• <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 ?

    基于雙注意力對偶學習的圖像超分辨率重建算法

    2022-09-03 05:07:26劉琳珂
    遼寧科技大學學報 2022年2期
    關(guān)鍵詞:低分辨率對偶高分辨率

    劉 恒,梁 媛,潘 斌,劉琳珂,侯 健

    (1.遼寧石油化工大學 信息與控制工程學院,遼寧 撫順 113001;2.遼寧石油化工大學 理學院,遼寧 撫順 113001)

    圖像是人類傳遞信息的常用方式之一,但受拍攝設(shè)備和天氣等因素的影響,獲取的圖像在分辨率上往往不盡人意。圖像超分辨率重建技術(shù)在一定程度上滿足了人們對高質(zhì)量圖像的需求,并且在視頻監(jiān)控、醫(yī)學影像、圖像壓縮等領(lǐng)域廣泛應用。

    實現(xiàn)單幅圖像超分辨率重建的方法有三大類,分別是基于插值、重建和學習的方法。其中,基于插值的方法[1]是依據(jù)低分辨率圖像的像素灰度值估算其它像素點的灰度值,進而實現(xiàn)超分辨率圖像的重建。但是采用該方法獲得的重建圖像,在邊緣會產(chǎn)生鋸齒效應和塊效應?;谥亟ǖ姆椒ǎ?]是建立圖像的退化模型,利用退化前后低分辨率圖像的誤差進行迭代,優(yōu)化求解,從而重建出高分辨率圖像。但是該方法依賴高分辨率圖像的先驗知識,所以不適合做放大倍數(shù)的圖像重建?;趯W習的方法[3]是輸入一組高分辨率和低分辨率圖像對,利用低分辨率圖像對模型進行訓練,學習低分辨率圖像與高分辨率圖像的對應關(guān)系,從而更好地輸出超分辨率圖像。與其他兩類方法相比,基于學習的方法重建的圖像具有更好的視覺效果。

    近年來,基于深度學習的方法成為研究重點。2014年,卷積神經(jīng)網(wǎng)絡(luò)首次被Dong等[4]引入圖像超分辨率重建技術(shù)中,提出SRCNN(Superresolution convolutional neural network)算法,但該算法運行效率低。2016年,Dong等針對該問題,提出FSRCNN(Fast super-resolution convolutional neural networks)算法[5],將需要提高分辨率的圖像直接輸入網(wǎng)絡(luò),從而提高運行效率,但是圖像重建效果一般。為了避免輸入圖像預處理帶來的重構(gòu)偽影,Lai等將拉普拉斯金字塔引入圖像超分辨率重建中,提出LapSRN(Laplacian pyramid super-resolution network)算法[6],在圖像特征空間域和通道域采用均等處理,浪費計算資源。現(xiàn)有算法沒有考慮超分辨率圖像重建模型的自適應性問題,限制了圖像的重建質(zhì)量。

    本文引入基于雙注意力機制的對偶學習算法,在深層特征提取模塊引入注意力機制,提高重建精確度,從而優(yōu)化重建過程中的映射關(guān)系;在處理圖像特征空間域和通道域時,更多關(guān)注目標任務顯著性的特征,從而使計算資源得到最大化的利用。采用對偶學習策略,為低分辨率圖像提供額外的重建監(jiān)督,減少映射函數(shù)的可能空間,并通過迭代反饋誤差有效指導超分辨率圖像重建,以更好地解決超分辨率圖像重建模型的自適應性問題。

    1 基于雙注意力機制的對偶學習算法

    1.1 網(wǎng)絡(luò)結(jié)構(gòu)

    本文算法分為兩個子網(wǎng)絡(luò),即原始重建網(wǎng)絡(luò)和對偶學習網(wǎng)絡(luò)。其中,原始重建網(wǎng)絡(luò)包含三個模塊:淺層信息提取模塊、深層信息提取模塊和重建模塊。淺層特征提取模塊和深層特征提取模塊包含的基本模塊數(shù)由放大倍數(shù)S決定,為log2S個基本模塊。淺層特征提取模塊的每個基本模塊依次由卷積層、激活函數(shù)、卷積層組成;深層特征提取模塊每個基本塊由一個雙重注意力模塊、亞像素卷積層和卷積層組成。網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 基于雙注意力機制的對偶學習算法網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Dual learning algorithm network structure based on dual attention mechanism

    淺層特征提取時,首先對原始圖像預處理,采用雙三次插值法將圖像尺寸放大至與輸出圖像相同,記作ILR,將其作為輸入圖像,使用3×3卷積核提取ILR的特征,記為;接著使用3×3卷積核、以2為步長做卷積操作,使用Leaky ReLu函數(shù)激活,再通過3×3卷積核、以1為步長做卷積操作,得到下采樣處理特征圖。下采樣次數(shù)為log2S,得到與原圖像尺寸相同的特征圖I,使用1×1卷積得到原圖像。計算過程

