-order singular value decomposition for pre-stack seismic data noise reduction and interpolation[J]. Geophysics,2012,77(3):113–122.

    [7] YU Z,ABMA R,ETGEN J,et al. Attenuation of noise and simultaneous source interference using wavelet denoising[J]. Geophysics,2017,82(3):179–190.

    [8] WANG Xiaojing,MA Jianwei. Adaptive dictionary learning for blind seismic data denoising[J]. IEEE Geoscience and Remote Sensing Letters,2019:1–5.

    [9] WANG Shen,LI Jianchao,CHIU S K,et al. Seismic data compression and regularization via wave packets[C]//SEG Technical Program Expanded Abstracts 2010. 2010:3650–3655.

    [10] ZHANG Yinxue,TIAN Xuemin,DENG Xiaogang,et al. Seismic denoising based on modified BP neural network[C]//2010 Sixth International Conference on Natural Computation. 2010:1825–1829.

    [11] WANG Enning,NEALON J. Applying machine learning to 3D seismic image denoising and enhancement[J]. Interpretation,2019,7(3):131–139.

    [12] LIU Dawei,WANG Wei,WANG Xiaokai,et al. Poststack seismic data denoising based on 3-D convolutional neural network[J]. IEEE Trans. Geosci. Remote Sens.,2020,58(3):1598–1629.

    [13] CHEN Yangkang,ZHANG Mi,BAI Min,et al. Improving the signal-to-noise ratio of seismological datasets by unsupervised machine learning[J]. Seismol. Res. Lett.,2019,90(4):1552–1564.

    [14] ULYANOV D,VEDALDI A,LEMPITSKY V. Deep image prior[C]//IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2018:9446–9454[2020-03-19].

    [15] HERRMANN F J,WANG DeLi,HENNENFENT G,et al. Curvelet-based seismic data processing:A multiscale and nonlinear approach[J]. Geophysics,2008,73(1):1–5.

    [16] BUNKS C,SALECKF M,ZALESKI S,et al. Multiscale seismic waveform inversion[J]. Geophysics,1995,60(5):1457–1473.

    [17] XU Z-Q J. Frequency principle:Fourier analysis sheds light on deep neural networks[J]. Commun. Comput. Phys.,2020,28(5):1746–1767.

    [18] LIANG Jianwei,MA Jianwei,ZHANG Xiaoqun. Seismic data restoration via data-driven tight frame[J]. Geophysics,2014,79(3):65–74.

    Unsupervised noise suppression method for depth network seismic data based on prior information constraint

    CHEN Wenchao1, LIU Dawei1, WEI Xinjian2, WANG Xiaokai1, CHEN Dewu2, LI Shuping2, LI Dong2

    (1. School of Information and Communication Engineering, Xi’an Jiaotong University, Xi’an 710049, China; 2. Research Institute of Petroleum Exploration&Development-Northwest(NWGI) PetroChina, Lanzhou 730020, China)

    Seismic data processing is a critical step in seismic exploration. Due to the complexity of underground structure and surface conditions, seismic data processing needs to go through a series of complex processes, thus forming various types of seismic data. Different types of seismic data have different data characteristics. Exploring and making full use of the data characteristics can not only give full play to the technical potential of processing methods, eliminate the influence of various non-geological factors on the quality of seismic data processing, but also enhance the reliability of seismic data processing. Improving the signal-to-noise ratio and resolution of seismic data plays a significant role in the exploration and development of complex reservoirs. The useful signal in pre-stack seismic imaging gathers(common-reflection-point gathers) is approximately horizontal, and the useful signal in post-stack seismic imaging data is regular and straightforward compared with random noise and arc-like imaging noise because of the regularity of stratum deposition. Therefore, the corresponding FK domain is focused on low-frequency energy due to the specific characteristics of multiscale self-similarity. According to the characteristics of the above seismic data, this paper proposes an unsupervised noise suppression method for deep network seismic data based on prior information constraints. Inspired by the deep image prior (DIP), the structure of the neural network can be regarded as a kind of particular implicit prior information. The reasonable design of network structure can improve the ability of multiscale self-similarity feature extraction. Because of the multiscale self-similarity of the useful signals of pre-stack seismic imaging gather data and post-stack seismic imaging data but noise without this characteristic, the network with specific structure can extract the useful signals from the original data, so as to achieve the goal of noise suppression. The application results of pre-stack imaging gathers and post-stack imaging data show that the proposed method has good fidelity and robustness. In addition, due to its strong feature extraction ability, the proposed method also has a good effect on arc-like imaging noise not easy to suppress by conventional methods.

