• <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 ?

    機器學習模型與遙感反演水深的對比研究

    2022-05-08 13:25:58饒亞麗
    海洋湖沼通報 2022年2期
    關鍵詞:學習機水深波段

    紀 茜,沈 蔚,饒亞麗,孟 然

    (1. 上海海洋大學海洋科學學院,上海 201306;2.上海河口海洋測繪工程技術研究中心,上海 201306;3.南通智能感知研究院,江蘇 南通 226000)

    引 言

    水深是重要的地形要素,水深的測量有助于更好的了解淺海的地形地貌,也對近海開展經濟和軍事等活動有很重要的作用[1]。水深遙感反演因為覆蓋面積大、更新快和成本低的優(yōu)勢而成為測量水深的一種重要手段,也是對傳統(tǒng)水深測量方法和技術的補充和改進。遙感反演水深的原理是利用遙感影像,根據能夠測得的與水深相關性高的參數來反演水深值[2]。

    目前,反演水深的模型主要有理論模型、半理論半經驗模型和統(tǒng)計模型,其中半理論半經驗模型應用比較廣泛,常見的有線性回歸模型、雙波段比值模型和神經網絡模型[3]。Lyzenga[4]等在底層反射模型的基礎上,提出水深值和輻亮度之間的線性關系,從而獲得水深信息。Stumpf[5]等人提出了根據波段之間的比值與水深的線性回歸關系來獲取水深值,這在一定程度上消除了淺海中不同底質帶來的影響。王晶晶[6]等通過不同的模型和方法探討反射率的一階微分與水深之間的回歸關系,證明水深與水體反射率在近紅外波段相關性最好。為了提高反演精度,很多學者開始利用神經網絡進行水深反演,通過建立水深與反射率之間的非線性關系來反演水深。Sandidge[7]等利用BP神經網絡建立了遙感反射比與實測水深之間的相關模型。Anctil[8]等利用神經網絡捕捉水深波動的復雜變化,分析輸入延遲神經網絡、遞歸神經網絡和RBF等3種網絡建立的水深波動模型的效果,得出遞歸神經網絡更適合反演水深。鄧正棟[9]等分別建立了BP(Back Propagation)和RBF(Radial Basis Function)的水深反演模型,并與單波段、多波段模型進行比較,得出RBF模型反演精度更高。鄭貴洲[10]等也建立了BP和RBF人工神經網絡水深反演模型,得出RBF模型結構更簡單,對樣本要求低,反演精度高。Tatsuyuki Sagawa[11]等提出了一種基于隨機森林和多時相衛(wèi)星圖像的淺水測深制圖方法,建立了廣義深度估計模型,對高透明條件下的淺水區(qū)域研究提供了方法;Yuan Qiangqiang[12]等系統(tǒng)總結如何利用傳統(tǒng)的神經網絡和深度學習方法來推進環(huán)境遙感的過程。

    本文以甘泉島為例,利用WorldView-2遙感數據和激光測深數據建立了BP神經網絡、隨機森林和極限學習機的水深反演模型,并進行精度評價,旨在找出適合研究區(qū)每個深度范圍的反演模型和參數。

    1 遙感反演水深

    1.1 BP神經網絡法

    BP(Back Propagation)神經網絡[13]是一種按照誤差反向傳播訓練的多層前饋神經網絡。此網絡的主要特點是信號前向反饋,誤差反向傳播。在前向傳遞中,輸入信號從輸入層經過隱含層逐層處理,直到輸出層。每一層的神經元狀態(tài)僅影響下一層的神經元狀態(tài)。假如實際輸出與期望輸出不相符,則轉入反向傳播,將輸出誤差通過隱含層向輸入層逐層反轉,并將誤差分給各層的所有神經元,從各層獲得的誤差信號來調節(jié)網絡權值和閾值,經過不斷地訓練,使BP神經網絡預測輸出值逼近期望輸出值。

    1.2 隨機森林

    隨機森林(Random Forest,簡稱RF)是一種有監(jiān)督學習的算法,它是以決策樹為學習機器的集成學習算法。在算法中,可以同時生成多個預測模型,并通過綜合分析各模型的預測結果來提升預測準確度[14]。

    假設訓練數據中有M個樣本單元,N個變量,隨機森林模型的構建過程如下:

    1)從原始訓練數據中有放回的隨機抽取M個樣本,進行采樣,生成訓練集。未被抽到的樣本數據組成了袋外數據集,生成決策樹。

    2)在每棵樹的每個節(jié)點處,隨機抽取n

    3)每棵樹進行遞歸分割,直到該節(jié)點所有訓練樣本都屬于同一類,此時不再進行分割。

    1.3 極限學習機法

    極限學習機(Extreme Learning Machine, ELM)是2004年由南洋理工大學黃廣斌副教授提出的[15],其主要特征是隱含層節(jié)點參數可以是隨機或人為給定的且不需要調整,學習過程僅需計算輸出權重。在文獻[16-17]中可以看到ELM應用效果較好。ELM具有學習效率高和泛化能力強的優(yōu)點,被廣泛應用于分類、回歸、聚類、特征學習等問題中,在計算過程中不需要調整輸入權值和隱元的偏置[18],基本思想如下:

    假設有N個樣本(xi,yi),其中xi=[xi1,xi2,…,xin]T∈Rn,yi=[yi1,yi2,…,yin]T∈Rm,g(x)為激活函數,隱含層數目為L,則ELM模型可以表示為

    (1)

    其中,j=1,2,…,N;wi=[wi1,wi2,…,win]T表示輸入節(jié)點和第i個隱含層節(jié)點之間的權重;βi=[βi1,βi2,…,βim]T表示第i個隱含層節(jié)點與輸出節(jié)點之間的權重向量;bi表示第i個隱含層節(jié)點的閾值。ELM模型的矩陣表示形式為:

    Hβ=Y

    (2)

    當激活函數g(x)無限可微時,權值w和b是可以隨機選擇的,而且在訓練的時候保持不變。因此訓練ELM就可以轉化為計算Hβ=Y的最小二乘解問題。

    ELM算法有3個步驟:

    1)確定隱含層神經元個數L;

    2)選擇一個無限可微的函數來作為隱含層神經元的激活函數g(x),進而計算隱含層的輸出矩陣H;

    2 遙感反演水深實驗

    2.1 研究區(qū)與數據

    本文選取西沙群島中的甘泉島作為研究區(qū)域,研究區(qū)的范圍為118°34′41″~111°35′38″E,16°29′56″N~16°31′17″N。本文所采用的遙感影像是2014年4月2日03:33分(格林尼治時間)獲取的高分辨率WorldView-2多光譜遙感影像,一共有藍、綠、紅和近紅外四個波段,空間分辨率為2 m。對研究區(qū)域進行輻射定標、大氣校正、耀斑改正等預處理。實測水深數據為Leica hawk eye系統(tǒng)測量的甘泉島激光測深數據,利用了Terrasolid中的Terrascan和Terramatch模塊對LAS格式的機載激光點云數據進行了航帶拼接、裁剪、異常點的剔除、海島點云提取等過程,將與島嶼距離大于100 m的點的平均水面高程作為測量時的平均海平面,經過高程過濾,得到了水面以下的高程點,精度為分米級。隨機抽取了494 個水深點,353 個用來反演水深,其余141 個用作精度檢驗,如圖1所示。

    圖1 水深實測數據和遙感影像Fig.1 Measured data and remote sensing image of water depth

    2.2 相關性分析

    水深與多光譜影像較多波段存在線性關系,因此嘗試通過波段敏感性分析的方法來選取反演模型輸入參數,敏感波段的判斷方法是將水深實測值與遙感影像的不同波段組合之間建立Person相關系數,并將其作為判斷水深與遙感影像各波段相關程度的判斷依據,Person相關系數的計算公式為:

    (3)

    2.3 實驗過程

    為了保證模型的適用性,在所有實測點中隨機選取一部分作為進行建模的控制點,其余點作為模型驗證的檢查點。根據相關性分析,選擇WorldView-2多光譜影像波段的B1, B2,B3,B4及各波段之間的比值B1/B2,B1/B3,B1/B4,B2/B3,B2/B4,B3/B4共10個值作為自變量,利用影像各波段的光譜反射率及反射率比值作為模型的輸入值,把對應的實測水深值作為模型的輸出值,利用控制點建立模型,利用檢查點進行模型的驗證,根據模型的評價指標,判斷出適用性最強的模型。

    在建立模型的過程中,BP神經網絡需要設置大量的參數,為了得到最佳的反演模型,需要不斷的改變神經元的個數、隱含層函數和輸出的函數,需要花費大量的時間。而隨機森林和ELM具有自主學習的能力,可以通過樣本自動調節(jié)參數得到最佳的反演模型。BP神經網絡模型是利用Matlab編程實現的[19],通過不斷的訓練和調整,最終確定的參數為:訓練函數為trainlm,輸入層節(jié)點為10,隱含層節(jié)點為5,最大訓練次數為1000,訓練要求精度為0.000 04,學習率為0.1。隨機森林是利用R語言編程實現的,確定出算法中的回歸樹個數n為1000,分割節(jié)點所需的變量數目m為6。極限學習機模型是在Matlab平臺上實現的,輸入權重矩陣為訓練集的輸入矩陣,偏移矩陣為訓練集的輸出矩陣,隱含層神經元20 個,傳遞函數為Sigmoidal函數,類型選擇回歸。