    式中:S為圖像的放大倍數(shù);HSF()為單層卷積映射;()表示第一次進行卷積-激活函數(shù)-卷積操作。

    深層特征提取時,將最后一次下采樣得到的特征圖作為雙注意力機制模塊的輸入,之后使用亞像素卷積進行上采樣操作,這一過程同樣執(zhí)行l(wèi)og2S次。為了更好地進行特征融合,對上采樣得到的特征圖使用1×1卷積核降維,降維后的特征圖與尺寸相同的淺層特征圖進行特征融合,融合后的特征圖作為下一次雙注意力機制的輸入,特征融合次數(shù)為log2S次。

    重建模塊中,對融合的特征圖進行卷積操作得到高分辨率圖像ISR即為所求圖像。計算過程

    式中:HUP()為上采樣操作,上標表示第幾次執(zhí)行上采樣操作;HCASA()為雙重注意力操作,上標1表示第1次執(zhí)行雙注意力操作;⊕表示特征融合操作。

    對偶學習中,用重建高分辨率圖像下采樣生成低分辨率圖像。當放大倍數(shù)為S時,基本模塊數(shù)為log2S個。對偶模塊框架如圖2所示。

    圖2 對偶模塊框架Fig.2 Dual module framework

    1.2 雙重注意力機制

    受CBAM(Convolutional block attention module)算法[7]的啟發(fā),將雙重注意力機制的內(nèi)部結(jié)構(gòu)設(shè)置為通道注意力模塊和空間注意力模塊,如圖3所示。

    圖3 雙重注意力機制的結(jié)構(gòu)Fig.3 Structure of dual attention mechanism

    1.2.1 通道注意力 通道注意力機制即網(wǎng)絡(luò)通過自動學習的方式獲取每個特征通道的顯著性,并且據(jù)此給每一個特征通道賦予一個權(quán)重值,從而使網(wǎng)絡(luò)將重點放在信息多的特征上,重新標定前面得到的特征。其結(jié)構(gòu)如圖4所示。

    圖4 通道注意力機制的結(jié)構(gòu)Fig.4 Structure of channel attention mechanism

    首先對輸入的特征圖H×W×C進行全局平均池化,得到1×1×C的特征向量,計算式

    式中:C為特征圖的個數(shù);H×W表示特征圖的尺寸;uc(i,j)為特征圖第c個通道位置在(i,j)的像素值;Fsq()為全局平均池化操作,用來求出每個特征圖對應的均值。

    使用兩個全連接層建立通道與通道間的相關(guān)性,并根據(jù)網(wǎng)絡(luò)學習各通道的重要程度對特征圖的權(quán)重進行調(diào)整,計算式

    其中,F(xiàn)ex為特征提取函數(shù);W1和W2分別為兩個1×1卷積層的權(quán)重,W1以比率r的形式進行通道縮減,W2以比率r的形式進行通道增加,通過訓練網(wǎng)絡(luò)學習不斷調(diào)整權(quán)重值。

    最后,不同的通道乘上相應的權(quán)重,得到每個特征圖的權(quán)重。計算式

    式中:xc為新的特征圖;sc為第c個通道的權(quán)重;uc為第c個通道;Fscale為sc和uc的乘積函數(shù)。

    1.2.2 空間注意力 每個通道的特征圖顯著性不同,每個特征圖上不同位置的紋理細節(jié)也是不同的,由此,本文引入空間注意力模塊,捕捉圖像的紋理細節(jié)。網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。將H×W×C的特征圖F同時進行一個通道維度的平均池化和最大池化,得到兩個H×W×1的通道描述,之后將兩個描述按通道完成拼接。為保證拼接后的描述能強化所有空間位置并實現(xiàn)非線性映射,本文使用7×7卷積核進行卷積操作,采用Sigmoid激活函數(shù)得到權(quán)重矩陣Ms,并將其與特征圖F的權(quán)重信息相乘,得到具有新權(quán)重的特征圖。

    圖5 空間注意力機制的結(jié)構(gòu)Fig.5 Structure of spatial attention mechanism

    1.3 對偶回歸網(wǎng)絡(luò)

    對偶回歸網(wǎng)絡(luò)通過反饋信息對學習任務的效果進行加強和指導,結(jié)構(gòu)如圖6所示。將低分辨率圖像輸入原始重建網(wǎng)絡(luò),生成高分辨率圖像,再利用對偶網(wǎng)絡(luò)將其轉(zhuǎn)化為低分辨率圖像。這一過程存在噪聲[8],因此轉(zhuǎn)化后的低分辨率圖像與原始圖像之間存在差異。若將這個差異最小化,可同時改進兩個子網(wǎng)絡(luò)模型的性能??紤]到對偶任務概率分布之間的聯(lián)系,在訓練過程中加入約束條件:目標函數(shù)1