    unsupervised learning; neural network; arc-like imaging noise; imaging gathers; multiscale similarity

    移動閱讀

    語音講解

    P631

    A

    1001-1986(2021)01-0249-08

    2021-01-11;

    2021-01-25

    國家自然科學基金面上項目(41774135,41974131);國家重點研發(fā)計劃課題(2017YFB0202902)

    陳文超,1970年生,男,陜西咸陽人,博士,教授,從事地震、探地雷達信號處理、解釋研究工作. E-mail:wencchen@xjtu.edu.cn

    陳文超,劉達偉,魏新建,等. 基于地震資料有效信息約束的深度網(wǎng)絡無監(jiān)督噪聲壓制方法[J]. 煤田地質(zhì)與勘探,2021,49(1):249–256. doi:10.3969/j.issn.1001-1986.2021.01.027

    CHEN Wenchao,LIU Dawei,WEI Xinjian,et al. Unsupervised noise suppression method for depth network seismic data based on prior information constraint[J]. Coal Geology & Exploration,2021,49(1):249–256. doi: 10.3969/j.issn. 1001-1986.2021.01.027

    (責任編輯 聶愛蘭)

    猜你喜歡
    壓制先驗噪聲
    噪聲可退化且依賴于狀態(tài)和分布的平均場博弈
    基于無噪圖像塊先驗的MRI低秩分解去噪算法研究
    一種新型無人機數(shù)據(jù)鏈抗壓制干擾技術(shù)的研究
    空射誘餌在防空壓制電子戰(zhàn)中的應用
    無人機(2018年1期)2018-07-05 09:51:02
    控制噪聲有妙法
    基于自適應塊組割先驗的噪聲圖像超分辨率重建
    自動化學報(2017年5期)2017-05-14 06:20:44
    一種舊物品擠壓成型機
    科技資訊(2016年12期)2016-05-30 05:07:58
    基于平滑先驗法的被動聲信號趨勢項消除
    先驗的廢話與功能的進路
    東南法學(2015年2期)2015-06-05 12:21:36
    對GPS接收機帶限高斯噪聲壓制干擾的干擾帶寬選擇分析
    国产成人欧美在线观看| 亚洲欧美日韩东京热| 亚洲男人的天堂狠狠| 免费看日本二区| 国产成人啪精品午夜网站| 日韩欧美国产在线观看| 国产人伦9x9x在线观看| 免费一级毛片在线播放高清视频| 亚洲国产欧美网| 少妇熟女aⅴ在线视频| av免费在线观看网站| 久久久久久免费高清国产稀缺| 麻豆久久精品国产亚洲av| 美女大奶头视频| 久久中文看片网| 久久久久久国产a免费观看| 51午夜福利影视在线观看| 亚洲狠狠婷婷综合久久图片| 亚洲五月天丁香| 亚洲国产欧美人成| 怎么达到女性高潮| 又黄又爽又免费观看的视频| 亚洲av成人不卡在线观看播放网| 国产亚洲精品第一综合不卡| 日韩欧美三级三区| 