• <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
    一区二区三区乱码不卡18| 国产精品嫩草影院av在线观看| 欧美精品亚洲一区二区| 日韩视频在线欧美| 最近最新中文字幕大全免费视频 | 久久久久久久久免费视频了| 亚洲三区欧美一区| 国产一卡二卡三卡精品 | 王馨瑶露胸无遮挡在线观看| 亚洲伊人色综图| 国产在线视频一区二区| 成人手机av| 在线观看三级黄色| 亚洲精品国产av成人精品| 国产精品久久久久久精品古装| 亚洲人成网站在线观看播放| 汤姆久久久久久久影院中文字幕| 国产亚洲最大av| 高清欧美精品videossex| 亚洲伊人色综图| 国产免费现黄频在线看| e午夜精品久久久久久久| 久久韩国三级中文字幕| 国产在线一区二区三区精| 欧美日本中文国产一区发布| 欧美精品一区二区免费开放| 看免费av毛片| 亚洲美女搞黄在线观看| 99精国产麻豆久久婷婷| 一本色道久久久久久精品综合| 嫩草影院入口| 亚洲成人免费av在线播放| 亚洲人成77777在线视频| av福利片在线| 毛片一级片免费看久久久久| 精品亚洲成a人片在线观看| 黄色一级大片看看| 性少妇av在线| 五月天丁香电影| 一级爰片在线观看| 美女大奶头黄色视频| 色综合欧美亚洲国产小说| 超碰成人久久| 日韩精品免费视频一区二区三区| 亚洲精品自拍成人| 精品一区在线观看国产| 久久精品久久久久久久性| 宅男免费午夜| 美女主播在线视频| 亚洲国产最新在线播放| 精品一区二区三卡| 亚洲精品日韩在线中文字幕| 亚洲欧洲精品一区二区精品久久久 | 另类精品久久| 看十八女毛片水多多多| 极品人妻少妇av视频| 亚洲婷婷狠狠爱综合网| 亚洲第一av免费看| 麻豆av在线久日| 亚洲欧洲精品一区二区精品久久久 | 少妇被粗大的猛进出69影院| 欧美日韩视频精品一区| 大片免费播放器 马上看| 久久久久久人妻| 女性生殖器流出的白浆| 亚洲av成人精品一二三区| 国产成人免费无遮挡视频| 久久久久久久国产电影| 日韩视频在线欧美| 久久性视频一级片| 毛片一级片免费看久久久久| 久久久国产欧美日韩av| 高清黄色对白视频在线免费看| 精品午夜福利在线看| 我要看黄色一级片免费的| 丝袜喷水一区| 欧美xxⅹ黑人| 成人手机av| 亚洲天堂av无毛| 亚洲美女黄色视频免费看| 欧美精品一区二区大全| 大片电影免费在线观看免费| 建设人人有责人人尽责人人享有的| 亚洲第一青青草原| 又大又黄又爽视频免费| 天天躁日日躁夜夜躁夜夜| 国产野战对白在线观看| 国产精品 国内视频| 伦理电影免费视频| 黄色 视频免费看| 不卡视频在线观看欧美| 亚洲成国产人片在线观看| 老司机深夜福利视频在线观看 | 免费看av在线观看网站| 五月开心婷婷网| 精品一区二区三区四区五区乱码 | 精品少妇一区二区三区视频日本电影 | 亚洲精品aⅴ在线观看| 熟女少妇亚洲综合色aaa.| 777久久人妻少妇嫩草av网站| 久热这里只有精品99| 国产极品天堂在线| 国产免费视频播放在线视频| 国产又爽黄色视频| 91国产中文字幕| 黄色怎么调成土黄色| 国产欧美日韩一区二区三区在线| 天堂中文最新版在线下载| 一边亲一边摸免费视频| 国产精品久久久久久精品古装| 久久99热这里只频精品6学生| 久久久久久免费高清国产稀缺| 久久鲁丝午夜福利片| 日韩制服骚丝袜av| 欧美日韩精品网址| 日韩,欧美,国产一区二区三区| 人人妻人人澡人人看| 咕卡用的链子| 另类亚洲欧美激情| 