    圖6 對偶學習網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 Dual learning network structure

    目標函數(shù)2

    式中:l為兩個函數(shù)的差異函數(shù);f和g是兩個對偶網(wǎng)絡(luò)的模型;θxy為低分辨率圖像到高分辨率圖像的映射;θyx為高分辨率圖像到低分辨率圖像的映射;x為低分辨率圖像;y為高分辨率圖像;P(x)P(y|x;θxy)為對偶學習對原始重建模型的約束;P(y)P(x|y;θyx)為原始重建模型對對偶模型的約束。

    為了求解這個問題,使用拉格朗日乘數(shù)法,為兩個目標函數(shù)增加乘數(shù)項

    若能較好地估計P(x)和P(y),對偶學習算法就能提升兩個對偶網(wǎng)絡(luò)的性能。

    1.4 損失函數(shù)

    兩個子網(wǎng)絡(luò)都使用L1損失函數(shù),則原始重建網(wǎng)絡(luò)的損失函數(shù)為LP(P(xi),yi),其中,i為第i張圖像,P(xi)為超分辨率圖像,y原始高分辨率圖像。對偶網(wǎng)絡(luò)的損失函數(shù)表示為LD(D(P(xi)),xi),其中,D(P(xi))表示超分辨率圖像下采樣得到的低分辨率圖像;x表示由預處理圖像經(jīng)過淺層特征提取模塊卷積得到的低分辨率圖像??倱p失函數(shù)為

    其中λ為超參數(shù),用來控制兩個網(wǎng)絡(luò)的權(quán)重。

    2 實驗結(jié)果及分析

    2.1 實驗設(shè)置

    實驗使用pytorch框架對網(wǎng)絡(luò)進行構(gòu)建,實驗操作系統(tǒng)為64位Ubuntu18.04,計算平臺版本為CUDA10.0,硬件配置為Intel Xeon(R)Platinum 8160 CPU,250G內(nèi)存,GPU為4張NVIDIAP100。

    2.2 網(wǎng)絡(luò)參數(shù)

    注意力卷積核數(shù)為64,每次上采樣前包含30個注意力模塊;采用自適應矩估計優(yōu)化器,β1=0.9,β2=0.999;對偶回歸中的權(quán)重λ為0.1,批量大小為6。本文算法放大4倍圖像重建的參數(shù)設(shè)置如表1所示。

    表1 訓練模型網(wǎng)絡(luò)參數(shù)Tab.1 Network parameters of training model

    2.3 數(shù)據(jù)集

    使用的訓練集為DIV2K和Flickr2K,基準數(shù)據(jù)集為Set5、Set14、B100、Urban100。

    2.4 評價指標

    從主觀與客觀兩方面對圖像的重建質(zhì)量進行評估。以峰值信噪比(Peak signal-to-noise ratio,PSNR)、結(jié)構(gòu)相似度(Structural similarity,SSIM)以及重建時間作為客觀評價的指標。其中,PSNR值越大,圖像失真的程度就越小,即圖像的重建效果越好;SSIM值越接近于1,重建圖像與真實圖像就越接近。主觀評價依據(jù)直觀的視覺效果,對圖像的重建質(zhì)量進行評估。

    2.5 結(jié)果分析

    (1)算法性能及時間分析。分別在4個基準數(shù)據(jù)集上完成算法的性能評估及重建時間分析,并與SRCNN算法進行對比,實驗結(jié)果如表2所示。雖然本文算法的重建時間比SRCNN算法平均每張圖像多消耗0.03~0.2 s,但是本文算法的PSNR值和SSIM值都高于SRCNN算法。尤其是在Set14數(shù)據(jù)集中,相比SRCNN算法,本文算法平均每張圖像的重建時間縮短了0.01 s,且PSNR值提高1.16 dB,SSIM提升0.018。本文算法的性能以及重建效率均可滿足相關(guān)應用的需要。

    表2 在放大2倍和4倍下PSNR、SSIM及時間分析Tab.2 PSNR,SSIMand time analysis under 2 times and 4 times magnification factors

    (2)不同算法性能對比。設(shè)置相同實驗參數(shù),將本文算法與Bicubic、SRCNN、ESPCN(Efficient sub-pixel convolutional neural network)、DRRN(Deep recursive residual network)、LapSRN、DBPN(Deep back-projection networks)算法進行對比,結(jié)果如表3所示。當放大倍數(shù)為2和4時,本文算法的峰值信噪比和結(jié)構(gòu)相似度都高于其他算法。

    表3 不同算法在圖像放大2倍和4倍下PSNR和SSIM對比Tab.3 Comparison of PSNR and SSIM for different algorithms under 2 times and 4 times magnifications