搡老妇女老女人老熟妇| 美女 人体艺术 gogo| 久久草成人影院| 啦啦啦观看免费观看视频高清| 曰老女人黄片| 老司机靠b影院| 国内揄拍国产精品人妻在线| 国产精品av久久久久免费| 俺也久久电影网| 国产69精品久久久久777片 | 在线观看日韩欧美| 欧美成人免费av一区二区三区| 日本三级黄在线观看| netflix在线观看网站| 黑人巨大精品欧美一区二区mp4| 身体一侧抽搐| av在线播放免费不卡| 1024香蕉在线观看| 亚洲精品美女久久av网站| 国内毛片毛片毛片毛片毛片| 成熟少妇高潮喷水视频| 国产精品 国内视频| 亚洲国产看品久久| 日本 av在线| 变态另类丝袜制服| 免费看美女性在线毛片视频| 欧美zozozo另类| 国产私拍福利视频在线观看| 欧美日韩精品网址| 日本撒尿小便嘘嘘汇集6| 90打野战视频偷拍视频| 亚洲精品中文字幕在线视频| 国产精品1区2区在线观看.| 亚洲人成网站高清观看| 亚洲avbb在线观看| 精品午夜福利视频在线观看一区| 久久热在线av| 亚洲一区二区三区不卡视频| 夜夜看夜夜爽夜夜摸| 97碰自拍视频| 18禁国产床啪视频网站| 91成年电影在线观看| 欧美在线一区亚洲| 国产亚洲av嫩草精品影院| 国产成人一区二区三区免费视频网站| 成熟少妇高潮喷水视频| 国产精品野战在线观看| 久久久久国产精品人妻aⅴ院| 国产一级毛片七仙女欲春2| av在线播放免费不卡| 国产一区二区激情短视频| 老鸭窝网址在线观看| 欧美色欧美亚洲另类二区| 黄色a级毛片大全视频| 国语自产精品视频在线第100页| 国产三级中文精品| 国产欧美日韩一区二区三| 女生性感内裤真人,穿戴方法视频| 国模一区二区三区四区视频 | 亚洲欧美日韩高清在线视频| 午夜福利在线在线| 一个人免费在线观看电影 | 成人高潮视频无遮挡免费网站| 欧美在线黄色| 这个男人来自地球电影免费观看| 午夜久久久久精精品| 亚洲成人免费电影在线观看| av有码第一页| 久久久久九九精品影院| 亚洲精品av麻豆狂野| 男人舔奶头视频| 精品国产乱码久久久久久男人| www国产在线视频色| 757午夜福利合集在线观看| 国产av在哪里看| 日本a在线网址| 成年女人毛片免费观看观看9| 岛国在线观看网站| 国产免费av片在线观看野外av| 亚洲欧美一区二区三区黑人| aaaaa片日本免费| 黄色毛片三级朝国网站| 亚洲一卡2卡3卡4卡5卡精品中文| 村上凉子中文字幕在线| 19禁男女啪啪无遮挡网站| av超薄肉色丝袜交足视频| 91国产中文字幕| 久久久国产成人精品二区| 色尼玛亚洲综合影院| 曰老女人黄片| 三级国产精品欧美在线观看 | www日本在线高清视频| 欧美+亚洲+日韩+国产| 精品电影一区二区在线| 国产欧美日韩一区二区三| 男女床上黄色一级片免费看| 亚洲九九香蕉| 99在线视频只有这里精品首页| 亚洲欧洲精品一区二区精品久久久| 久久午夜综合久久蜜桃| 男男h啪啪无遮挡| 一本大道久久a久久精品| 一进一出抽搐gif免费好疼| 亚洲国产看品久久| 日日干狠狠操夜夜爽| 欧美成狂野欧美在线观看| 丰满人妻熟妇乱又伦精品不卡| 亚洲最大成人中文| 久久精品人妻少妇| 99久久精品热视频| 俄罗斯特黄特色一大片| 久久性视频一级片| 精品日产1卡2卡| 国产精品电影一区二区三区| 精品不卡国产一区二区三区| 少妇人妻一区二区三区视频| 国产亚洲欧美在线一区二区| 日韩高清综合在线| 成人亚洲精品av一区二区| 