    2.4 水深反演及結果分析

    將檢查點用建立的BP神經網絡模型、隨機森林模型和極限學習機模型分別進行擬合,計算出水深反演值,對比各模型的反演值和實測值之間的誤差,進行模型的精度驗證及分析。為了定量的比較各模型的反演效果,采用決定系數(R2)評價模型的優(yōu)劣性,均方根誤差(RMSE)、平均相對誤差(MRE)和平均絕對誤差(MAE) 3個統(tǒng)計參數作為水深反演精度的評價指標,對模型水深反演值與水深實測值進行回歸分析,比較各模型的反演精度。

    (4)

    (5)

    (6)

    (7)

    式中,Pi為第i個檢查點的水深反演值;Yi為第i 個檢查點的水深實測值;Y是指實測水深的平均值;n是指檢查點的水深反演值檢查點的數量。當決定系數R2越大時,表示實際水深值和反演水深值相關性越大,反演效果也越好。RMSE越小,表示水深反演誤差的波動越小,反演效果越好。MAE越小時,表示實測水深值與反演水深值誤差的絕對值越小,反演效果越好。MRE越小時,表示反演的可信程度越高。

    將BP神經網絡、隨機森林、極限學習機三個模型進行比較,繪制了實測值與反演值1:1的關系圖(如圖2所示)。從圖2中我們可以看出,整體擬合都比較緊湊,三個模型反演的水深與實測的水深有顯著的相關關系。BP神經網絡、隨機森林、極限學習機模型反演結果誤差分析如表1所示。由表分析可知,BP神經網絡、隨機森林、極限學習機模型的決定系數R2整體都很大,達到了0.95以上。3個模型的均方根誤差(RMSE)和平均絕對誤差(MAE)都是隨著水深的增加而變大,平均相對誤差(MRE)都是隨著水深的增加而減小。

    表1 水深反演模型反演結果Table 1 Results of water depth retrieval model

    圖2 水深反演值與真實值1:1關系圖Fig.2 1:1 Relation between theretrieved value of water depth and the true value

    在0~2 m水深范圍內,均方根誤差和平均絕對誤差較小,而平均相對誤差較大,這是因為在靠近海岸的區(qū)域,波浪較多,容易受到白色浪花以及沿岸的其他物質的影響。其中,RF的誤差是最小的,這可能是因為在建立決策樹時,它可以在內部對于一般化后的誤差產生不偏差的估計。在2~5 m內,平均相對誤差很明顯的減小,反射率變化較小,在這個區(qū)域生長著一些水生植物,水體性質類似,因此反射率變化小。其中ELM的誤差是最小的,ELM的反演效果更佳。在5~15 m內,水質逐漸清澈,影響因素減少,三個模型的反演效果差不多。在15~20 m處,建模所用的水深點較少,隨機森林和極限學習機的誤差差不多,明顯小于BP神經網絡??傮w來說,在0~2 m處,隨機森林效果更好,在2~5 m處,極限學習機更好,其他水深范圍內,二者反演效果相當。

    3 結論

    本文采用WorldView-2遙感影像與激光測深數據,利用BP神經網絡、隨機森林、極限學習機模型對甘泉島進行0~20m內的淺海水深反演,并同前人使用的非線性回歸模型進行橫向對比,其中,郭曉雷[20]等利用單波段線性回歸模型、雙波段比值模型和多波段線性回歸模型開展了遙感水深反演;吳忠強[16]等利用雙波段比值回歸模型、BP神經網絡和極限學習機進行水深反演;邱耀煒[21]等利用單波段模型和雙波段比值兩個線性回歸模型和隨機森林模型反演水深;以上結果均表明利用機器學習方法反演水深的模型精度比傳統(tǒng)的線性回歸模型精度低,且機器學習擬合能力更強;相比于BP神經網絡,極限學習機、支持向量機和隨機森林等都有較好的反演精度。結果分析表明:總體上,利用機器學習的非線性回歸模型反演水深的效果比較理想,對于機器學習模型,輸入層、權重和函數都會對模型的水深反演效果產生影響,因此需要多次實驗反復確定,以得到最適合的反演模型。對于不同的水深范圍,其反演水深效果最好的模型也不一樣,這可能是因為影響每個水深范圍的因子不同。在小于5 m的水深范圍內,靠岸近,懸浮泥沙和人工垃圾較多,影響反演效果。在大于15 m的水深范圍內,由于水體深度逐漸變大,光在水體中的穿透力變弱,因而影響反演效果。