    (3)不同算法的視覺效果對比。將本文算法與原始高分辨率圖像(High resolution,HR)、低分辨率圖像(Low resolution,LR)、Bicubic、SRCNN、DRRN、LapSRN和DBPN算法從重建圖像的視覺效果上進行對比。從基準數(shù)據(jù)集中隨機選取圖像,將其輸入到各網(wǎng)絡(luò)模型中,重建圖像的局部放大圖與真實圖像的局部放大圖詳見圖7和圖8。與其他算法相比,本文算法重建的高分辨率圖像,在邊緣和紋理細節(jié)上更加清晰,與真實圖像的視覺效果更接近。

    圖7 Set5圖像放大2倍下不同算法的視覺效果對比Fig.7 Comparison of visual effects of different algorithms under 2 times magnification of Set5 image

    圖8 Set14圖像放大4倍下不同算法的視覺效果對比Fig.8 Comparison of visual effects of different algorithms under 4 times magnification of Set14 image

    3 結(jié)論

    為了解決圖像重建的自適應問題和避免圖像重建浪費過多計算資源,本文引入雙注意力機制和對偶學習用于單幅圖像超分辨率重建。算法使用對偶學習減少低分辨率圖像到高分辨圖像的函數(shù)映射空間,并且結(jié)合通道注意力機制和空間注意力機制獲取不同位置不同通道的權(quán)重值,使網(wǎng)絡(luò)可以依據(jù)權(quán)重高效分配計算資源,同時使用極少的參數(shù)提高超分辨率重建的質(zhì)量。在基準數(shù)據(jù)集Set5、Set14、BSDS100、Urban100上進行放大2倍和4倍的重建測試實驗,并對比峰值信噪比和結(jié)構(gòu)相似度指標。實驗結(jié)果表明,與Bicubic、SRCNN、ESPCN、DRRN、LapSRN算法相比,本文算法的峰值信噪比和結(jié)構(gòu)相似度都高于其他算法,視覺效果比其他算法圖像更清晰。本文算法的重建時間比SRCNN算法稍長或持平。