亚洲午夜理论影院| 婷婷精品国产亚洲av| 巨乳人妻的诱惑在线观看| 国产一区二区三区在线臀色熟女| 1024手机看黄色片| 最近最新中文字幕大全电影3| 日本熟妇午夜| 久久久国产欧美日韩av| 最近视频中文字幕2019在线8| 亚洲人成电影免费在线| 国产精品野战在线观看| 草草在线视频免费看| 午夜福利视频1000在线观看| 国产亚洲精品一区二区www| 日韩 欧美 亚洲 中文字幕| 麻豆av在线久日| 黄色a级毛片大全视频| 少妇粗大呻吟视频| 亚洲熟妇中文字幕五十中出| 性色av乱码一区二区三区2| 在线观看免费日韩欧美大片| 精品午夜福利视频在线观看一区| 特级一级黄色大片| 老司机靠b影院| 亚洲成人国产一区在线观看| a级毛片在线看网站| 99精品久久久久人妻精品| 校园春色视频在线观看| 中文资源天堂在线| 老熟妇仑乱视频hdxx| 中文字幕人妻丝袜一区二区| 国产亚洲av嫩草精品影院| 欧美大码av| 天天一区二区日本电影三级| 日韩欧美精品v在线| 国产亚洲欧美98| 亚洲在线自拍视频| 国产精品一区二区免费欧美| 国产亚洲精品一区二区www| 两性午夜刺激爽爽歪歪视频在线观看 | 精品久久久久久成人av| 亚洲精品在线观看二区| 男人的好看免费观看在线视频 | 日韩av在线大香蕉| 黄色毛片三级朝国网站| 免费av毛片视频| 午夜免费激情av| 国产成人精品久久二区二区免费| 国产在线观看jvid| 操出白浆在线播放| 在线十欧美十亚洲十日本专区| 国产精品免费一区二区三区在线| 久久久国产成人精品二区| 亚洲熟女毛片儿| 午夜福利免费观看在线| 日本在线视频免费播放| 最好的美女福利视频网| 久久香蕉激情| 亚洲人成网站在线播放欧美日韩| 国内毛片毛片毛片毛片毛片| 国产精品电影一区二区三区| av欧美777| 高清毛片免费观看视频网站| 欧美性长视频在线观看| 九色成人免费人妻av| 国产单亲对白刺激| 欧美日韩黄片免| 日韩欧美免费精品| 日日爽夜夜爽网站| 一区福利在线观看| x7x7x7水蜜桃| 三级国产精品欧美在线观看 | 国内精品久久久久久久电影| 999久久久精品免费观看国产| 国产一区二区在线av高清观看| 精品午夜福利视频在线观看一区| ponron亚洲| 人成视频在线观看免费观看| 亚洲av成人一区二区三| 在线免费观看的www视频| 性欧美人与动物交配| 日韩中文字幕欧美一区二区| av视频在线观看入口| 国产精品电影一区二区三区| 亚洲,欧美精品.| e午夜精品久久久久久久| 成人高潮视频无遮挡免费网站| 99在线人妻在线中文字幕| 别揉我奶头~嗯~啊~动态视频| 亚洲最大成人中文| 最近视频中文字幕2019在线8| 天堂影院成人在线观看| 国产不卡一卡二| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜两性在线视频| 黄频高清免费视频| 可以在线观看毛片的网站| av欧美777| 久久这里只有精品19| 老司机在亚洲福利影院| 精品免费久久久久久久清纯| 亚洲成av人片在线播放无| 美女黄网站色视频| 欧美另类亚洲清纯唯美| 日韩欧美精品v在线| 国产熟女午夜一区二区三区| 国产精品1区2区在线观看.| 黄色视频,在线免费观看| 精品久久久久久久久久免费视频| 色综合亚洲欧美另类图片| 首页视频小说图片口味搜索| 999久久久国产精品视频| 免费看十八禁软件| 亚洲国产精品合色在线| 香蕉丝袜av| 国产探花在线观看一区二区| 亚洲,欧美精品.