    本文研究結果是根據甘泉島WorldView-2遙感影像和激光測深數據得出的,結論與其他研究成果基本一致。現有研究大多數是基于線性回歸模型和非線性回歸模型來對比,本文重點比較機器學習的各模型的差異。但還存在一些不足之處,在建立使用機器學習的水深反演模型時,以訓練誤差為標準來確定隱含層節(jié)點的個數,這樣很難找到真正的最優(yōu)解,在一定程度上會影響反演的效果。在今后的研究中,應該對參數的選取以及個數進行優(yōu)化,對模型進行優(yōu)化,并且提高模型的適用性。

    猜你喜歡
    學習機水深波段
    春日暖陽
    書法靜水深流
    河北水利(2022年10期)2022-12-29 11:48:12
    基于水深分段選擇因子的多光譜影像反演水深
    海洋通報(2022年4期)2022-10-10 07:40:32
    極限學習機綜述
    測控技術(2018年10期)2018-11-25 09:35:26
    基于極限學習機參數遷移的域適應算法
    自動化學報(2018年2期)2018-04-12 05:46:21
    分層極限學習機在滾動軸承故障診斷中的應用
    M87的多波段輻射過程及其能譜擬合
    日常維護對L 波段雷達的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    GPS RTK技術在水深測量中的應用
    浸入式水深監(jiān)測儀器的設計
    伊人久久大香线蕉亚洲五| 一本精品99久久精品77| 在线十欧美十亚洲十日本专区| 宅男免费午夜| 夜夜看夜夜爽夜夜摸| 搞女人的毛片| 中文字幕av在线有码专区| 99久国产av精品| 午夜精品久久久久久毛片777| 国产精品 国内视频| 亚洲欧美日韩卡通动漫| 2021天堂中文幕一二区在线观| 特级一级黄色大片| 久久国产精品人妻蜜桃| 可以在线观看的亚洲视频| 精品久久久久久久毛片微露脸| 91麻豆精品激情在线观看国产| 精品福利观看| av黄色大香蕉| 日本在线视频免费播放| 男人的好看免费观看在线视频| 亚洲精品美女久久av网站| 日本 av在线| 日韩免费av在线播放| 观看免费一级毛片| 露出奶头的视频| 国产男靠女视频免费网站| 亚洲avbb在线观看| 国产精品女同一区二区软件 | 免费看光身美女| 99久久成人亚洲精品观看| 精品久久蜜臀av无| 日本撒尿小便嘘嘘汇集6| 一本久久中文字幕| 午夜免费成人在线视频| 99热6这里只有精品| 婷婷精品国产亚洲av| 亚洲国产色片| 国产私拍福利视频在线观看| 久久精品国产综合久久久| 久久性视频一级片| 五月伊人婷婷丁香| 国产熟女xx| 午夜精品在线福利| 少妇人妻一区二区三区视频| 日日摸夜夜添夜夜添小说| 禁无遮挡网站| 成年女人永久免费观看视频| 久久中文看片网| 国产一区二区在线观看日韩 | 99在线视频只有这里精品首页| 国产精品爽爽va在线观看网站| 精品乱码久久久久久99久播| 搡老岳熟女国产| 久久国产乱子伦精品免费另类| 日韩人妻高清精品专区| 精品国产超薄肉色丝袜足j| 日韩国内少妇激情av| 亚洲 欧美一区二区三区| 国产高清三级在线| 色尼玛亚洲综合影院| 欧美成人免费av一区二区三区| 老司机午夜十八禁免费视频| 在线观看日韩欧美| 嫩草影院入口| 亚洲九九香蕉| 亚洲精品美女久久av网站| 国产高清激情床上av| 午夜免费成人在线视频| 老汉色∧v一级毛片| 国产99白浆流出| 国产精品99久久99久久久不卡| 中文字幕av在线有码专区| 精品国内亚洲2022精品成人| 精品一区二区三区av网在线观看| 色尼玛亚洲综合影院| 亚洲国产中文字幕在线视频| 国产成人欧美在线观看| 国内精品久久久久久久电影| 桃红色精品国产亚洲av| 中国美女看黄片| 精品免费久久久久久久清纯| 