    猜你喜歡
    低分辨率對偶高分辨率
    基于全局和局部特征集成的低分辨率人臉識別方法
    紅外熱成像中低分辨率行人小目標檢測方法
    基于偏移學習的低分辨率人體姿態(tài)估計
    高分辨率合成孔徑雷達圖像解譯系統(tǒng)
    雷達學報(2020年3期)2020-07-13 02:27:16
    樹木的低分辨率三維模型資源創(chuàng)建實踐
    對偶平行體與對偶Steiner點
    高分辨率對地觀測系統(tǒng)
    太空探索(2015年8期)2015-07-18 11:04:44
    基于Curvelet-Wavelet變換高分辨率遙感圖像降噪
    對偶均值積分的Marcus-Lopes不等式
    對偶Brunn-Minkowski不等式的逆
    免费日韩欧美在线观看| 欧美黑人精品巨大| 亚洲欧美精品综合一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 久久久精品区二区三区| 欧美日韩亚洲高清精品| 黄色 视频免费看| 91字幕亚洲| 91成人精品电影| 久久精品熟女亚洲av麻豆精品| 日韩 欧美 亚洲 中文字幕| 国产淫语在线视频| 日韩欧美三级三区| 国产伦理片在线播放av一区| 高清毛片免费观看视频网站 | 国产一区有黄有色的免费视频| 国产三级黄色录像| 视频区图区小说| 久久青草综合色| 一级黄色大片毛片| 国产无遮挡羞羞视频在线观看| 免费在线观看影片大全网站| 欧美 日韩 精品 国产| 国产精品国产高清国产av | 国产有黄有色有爽视频| 久久久久久久久久久久大奶| 欧美成狂野欧美在线观看| 高清毛片免费观看视频网站 | 久久国产亚洲av麻豆专区| 一二三四社区在线视频社区8| 国产亚洲一区二区精品| 国产精品 欧美亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| 男女之事视频高清在线观看| 亚洲美女黄片视频| 亚洲欧美日韩另类电影网站| 50天的宝宝边吃奶边哭怎么回事| 成人国产av品久久久| 久久国产精品影院| 12—13女人毛片做爰片一| 嫩草影视91久久| 日韩成人在线观看一区二区三区| 考比视频在线观看| 黄色视频不卡| 中文字幕另类日韩欧美亚洲嫩草| 丝袜美腿诱惑在线| 高清毛片免费观看视频网站 | 久久国产精品男人的天堂亚洲| 精品人妻在线不人妻| 久久久久网色| 色婷婷久久久亚洲欧美| 国产精品一区二区精品视频观看| 国产人伦9x9x在线观看| 欧美激情高清一区二区三区| 中文字幕人妻丝袜制服| 午夜福利在线免费观看网站| 99国产综合亚洲精品| 老鸭窝网址在线观看| 啪啪无遮挡十八禁网站| 免费人妻精品一区二区三区视频| 欧美乱妇无乱码| 国产精品 国内视频| 99riav亚洲国产免费| 女警被强在线播放| 美女扒开内裤让男人捅视频| 50天的宝宝边吃奶边哭怎么回事| 又黄又粗又硬又大视频| 国产视频一区二区在线看| 黑人巨大精品欧美一区二区蜜桃| h视频一区二区三区| 99国产精品免费福利视频| 国产av精品麻豆| 黄片大片在线免费观看| 无人区码免费观看不卡 | 国产精品1区2区在线观看. | 国产色视频综合| 亚洲黑人精品在线| 视频在线观看一区二区三区| 久久中文字幕人妻熟女| 男女下面插进去视频免费观看| 香蕉国产在线看| 国产97色在线日韩免费| 国产一区二区 视频在线| 欧美乱码精品一区二区三区| 麻豆成人av在线观看| 亚洲av成人不卡在线观看播放网| 久热这里只有精品99| 女性生殖器流出的白浆| 国产av一区二区精品久久| 欧美日本中文国产一区发布| 久久久久精品人妻al黑| 亚洲av欧美aⅴ国产| 午夜精品久久久久久毛片777| 欧美人与性动交α欧美精品济南到| 操美女的视频在线观看| 黑人猛操日本美女一级片| 真人做人爱边吃奶动态| 少妇 在线观看| 女人高潮潮喷娇喘18禁视频| 91麻豆精品激情在线观看国产 | 国产日韩欧美亚洲二区| 国产伦人伦偷精品视频| 国产人伦9x9x在线观看| 嫩草影视91久久| 久久中文字幕人妻熟女| 欧美日韩亚洲国产一区二区在线观看 | 波多野结衣一区麻豆| 亚洲色图综合在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 男女边摸边吃奶| 在线播放国产精品三级| 日韩免费av在线播放| 黑丝袜美女国产一区| 亚洲国产av影院在线观看| 女人爽到高潮嗷嗷叫在线视频| 欧美av亚洲av综合av国产av| 久久免费观看电影| 久久久精品94久久精品| 国产一区二区三区视频了| 日韩三级视频一区二区三区| 老司机午夜福利在线观看视频 | 久久国产精品大桥未久av| 日韩中文字幕视频在线看片| a级毛片黄视频| kizo精华| 