| 精品日产1卡2卡| www.自偷自拍.com| 国产欧美日韩一区二区精品| 动漫黄色视频在线观看| 久久天躁狠狠躁夜夜2o2o| 亚洲一区二区三区不卡视频| 精品久久久久久久毛片微露脸| 久久国产精品人妻蜜桃| 两个人免费观看高清视频| 久久久久久亚洲精品国产蜜桃av| 久久欧美精品欧美久久欧美| 免费在线观看黄色视频的| 一二三四在线观看免费中文在| 国产精品av久久久久免费| 淫妇啪啪啪对白视频| www日本黄色视频网| 在线观看免费午夜福利视频| 老汉色∧v一级毛片| 啪啪无遮挡十八禁网站| 亚洲国产精品合色在线| а√天堂www在线а√下载| 日日摸夜夜添夜夜添小说| 丰满的人妻完整版| 久久伊人香网站| 波多野结衣高清无吗| 日韩高清综合在线| 三级男女做爰猛烈吃奶摸视频| 日韩欧美免费精品| 国产午夜精品论理片| 国产一区二区在线av高清观看| 制服人妻中文乱码| 精品电影一区二区在线| 在线观看日韩欧美| 日韩欧美 国产精品| a级毛片在线看网站| 超碰成人久久| 一个人免费在线观看电影 | av中文乱码字幕在线| 久久性视频一级片| 日本黄色视频三级网站网址| 久久精品91无色码中文字幕| 亚洲精品av麻豆狂野| 巨乳人妻的诱惑在线观看| 亚洲国产高清在线一区二区三| 男女下面进入的视频免费午夜| cao死你这个sao货| 午夜久久久久精精品| 人妻夜夜爽99麻豆av| videosex国产| 狂野欧美白嫩少妇大欣赏| 日韩精品中文字幕看吧| 岛国视频午夜一区免费看| 国产熟女午夜一区二区三区| 国产亚洲精品av在线| av欧美777| 毛片女人毛片| 亚洲国产日韩欧美精品在线观看 | 一卡2卡三卡四卡精品乱码亚洲| 中文亚洲av片在线观看爽| АⅤ资源中文在线天堂| 欧美丝袜亚洲另类 | 国产精品亚洲av一区麻豆| 免费无遮挡裸体视频| 深夜精品福利| 性欧美人与动物交配| 欧美又色又爽又黄视频| 99久久国产精品久久久| 亚洲av成人不卡在线观看播放网| 18禁黄网站禁片午夜丰满| 亚洲成人久久性| 久久久久九九精品影院| 亚洲精品在线美女| 禁无遮挡网站| 麻豆久久精品国产亚洲av| 亚洲五月婷婷丁香| 精品国产超薄肉色丝袜足j| 99riav亚洲国产免费| 国产精品一区二区三区四区免费观看 | 亚洲精品在线观看二区| 欧美色欧美亚洲另类二区| 97碰自拍视频| 99久久精品国产亚洲精品| 大型黄色视频在线免费观看| 热99re8久久精品国产| 99久久久亚洲精品蜜臀av| 久久性视频一级片| 麻豆久久精品国产亚洲av| 亚洲aⅴ乱码一区二区在线播放 | 久久精品综合一区二区三区| 亚洲18禁久久av| 最新在线观看一区二区三区| 妹子高潮喷水视频| 国产爱豆传媒在线观看 | 亚洲av片天天在线观看| 久久精品国产清高在天天线| 国产单亲对白刺激| 男人舔女人的私密视频| 欧美成人一区二区免费高清观看 | 国产精品1区2区在线观看.