国产三级黄色录像| 97超视频在线观看视频| 国内揄拍国产精品人妻在线| 美女 人体艺术 gogo| 给我免费播放毛片高清在线观看| 欧美性猛交╳xxx乱大交人| 在线观看美女被高潮喷水网站 | 色播亚洲综合网| 一个人免费在线观看电影 | 精品国产乱子伦一区二区三区| 亚洲欧美日韩高清专用| 老司机午夜十八禁免费视频| 亚洲人成伊人成综合网2020| 欧美色视频一区免费| 综合色av麻豆| 久久久精品欧美日韩精品| 男女床上黄色一级片免费看| 国产精品久久久久久精品电影| 欧美午夜高清在线| 搡老岳熟女国产| 啦啦啦免费观看视频1| 国产精品香港三级国产av潘金莲| 99久久精品热视频| 国产主播在线观看一区二区| 精品国产三级普通话版| 精品国产美女av久久久久小说| 国产又色又爽无遮挡免费看| 亚洲av美国av| or卡值多少钱| a级毛片a级免费在线| 免费看美女性在线毛片视频| 亚洲精品中文字幕一二三四区| 国产黄色小视频在线观看| 亚洲欧美日韩卡通动漫| 国产精品久久视频播放| 国产亚洲av嫩草精品影院| 日韩有码中文字幕| 国产淫片久久久久久久久 | 国产成人啪精品午夜网站| 国产成人系列免费观看| 99久久精品一区二区三区| 日日摸夜夜添夜夜添小说| 久久精品国产综合久久久| 99国产精品一区二区三区| 免费看光身美女| 少妇熟女aⅴ在线视频| 99久久99久久久精品蜜桃| 国产高清三级在线| 观看免费一级毛片| 中文字幕av在线有码专区| 欧美绝顶高潮抽搐喷水| 91在线观看av| 国产精品一区二区精品视频观看| 精品不卡国产一区二区三区| 免费无遮挡裸体视频| 精品一区二区三区视频在线观看免费| 亚洲熟女毛片儿| 亚洲中文字幕一区二区三区有码在线看 | 国产v大片淫在线免费观看| 日本 欧美在线| a在线观看视频网站| 免费观看的影片在线观看| 久久久久九九精品影院| 久久这里只有精品19| 中文字幕精品亚洲无线码一区| 午夜精品久久久久久毛片777| 国产真实乱freesex| 国产视频内射| 久久午夜综合久久蜜桃| 欧美日韩国产亚洲二区| 国产伦在线观看视频一区| 日本成人三级电影网站| 窝窝影院91人妻| 国产成人av教育| 国产精品日韩av在线免费观看| 日韩免费av在线播放| 亚洲av五月六月丁香网| 国产精品电影一区二区三区| 99久久国产精品久久久| 九色成人免费人妻av| 日本五十路高清| 国内精品一区二区在线观看| 中文字幕最新亚洲高清| 在线观看日韩欧美| 欧美成人性av电影在线观看| 亚洲国产欧美人成| 色噜噜av男人的天堂激情| 日本黄大片高清| 国产熟女xx| 国产成人av激情在线播放| 亚洲专区字幕在线| 一个人看的www免费观看视频| 黄色成人免费大全| 久久香蕉精品热| 色哟哟哟哟哟哟| 波多野结衣高清无吗| 亚洲自拍偷在线| avwww免费| 色吧在线观看| 久久久水蜜桃国产精品网| 国产午夜精品久久久久久| 视频区欧美日本亚洲| 舔av片在线| 天天躁日日操中文字幕| 成人无遮挡网站| 午夜精品久久久久久毛片777| 精品一区二区三区四区五区乱码| 特大巨黑吊av在线直播| 久久久精品大字幕| 国产亚洲精品av在线| 网址你懂的国产日韩在线| 久久精品人妻少妇| 日本五十路高清| 国产精品久久久人人做人人爽| 日韩三级视频一区二区三区| 国产伦人伦偷精品视频| 熟女人妻精品中文字幕| 国产人伦9x9x在线观看| 亚洲中文日韩欧美视频| 在线观看免费视频日本深夜| 最好的美女福利视频网| 亚洲av免费在线观看| 男女之事视频高清在线观看| 久9热在线精品视频| 成人鲁丝片一二三区免费| 亚洲天堂国产精品一区在线| 韩国av一区二区三区四区| 日本成人三级电影网站| 午夜影院日韩av| 国产精品一及| 黄色视频,在线免费观看| 男人的好看免费观看在线视频| 国产成人av教育| 看免费av毛片| 