在线观看免费午夜福利视频| 99国产精品一区二区三区| 日韩欧美一区视频在线观看| 欧美日韩视频精品一区| 香蕉久久夜色| 亚洲成人国产一区在线观看| 日韩一卡2卡3卡4卡2021年| 午夜福利影视在线免费观看| 免费在线观看完整版高清| 欧美日韩福利视频一区二区| 精品少妇内射三级| 免费少妇av软件| 视频在线观看一区二区三区| 亚洲av成人一区二区三| 国产淫语在线视频| 香蕉国产在线看| 一区二区三区国产精品乱码| 久热这里只有精品99| 一级片免费观看大全| 久久久国产成人免费| 精品久久蜜臀av无| 亚洲综合色网址| 亚洲国产欧美网| 美女视频免费永久观看网站| 免费观看av网站的网址| 精品一区二区三区av网在线观看 | 香蕉丝袜av| 欧美另类亚洲清纯唯美| 黄色 视频免费看| 日韩视频一区二区在线观看| 正在播放国产对白刺激| 亚洲精品在线观看二区| 一边摸一边抽搐一进一小说 | 黑人操中国人逼视频| 午夜激情av网站| av天堂在线播放| 他把我摸到了高潮在线观看 | 麻豆成人av在线观看| 男女午夜视频在线观看| 美女高潮喷水抽搐中文字幕| 69av精品久久久久久 | 亚洲av成人不卡在线观看播放网| 99re6热这里在线精品视频| 午夜福利在线观看吧| e午夜精品久久久久久久| 两个人看的免费小视频| 高清欧美精品videossex| 国产深夜福利视频在线观看| 日本精品一区二区三区蜜桃| a级毛片在线看网站| 精品久久蜜臀av无| 久久精品亚洲精品国产色婷小说| 女人高潮潮喷娇喘18禁视频| 高清视频免费观看一区二区| 亚洲人成电影观看| 久久久精品94久久精品| 久久99热这里只频精品6学生| 女同久久另类99精品国产91| 999久久久精品免费观看国产| 亚洲色图av天堂| 成年版毛片免费区| 亚洲专区国产一区二区| 日韩中文字幕欧美一区二区| 亚洲三区欧美一区| 一本久久精品| 搡老乐熟女国产| 久久影院123| 欧美精品一区二区免费开放| 国产男靠女视频免费网站| 91精品国产国语对白视频| 精品午夜福利视频在线观看一区 | 中文字幕色久视频| 国产精品久久电影中文字幕 | 亚洲色图 男人天堂 中文字幕| 大片电影免费在线观看免费| 91精品国产国语对白视频| 久久性视频一级片| 亚洲一码二码三码区别大吗| 亚洲国产欧美一区二区综合| 99久久国产精品久久久| 国产日韩一区二区三区精品不卡| 一级黄色大片毛片| 国产精品久久久人人做人人爽| cao死你这个sao货| 伦理电影免费视频| 亚洲伊人色综图| 中国美女看黄片| 黑人操中国人逼视频| 欧美午夜高清在线| 777米奇影视久久| 飞空精品影院首页| 最新的欧美精品一区二区| 黑人操中国人逼视频| 国产91精品成人一区二区三区 | 在线观看免费视频网站a站| 免费观看a级毛片全部| 欧美 亚洲 国产 日韩一| 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| 国产在线一区二区三区精| 汤姆久久久久久久影院中文字幕| 一本大道久久a久久精品| 深夜精品福利| 亚洲欧洲日产国产| 18禁观看日本| 日本av免费视频播放| 欧美性长视频在线观看| 午夜福利免费观看在线| 色视频在线一区二区三区| 啦啦啦免费观看视频1| 精品国产乱码久久久久久小说| 下体分泌物呈黄色| 少妇裸体淫交视频免费看高清 | 国产精品成人在线| av免费在线观看网站| 午夜福利在线免费观看网站| av国产精品久久久久影院| 男女无遮挡免费网站观看| 日本一区二区免费在线视频| 亚洲精品在线美女| 麻豆av在线久日| 国产亚洲精品一区二区www | 国产成人精品久久二区二区91| 777米奇影视久久| 亚洲午夜精品一区,二区,三区| 午夜福利欧美成人| 超色免费av| 欧美久久黑人一区二区| 亚洲av成人不卡在线观看播放网| 51午夜福利影视在线观看| 少妇的丰满在线观看| 咕卡用的链子| 在线观看免费视频网站a站| 欧美精品人与动牲交sv欧美| 9色porny在线观看| 国产欧美日韩一区二区三区在线| 国产有黄有色有爽视频| 久久精品国产99精品国产亚洲性色 | 午夜老司机福利片| 久久精品亚洲精品国产色婷小说| 久久精品aⅴ一区二区三区四区| 老鸭窝网址在线观看| 国产精品影院久久| 久久久久久久久久久久大奶| 国产精品久久电影中文字幕 | 午夜福利免费观看在线| 一级片'在线观看视频| 999精品在线视频| 国产精品av久久久久免费| 色尼玛亚洲综合影院| 亚洲精品中文字幕在线视频| 十八禁网站免费在线| 精品熟女少妇八av免费久了| 国产一区二区 视频在线| 欧美+亚洲+日韩+国产| 色94色欧美一区二区| 午夜成年电影在线免费观看| 在线观看66精品国产| 免费少妇av软件| 肉色欧美久久久久久久蜜桃| 欧美黄色淫秽网站| 