| 极品教师在线免费播放| 午夜精品一区二区三区免费看| avwww免费| av片东京热男人的天堂| 亚洲熟女毛片儿| cao死你这个sao货| 久久精品国产综合久久久| 日韩三级视频一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久av美女十八| 99久久国产精品久久久| 欧美日韩黄片免| 久久天躁狠狠躁夜夜2o2o| 欧美乱码精品一区二区三区| 中文字幕人成人乱码亚洲影| 三级毛片av免费| 午夜福利高清视频| 国产av不卡久久| 一进一出抽搐动态| 91在线观看av| 亚洲精品色激情综合| 少妇的丰满在线观看| 人妻夜夜爽99麻豆av| 亚洲一码二码三码区别大吗| 久久 成人 亚洲| 色综合亚洲欧美另类图片| 久久久国产成人精品二区| 国产一区二区三区视频了| 51午夜福利影视在线观看| 99精品在免费线老司机午夜| 国内揄拍国产精品人妻在线| 美女 人体艺术 gogo| 在线观看66精品国产| 香蕉丝袜av| 国产激情欧美一区二区| 少妇被粗大的猛进出69影院| 亚洲成人久久爱视频| 三级男女做爰猛烈吃奶摸视频| 国内毛片毛片毛片毛片毛片| 啦啦啦观看免费观看视频高清| 久久亚洲精品不卡| 国产视频内射| 亚洲精品中文字幕在线视频| 一本久久中文字幕| 一区二区三区高清视频在线| 无人区码免费观看不卡| 欧美成人午夜精品| 岛国视频午夜一区免费看| 国产黄a三级三级三级人| www国产在线视频色| 黄色 视频免费看| 亚洲aⅴ乱码一区二区在线播放 | 国产男靠女视频免费网站| 青草久久国产| 成人永久免费在线观看视频| 亚洲熟妇熟女久久| 首页视频小说图片口味搜索| 老熟妇仑乱视频hdxx| 亚洲精品久久国产高清桃花| 欧美日韩国产亚洲二区| 久久精品影院6| 久久伊人香网站| 美女大奶头视频| 99精品久久久久人妻精品| 小说图片视频综合网站| 日本a在线网址| 中文字幕av在线有码专区| 亚洲美女视频黄频| 欧美丝袜亚洲另类 | 97人妻精品一区二区三区麻豆| 我要搜黄色片| 精品久久久久久久久久免费视频| 在线视频色国产色| 欧美成狂野欧美在线观看| 黄色 视频免费看| 非洲黑人性xxxx精品又粗又长| 亚洲自拍偷在线| 成熟少妇高潮喷水视频| 国产精品一及| 亚洲 欧美一区二区三区| 久久久国产精品麻豆| 香蕉久久夜色| 母亲3免费完整高清在线观看| 女同久久另类99精品国产91| 日韩有码中文字幕| 久久人人精品亚洲av| 亚洲中文字幕一区二区三区有码在线看 | 国产精品久久视频播放| 三级国产精品欧美在线观看 | 99久久99久久久精品蜜桃| 亚洲av第一区精品v没综合| 亚洲精品一卡2卡三卡4卡5卡| 禁无遮挡网站| 久久久久亚洲av毛片大全| 欧美一级毛片孕妇| 1024香蕉在线观看| 麻豆一二三区av精品| 免费看美女性在线毛片视频| 变态另类成人亚洲欧美熟女| 欧美日韩福利视频一区二区| 搡老岳熟女国产| 欧美一级毛片孕妇| 欧美黄色片欧美黄色片| 9191精品国产免费久久| 欧美黑人巨大hd| 成人特级黄色片久久久久久久| 国产熟女午夜一区二区三区| 日韩成人在线观看一区二区三区| 亚洲第一电影网av| 91麻豆精品激情在线观看国产| 亚洲 欧美一区二区三区| 丝袜美腿诱惑在线| 婷婷精品国产亚洲av| 欧美色视频一区免费| 免费看a级黄色片| 亚洲国产中文字幕在线视频| 欧美黑人欧美精品刺激| 搡老熟女国产l中国老女人| 男女视频在线观看网站免费 | 欧美中文日本在线观看视频| 亚洲美女视频黄频| 日日夜夜操网爽| 国产伦人伦偷精品视频| 在线a可以看的网站| 日韩有码中文字幕| 午夜福利欧美成人| 黑人欧美特级aaaaaa片| 国产精品av久久久久免费| 一二三四在线观看免费中文在| 麻豆成人午夜福利视频| 色在线成人网| 精品久久久久久久久久久久久| 亚洲精品粉嫩美女一区| 超碰成人久久| 亚洲成av人片免费观看| 欧美日本亚洲视频在线播放| 