亚洲av五月六月丁香网| 免费看a级黄色片| 亚洲av日韩精品久久久久久密| 亚洲五月天丁香| 亚洲一区高清亚洲精品| 亚洲成av人片在线播放无| 亚洲va日本ⅴa欧美va伊人久久| tocl精华| 国产单亲对白刺激| 久久国产精品人妻蜜桃| 欧美日韩瑟瑟在线播放| 国产午夜福利久久久久久| 午夜a级毛片| 国产午夜精品久久久久久| 麻豆av在线久日| 欧美日韩亚洲国产一区二区在线观看| 国产精品野战在线观看| 亚洲国产高清在线一区二区三| 亚洲成人中文字幕在线播放| 午夜免费观看网址| 在线观看一区二区三区| 亚洲中文av在线| 久久九九热精品免费| 国产高清三级在线| 老司机深夜福利视频在线观看| 久久精品91蜜桃| 999久久久国产精品视频| 亚洲成人中文字幕在线播放| 免费看a级黄色片| 夜夜看夜夜爽夜夜摸| 亚洲国产精品999在线| 亚洲熟妇中文字幕五十中出| 欧美成狂野欧美在线观看| 国产成人啪精品午夜网站| 欧洲精品卡2卡3卡4卡5卡区| 亚洲中文日韩欧美视频| 99视频精品全部免费 在线 | 国产亚洲欧美在线一区二区| 性色avwww在线观看| 色视频www国产| 高潮久久久久久久久久久不卡| 成年版毛片免费区| 国产av在哪里看| 国产欧美日韩精品亚洲av| 毛片女人毛片| 国产综合懂色| 麻豆成人av在线观看| 亚洲美女黄片视频| 欧美黑人欧美精品刺激| 日本 欧美在线| 欧美中文日本在线观看视频| 淫妇啪啪啪对白视频| 99国产精品一区二区三区| 午夜福利在线观看免费完整高清在 | 国产日本99.免费观看| 国产又黄又爽又无遮挡在线| 特级一级黄色大片| 老熟妇仑乱视频hdxx| 久久久成人免费电影| 亚洲av第一区精品v没综合| 18禁黄网站禁片午夜丰满| 高清在线国产一区| 亚洲自偷自拍图片 自拍| 两个人的视频大全免费| 99re在线观看精品视频| 亚洲中文av在线| 嫩草影院入口| 国产69精品久久久久777片 | 男女下面进入的视频免费午夜| 亚洲精品美女久久av网站| 欧美激情在线99| 狂野欧美白嫩少妇大欣赏| 亚洲人成网站高清观看| 免费无遮挡裸体视频| 啦啦啦免费观看视频1| 久久中文字幕一级| 国产69精品久久久久777片 | 久久久久久大精品| 色视频www国产| 国产亚洲精品av在线| av天堂在线播放| 精品久久久久久久毛片微露脸| 操出白浆在线播放| 成人欧美大片| av中文乱码字幕在线| 国产一区二区三区在线臀色熟女| 99热6这里只有精品| 一级毛片精品| 一进一出抽搐gif免费好疼| 天堂动漫精品| 亚洲欧美日韩高清专用| 国内精品久久久久精免费| 黄色 视频免费看| 亚洲av成人av| 最近在线观看免费完整版| 国产精品电影一区二区三区| 一区二区三区高清视频在线| 天堂动漫精品| 欧美乱妇无乱码| 国产成人av激情在线播放| 色哟哟哟哟哟哟| 天堂√8在线中文| 免费观看的影片在线观看| 夜夜躁狠狠躁天天躁| 黄色 视频免费看| 99在线人妻在线中文字幕| 97超级碰碰碰精品色视频在线观看| 国产亚洲精品一区二区www| 神马国产精品三级电影在线观看| 亚洲九九香蕉| 欧美中文日本在线观看视频| 国产亚洲精品av在线| 久久久久久九九精品二区国产| 亚洲18禁久久av| 两性夫妻黄色片| 国产高清videossex| 国产视频一区二区在线看| 国产伦精品一区二区三区视频9 | 国内少妇人妻偷人精品xxx网站 | 成人av在线播放网站| 脱女人内裤的视频| 午夜a级毛片| 在线观看日韩欧美| 美女被艹到高潮喷水动态| 悠悠久久av| 国产精品九九99| 亚洲第一欧美日韩一区二区三区| 欧美日本视频| 国产又色又爽无遮挡免费看| 久久亚洲真实| 美女高潮的动态| 亚洲国产精品久久男人天堂| 日韩国内少妇激情av| 午夜福利在线观看免费完整高清在 | 99久久成人亚洲精品观看| 成人精品一区二区免费| 好男人电影高清在线观看| 