免费日韩欧美在线观看| 国产av一区二区精品久久| 最新的欧美精品一区二区| 午夜免费鲁丝| 自线自在国产av| 天堂中文最新版在线下载| 免费久久久久久久精品成人欧美视频| 在线观看66精品国产| 亚洲精品美女久久久久99蜜臀| 嫁个100分男人电影在线观看| 国产单亲对白刺激| 精品福利观看| 天堂动漫精品| 在线av久久热| 亚洲少妇的诱惑av| 99久久精品国产亚洲精品| 少妇粗大呻吟视频| 后天国语完整版免费观看| 不卡av一区二区三区| 国产男女超爽视频在线观看| 99久久99久久久精品蜜桃| 日韩三级视频一区二区三区| 高潮久久久久久久久久久不卡| 久久精品国产亚洲av香蕉五月 | 一区二区三区乱码不卡18| 19禁男女啪啪无遮挡网站| 两个人看的免费小视频| 国产精品免费一区二区三区在线 | 久久久久久久久免费视频了| 在线永久观看黄色视频| 国产人伦9x9x在线观看| 久久天堂一区二区三区四区| 伦理电影免费视频| 18禁国产床啪视频网站| 国产一区二区 视频在线| 久久毛片免费看一区二区三区| 精品久久蜜臀av无| 日韩 欧美 亚洲 中文字幕| 在线av久久热| 在线观看一区二区三区激情| 一本色道久久久久久精品综合| 老熟女久久久| 日韩一卡2卡3卡4卡2021年| 三上悠亚av全集在线观看| 久久精品亚洲av国产电影网| 麻豆成人av在线观看| 老鸭窝网址在线观看| a级毛片黄视频| 51午夜福利影视在线观看| 国产亚洲精品一区二区www | 午夜激情久久久久久久| 国产精品香港三级国产av潘金莲| 国产男女内射视频| 在线观看免费视频网站a站| 老司机福利观看| 精品亚洲成国产av| aaaaa片日本免费| 黑人巨大精品欧美一区二区蜜桃| 性少妇av在线| 一个人免费看片子| 久久久久视频综合| 午夜福利视频在线观看免费| 777米奇影视久久| 国产成人系列免费观看| 精品午夜福利视频在线观看一区 | 国产精品秋霞免费鲁丝片| 亚洲专区中文字幕在线| 极品人妻少妇av视频| 日韩欧美国产一区二区入口| 性少妇av在线| 国产成人系列免费观看| 国产男女内射视频| 一进一出好大好爽视频| 久久久久久久久免费视频了| 高清视频免费观看一区二区| av国产精品久久久久影院| 99精品欧美一区二区三区四区| 久久人人爽av亚洲精品天堂| 国产伦理片在线播放av一区| 免费在线观看日本一区| 久久精品人人爽人人爽视色| 欧美日韩国产mv在线观看视频| 天天添夜夜摸| 久久精品亚洲熟妇少妇任你| 久久亚洲真实| 亚洲中文字幕日韩| 亚洲熟女精品中文字幕| 久久久久久久国产电影| 无人区码免费观看不卡 | 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 | 国产精品久久电影中文字幕 | 久久精品人人爽人人爽视色| 美国免费a级毛片| 日韩欧美免费精品| 成年人午夜在线观看视频| 一夜夜www| 热99国产精品久久久久久7| 天堂中文最新版在线下载| 免费日韩欧美在线观看| 男女边摸边吃奶| 精品少妇一区二区三区视频日本电影| 桃红色精品国产亚洲av| 免费在线观看影片大全网站| 国产成人一区二区三区免费视频网站| 男女午夜视频在线观看| 大片电影免费在线观看免费| 久久精品aⅴ一区二区三区四区| 国产精品欧美亚洲77777| 少妇被粗大的猛进出69影院| 人人妻人人添人人爽欧美一区卜| 女人久久www免费人成看片| 大片免费播放器 马上看| 大陆偷拍与自拍| 咕卡用的链子| 欧美在线一区亚洲| 在线观看免费视频日本深夜| 亚洲色图 男人天堂 中文字幕| 久久久久久久大尺度免费视频| 视频区图区小说| 涩涩av久久男人的天堂| 亚洲综合色网址| 精品人妻在线不人妻| 国产aⅴ精品一区二区三区波| 深夜精品福利| 色综合婷婷激情| 中文字幕另类日韩欧美亚洲嫩草| 老司机在亚洲福利影院| 一区二区三区精品91| 黄色 视频免费看| 无人区码免费观看不卡 | 正在播放国产对白刺激| 欧美日本中文国产一区发布| 欧美日韩国产mv在线观看视频| 免费观看av网站的网址| 少妇 在线观看| 成年人黄色毛片网站| 久久久久久久国产电影| 亚洲精品乱久久久久久| 国产淫语在线视频| 精品第一国产精品| 久久久国产精品麻豆| 国产亚洲精品一区二区www | 中文字幕最新亚洲高清| 欧美激情极品国产一区二区三区| 久久国产亚洲av麻豆专区| 极品教师在线免费播放| 曰老女人黄片| 青草久久国产| 人人妻,人人澡人人爽秒播| 桃红色精品国产亚洲av| 日韩中文字幕欧美一区二区| 日本一区二区免费在线视频| 在线观看一区二区三区激情| 亚洲精品国产色婷婷电影| 99精品欧美一区二区三区四区| 免费一级毛片在线播放高清视频 | 麻豆乱淫一区二区| 久久香蕉激情| 亚洲美女黄片视频| 久久久精品94久久精品| 日韩三级视频一区二区三区| 