中出人妻视频一区二区| av国产免费在线观看| 成人亚洲精品av一区二区| 久久婷婷成人综合色麻豆| 日韩精品免费视频一区二区三区| 夜夜夜夜夜久久久久| 此物有八面人人有两片| 麻豆国产av国片精品| 午夜两性在线视频| 丝袜人妻中文字幕| 欧美精品亚洲一区二区| 大型av网站在线播放| 又黄又爽又免费观看的视频| 国产伦人伦偷精品视频| 久久精品亚洲精品国产色婷小说| 国产精品精品国产色婷婷| 91九色精品人成在线观看| 欧美性猛交╳xxx乱大交人| 亚洲av成人一区二区三| 天天添夜夜摸| 在线观看舔阴道视频| 俄罗斯特黄特色一大片| 国产午夜精品论理片| 日韩欧美免费精品| 无限看片的www在线观看| 国产伦人伦偷精品视频| 少妇熟女aⅴ在线视频| 久久久久久久精品吃奶| 日韩精品中文字幕看吧| 成年人黄色毛片网站| 亚洲美女黄片视频| 观看免费一级毛片| 少妇裸体淫交视频免费看高清 | 国产精品一区二区三区四区久久| 免费在线观看视频国产中文字幕亚洲| 俺也久久电影网| 国产野战对白在线观看| 最新美女视频免费是黄的| 叶爱在线成人免费视频播放| 在线观看www视频免费| 性欧美人与动物交配| 深夜精品福利| 两性午夜刺激爽爽歪歪视频在线观看 | 一本综合久久免费| 毛片女人毛片| www日本黄色视频网| 日日夜夜操网爽| 亚洲国产精品成人综合色| 999精品在线视频| 可以免费在线观看a视频的电影网站| 99精品欧美一区二区三区四区| 熟妇人妻久久中文字幕3abv| 欧美乱妇无乱码| 一级a爱片免费观看的视频| 啦啦啦观看免费观看视频高清| 欧美成人性av电影在线观看| 日韩欧美 国产精品| www.精华液| a级毛片a级免费在线| 变态另类成人亚洲欧美熟女| e午夜精品久久久久久久| 岛国视频午夜一区免费看| 日本熟妇午夜| 国产精品美女特级片免费视频播放器 | 亚洲,欧美精品.| 搞女人的毛片| 国产真实乱freesex| 国产不卡一卡二| 波多野结衣巨乳人妻| 中国美女看黄片| 久久人人精品亚洲av| 日韩大尺度精品在线看网址| 欧美成人性av电影在线观看| 久久精品人妻少妇| 中文字幕最新亚洲高清| 国产伦人伦偷精品视频| 国产精品综合久久久久久久免费| 日本在线视频免费播放| 俄罗斯特黄特色一大片| 亚洲一区二区三区色噜噜| 精品日产1卡2卡| 亚洲av日韩精品久久久久久密| 两性午夜刺激爽爽歪歪视频在线观看 | 婷婷精品国产亚洲av| 日本撒尿小便嘘嘘汇集6| 欧美黑人欧美精品刺激| 手机成人av网站| 两性夫妻黄色片| 亚洲全国av大片| 国产单亲对白刺激| 变态另类成人亚洲欧美熟女| 国产欧美日韩精品亚洲av| 免费一级毛片在线播放高清视频| 欧美性猛交╳xxx乱大交人| 少妇熟女aⅴ在线视频| 最近最新免费中文字幕在线| 日韩精品中文字幕看吧| 嫁个100分男人电影在线观看| 国产精品综合久久久久久久免费| 国产亚洲欧美98| 欧美黑人精品巨大| 亚洲在线自拍视频| 午夜福利免费观看在线| 757午夜福利合集在线观看| 日韩大码丰满熟妇| 久久久久久免费高清国产稀缺| 久久这里只有精品19| avwww免费| 午夜精品一区二区三区免费看| 淫秽高清视频在线观看| 岛国在线观看网站| 桃红色精品国产亚洲av| 嫩草影视91久久| 国产单亲对白刺激| 1024香蕉在线观看| 一级毛片高清免费大全| 久久精品国产亚洲av高清一级| 日韩中文字幕欧美一区二区| 99热6这里只有精品|