免费av毛片视频| 亚洲五月婷婷丁香| 丁香六月欧美| 神马国产精品三级电影在线观看| 欧美一区二区国产精品久久精品| 无人区码免费观看不卡| 国产亚洲精品av在线| 亚洲成人精品中文字幕电影| 亚洲黑人精品在线| 人妻久久中文字幕网| 手机成人av网站| 男女做爰动态图高潮gif福利片| 嫩草影院入口| 亚洲 欧美一区二区三区| 村上凉子中文字幕在线| 国内毛片毛片毛片毛片毛片| 日本三级黄在线观看| 日韩中文字幕欧美一区二区| 五月玫瑰六月丁香| 久久这里只有精品19| 国内精品一区二区在线观看| 丰满人妻一区二区三区视频av | 在线观看一区二区三区| 免费看十八禁软件| 日韩大尺度精品在线看网址| 国产三级中文精品| 亚洲狠狠婷婷综合久久图片| 99久久精品国产亚洲精品| 老司机深夜福利视频在线观看| avwww免费| 亚洲无线在线观看| 精品熟女少妇八av免费久了| 亚洲天堂国产精品一区在线| 黄色成人免费大全| 亚洲无线在线观看| 国产单亲对白刺激| 老熟妇乱子伦视频在线观看| 深夜精品福利| 久久久久性生活片| 国产亚洲精品av在线| 91字幕亚洲| 波多野结衣高清作品| 99热6这里只有精品| 好看av亚洲va欧美ⅴa在| 少妇丰满av| 日韩高清综合在线| 国产激情欧美一区二区| 美女午夜性视频免费| 国产精品 国内视频| 欧美一级a爱片免费观看看| 欧美+亚洲+日韩+国产| 在线观看美女被高潮喷水网站 | 国产av麻豆久久久久久久| 欧美+亚洲+日韩+国产| 国产伦人伦偷精品视频| 欧美中文综合在线视频| 女同久久另类99精品国产91| 久久中文看片网| 亚洲人成伊人成综合网2020| 老熟妇乱子伦视频在线观看| 88av欧美| 国产精品美女特级片免费视频播放器 | 国产亚洲精品一区二区www| 草草在线视频免费看| 后天国语完整版免费观看| 久久久久国产精品人妻aⅴ院| 欧美黑人欧美精品刺激| 美女高潮的动态| 久久精品91蜜桃| 欧美日韩乱码在线| 91老司机精品| 色在线成人网| 在线观看午夜福利视频| 国产综合懂色| 999精品在线视频| 老汉色av国产亚洲站长工具| 别揉我奶头~嗯~啊~动态视频| 亚洲在线观看片| 三级国产精品欧美在线观看 | 丰满人妻熟妇乱又伦精品不卡| 1000部很黄的大片| 国产高清有码在线观看视频| 欧美国产日韩亚洲一区| 国产一级毛片七仙女欲春2| 国产精品爽爽va在线观看网站| 亚洲avbb在线观看| 亚洲专区中文字幕在线| 精品国产乱码久久久久久男人| 精品久久久久久成人av| 身体一侧抽搐| 免费搜索国产男女视频| 成人精品一区二区免费| www.999成人在线观看| 黄色丝袜av网址大全| 99re在线观看精品视频| 欧美丝袜亚洲另类 | 婷婷精品国产亚洲av在线| 色精品久久人妻99蜜桃| www.精华液| 亚洲熟女毛片儿| 国产精品九九99| av女优亚洲男人天堂 | 精品国产美女av久久久久小说| 国产欧美日韩一区二区精品| 久久久久免费精品人妻一区二区| 少妇丰满av| 免费看十八禁软件| 色综合婷婷激情| 久久久色成人| 一个人看视频在线观看www免费 | 久久精品aⅴ一区二区三区四区| 操出白浆在线播放| h日本视频在线播放| 久久久久久国产a免费观看| 成人亚洲精品av一区二区| av中文乱码字幕在线| 成人无遮挡网站| 欧美日本视频| 99久久无色码亚洲精品果冻| 999精品在线视频| 亚洲av电影在线进入| 亚洲第一电影网av| 99国产极品粉嫩在线观看| 国产亚洲精品久久久com| 老熟妇乱子伦视频在线观看| 51午夜福利影视在线观看| 国产精品野战在线观看| 亚洲美女视频黄频| 97超级碰碰碰精品色视频在线观看| 欧美日韩黄片免| 18禁美女被吸乳视频| 可以在线观看毛片的网站| 亚洲美女视频黄频| 欧美黄色淫秽网站| 国产乱人视频| 十八禁人妻一区二区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品国产精品久久久不卡| www.