高清欧美精品videossex| 电影成人av| 妹子高潮喷水视频| 精品久久久久久电影网| 国产又色又爽无遮挡免费看| 黄片播放在线免费| 久久国产精品大桥未久av| 成年人午夜在线观看视频| a在线观看视频网站| 悠悠久久av| 亚洲人成电影观看| 少妇 在线观看| 制服诱惑二区| 十八禁高潮呻吟视频| 99热国产这里只有精品6| 欧美日韩黄片免| 三级毛片av免费| 国产又爽黄色视频| 国产在线精品亚洲第一网站| 色94色欧美一区二区| 国产精品熟女久久久久浪| 久久精品成人免费网站| 亚洲全国av大片| 精品欧美一区二区三区在线| 人妻一区二区av| 在线观看免费高清a一片| 精品免费久久久久久久清纯 | 日韩欧美三级三区| 精品国产国语对白av| 男女下面插进去视频免费观看| 成人特级黄色片久久久久久久 | 国产亚洲一区二区精品| 99久久精品国产亚洲精品| 欧美黑人精品巨大| 亚洲色图综合在线观看| 51午夜福利影视在线观看| 亚洲熟女毛片儿| 一进一出抽搐动态| 午夜福利欧美成人| 脱女人内裤的视频| 天堂中文最新版在线下载| 777久久人妻少妇嫩草av网站| 如日韩欧美国产精品一区二区三区| av天堂在线播放| 国产精品欧美亚洲77777| 久久久水蜜桃国产精品网| 我要看黄色一级片免费的| 99riav亚洲国产免费| 日韩欧美国产一区二区入口| 欧美国产精品一级二级三级| 国产亚洲欧美在线一区二区| 下体分泌物呈黄色| 最黄视频免费看| 亚洲欧美色中文字幕在线| 久久国产精品人妻蜜桃| 黄色视频,在线免费观看| 成年版毛片免费区| 操出白浆在线播放| av在线播放免费不卡| 人人妻人人添人人爽欧美一区卜| 国产亚洲精品久久久久5区| 亚洲熟女毛片儿| 性少妇av在线| 国产91精品成人一区二区三区 | 最近最新免费中文字幕在线| 伊人久久大香线蕉亚洲五| 婷婷丁香在线五月| 精品少妇黑人巨大在线播放| av不卡在线播放| 桃红色精品国产亚洲av| 国产野战对白在线观看| 国产aⅴ精品一区二区三区波| 老司机影院毛片| 又紧又爽又黄一区二区| 国产成人av教育| 欧美黑人精品巨大| 中文字幕高清在线视频| 老鸭窝网址在线观看| 狠狠精品人妻久久久久久综合| 久久久久国产一级毛片高清牌| 亚洲,欧美精品.| 咕卡用的链子| 在线观看免费日韩欧美大片| 少妇精品久久久久久久| 久久久久精品国产欧美久久久| 日韩熟女老妇一区二区性免费视频| a级毛片黄视频| 亚洲人成电影免费在线| 欧美黑人精品巨大| 色播在线永久视频| 汤姆久久久久久久影院中文字幕| 涩涩av久久男人的天堂| 亚洲情色 制服丝袜| 国产亚洲精品久久久久5区| 999久久久精品免费观看国产| 狂野欧美激情性xxxx| 深夜精品福利| 757午夜福利合集在线观看| 久久香蕉激情| 999精品在线视频| 国产精品美女特级片免费视频播放器 | 国产精品影院久久| 亚洲欧洲精品一区二区精品久久久| 老司机影院毛片| 日韩中文字幕欧美一区二区| 亚洲精品乱久久久久久| 捣出白浆h1v1| 水蜜桃什么品种好| 日韩一卡2卡3卡4卡2021年| 欧美老熟妇乱子伦牲交| 国产在视频线精品| 制服诱惑二区| 国产日韩欧美在线精品| 2018国产大陆天天弄谢| 大香蕉久久网| 97人妻天天添夜夜摸| bbb黄色大片| 久热这里只有精品99| 精品卡一卡二卡四卡免费| 一边摸一边抽搐一进一小说 | 18禁美女被吸乳视频| 美女视频免费永久观看网站| 国产激情久久老熟女| 国产精品一区二区在线观看99| 亚洲成人免费电影在线观看| 久久久久国产一级毛片高清牌| 19禁男女啪啪无遮挡网站| 国产精品1区2区在线观看. | 久久午夜综合久久蜜桃| 肉色欧美久久久久久久蜜桃| 12—13女人毛片做爰片一| 午夜成年电影在线免费观看| 亚洲性夜色夜夜综合| 日韩中文字幕欧美一区二区| 欧美一级毛片孕妇| 女人久久www免费人成看片| 国产亚洲av高清不卡| 久久久久视频综合| 亚洲中文av在线| 亚洲欧美激情在线| 一本—道久久a久久精品蜜桃钙片| 亚洲久久久国产精品| 老司机在亚洲福利影院| 亚洲天堂av无毛| 午夜免费成人在线视频| 久久久国产一区二区| av视频免费观看在线观看| 丰满少妇做爰视频| 国产欧美日韩一区二区精品| 亚洲精品久久成人aⅴ小说| 王馨瑶露胸无遮挡在线观看| 欧美精品一区二区免费开放| 亚洲精品久久成人aⅴ小说| 亚洲欧美一区二区三区久久| 国产精品 国内视频| 欧美日韩亚洲高清精品| 正在播放国产对白刺激| 亚洲欧美一区二区三区黑人| 韩国精品一区二区三区| 黄片播放在线免费| 欧美日韩亚洲综合一区二区三区_| 亚洲熟女毛片儿| 欧美日韩亚洲国产一区二区在线观看 | 亚洲,欧美精品.| 一边摸一边抽搐一进一出视频| 色婷婷av一区二区三区视频| 99在线人妻在线中文字幕 |