熟女人妻精品国产| 久久国产乱子伦精品免费另类| 久久久国产成人免费| 在线a可以看的网站| 日本免费a在线| 看片在线看免费视频| 在线免费观看的www视频| 老司机福利观看| 久久久久亚洲av毛片大全| 久久久色成人| 黄色日韩在线| 国产黄色小视频在线观看| 看黄色毛片网站| 中文字幕人妻丝袜一区二区| 丰满人妻熟妇乱又伦精品不卡| 日韩欧美精品v在线| 后天国语完整版免费观看| 国产精品98久久久久久宅男小说| 香蕉丝袜av| 中文字幕av在线有码专区| 亚洲精品美女久久av网站| 中文在线观看免费www的网站| 97人妻精品一区二区三区麻豆| 黄色片一级片一级黄色片| 身体一侧抽搐| 免费看十八禁软件| 熟妇人妻久久中文字幕3abv| 成人特级av手机在线观看| xxx96com| 亚洲美女视频黄频| 国产精品 欧美亚洲| 亚洲片人在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久久av美女十八| 99久久精品国产亚洲精品| 成人国产一区最新在线观看| 99在线视频只有这里精品首页| 国产精品久久久久久久电影 | 老汉色av国产亚洲站长工具| 国产av一区在线观看免费| 一a级毛片在线观看| 狂野欧美激情性xxxx| 久久久国产欧美日韩av| 国产日本99.免费观看| 波多野结衣高清无吗| 久久久色成人| 国产午夜福利久久久久久| 欧美zozozo另类| 国产亚洲精品一区二区www| www.999成人在线观看| 中文字幕最新亚洲高清| 国产精品香港三级国产av潘金莲| 国产精品亚洲av一区麻豆| 午夜福利高清视频| 亚洲人与动物交配视频| 精品一区二区三区视频在线观看免费| 18禁裸乳无遮挡免费网站照片| 麻豆成人av在线观看| 亚洲国产精品成人综合色| 久久久久国产精品人妻aⅴ院| 精品免费久久久久久久清纯| www日本在线高清视频| 两个人视频免费观看高清| www日本在线高清视频| 国产成人精品久久二区二区91| 国产免费男女视频| 亚洲欧美一区二区三区黑人| 一本综合久久免费| 性色av乱码一区二区三区2| 免费在线观看视频国产中文字幕亚洲| 观看美女的网站| 一个人看视频在线观看www免费 | 国产三级黄色录像| 亚洲 欧美一区二区三区| 长腿黑丝高跟| 日本在线视频免费播放| 久久这里只有精品中国| 久久精品国产99精品国产亚洲性色| 97碰自拍视频| 中文字幕精品亚洲无线码一区| 99国产极品粉嫩在线观看| 亚洲人成伊人成综合网2020| 日韩精品青青久久久久久| 非洲黑人性xxxx精品又粗又长| 两个人的视频大全免费| 欧美成狂野欧美在线观看| 黄色 视频免费看| 青草久久国产| 国产亚洲精品久久久久久毛片| 中国美女看黄片| 婷婷精品国产亚洲av| 日本免费a在线| 中文字幕高清在线视频| 中文字幕熟女人妻在线| 人人妻人人看人人澡| 噜噜噜噜噜久久久久久91| 亚洲国产欧美网| 香蕉丝袜av| 少妇熟女aⅴ在线视频| 亚洲七黄色美女视频| 国产毛片a区久久久久| 69av精品久久久久久| 曰老女人黄片| a级毛片在线看网站| av天堂中文字幕网| 性色avwww在线观看| 夜夜看夜夜爽夜夜摸| 久久午夜亚洲精品久久| 久久久久久九九精品二区国产| 国产成人av教育| 五月伊人婷婷丁香| 久久午夜综合久久蜜桃| 十八禁网站免费在线| 天堂av国产一区二区熟女人妻| 噜噜噜噜噜久久久久久91| 久久精品亚洲精品国产色婷小说| 国产成人精品久久二区二区91| 变态另类成人亚洲欧美熟女| 午夜福利视频1000在线观看| 免费在线观看影片大全网站| 精品一区二区三区四区五区乱码| 亚洲乱码一区二区免费版| 老司机福利观看| 国产91精品成人一区二区三区|