汤姆久久久久久久影院中文字幕| 亚洲成国产人片在线观看| 青青草视频在线视频观看| 一级黄片播放器| 国产在线视频一区二区| 日日撸夜夜添| 亚洲欧美精品综合一区二区三区| 老汉色av国产亚洲站长工具| 亚洲一级一片aⅴ在线观看| 老司机在亚洲福利影院| 亚洲国产精品999| 又大又黄又爽视频免费| 久久久久精品性色| 国产一区二区激情短视频 | 99香蕉大伊视频| 国产免费一区二区三区四区乱码| 午夜影院在线不卡| 亚洲第一区二区三区不卡| 超色免费av| 亚洲精品日韩在线中文字幕| 在线观看免费午夜福利视频| 日本爱情动作片www.在线观看| 日韩制服丝袜自拍偷拍| 最近最新中文字幕大全免费视频 | 久久久久久免费高清国产稀缺| videosex国产| 欧美国产精品一级二级三级| 老熟女久久久| 亚洲一码二码三码区别大吗| 最近中文字幕高清免费大全6| 亚洲av在线观看美女高潮| 狠狠婷婷综合久久久久久88av| 亚洲欧洲日产国产| 亚洲图色成人| 国产黄频视频在线观看| av电影中文网址| 一区福利在线观看| 亚洲天堂av无毛| 一区二区三区乱码不卡18| 日韩欧美一区视频在线观看| 欧美日韩一级在线毛片| 亚洲精品国产av成人精品| 久久久欧美国产精品| 美女主播在线视频| 少妇 在线观看| 久久久久精品人妻al黑| 日韩一卡2卡3卡4卡2021年| 亚洲国产精品成人久久小说| 波野结衣二区三区在线| 久久ye,这里只有精品| 欧美成人精品欧美一级黄| 日韩熟女老妇一区二区性免费视频| 可以免费在线观看a视频的电影网站 | 一级毛片黄色毛片免费观看视频| 国产亚洲最大av| www.自偷自拍.com| 日韩大码丰满熟妇| 国产免费一区二区三区四区乱码| 免费在线观看完整版高清| 色婷婷av一区二区三区视频| 天堂俺去俺来也www色官网| 亚洲av电影在线进入| 亚洲综合色网址| 另类精品久久| 亚洲一码二码三码区别大吗| av在线播放精品| videos熟女内射| 一级,二级,三级黄色视频| 日日爽夜夜爽网站| 午夜福利一区二区在线看| 99香蕉大伊视频| 色婷婷久久久亚洲欧美| videosex国产| 欧美久久黑人一区二区| 国产又爽黄色视频| 亚洲欧美成人综合另类久久久| 国产精品熟女久久久久浪| a级片在线免费高清观看视频| 午夜老司机福利片| 亚洲精品日本国产第一区| 99re6热这里在线精品视频| 一本色道久久久久久精品综合| 国产亚洲一区二区精品| 免费女性裸体啪啪无遮挡网站| 亚洲情色 制服丝袜| 精品亚洲成a人片在线观看| 又大又爽又粗| 一本大道久久a久久精品| 午夜免费男女啪啪视频观看| 亚洲av男天堂| 欧美 日韩 精品 国产| 国产成人精品无人区| 日韩成人av中文字幕在线观看| 午夜影院在线不卡| 精品一区二区三区四区五区乱码 | 久久久久久人妻| 国产精品 国内视频| 日本猛色少妇xxxxx猛交久久| 青青草视频在线视频观看| 精品国产国语对白av| 国产成人欧美| 狠狠婷婷综合久久久久久88av| 两个人看的免费小视频| 久久婷婷青草| 色婷婷av一区二区三区视频| 久久久久久免费高清国产稀缺| 亚洲欧美精品自产自拍| 国产成人免费无遮挡视频| 一区二区日韩欧美中文字幕| 99久久精品国产亚洲精品| 国产精品国产三级国产专区5o| 大陆偷拍与自拍| 久久久精品94久久精品| 十八禁高潮呻吟视频| 汤姆久久久久久久影院中文字幕| 亚洲自偷自拍图片 自拍| 老汉色av国产亚洲站长工具| 国产精品一区二区在线不卡| 亚洲欧美色中文字幕在线| 欧美日韩视频精品一区| 国产乱来视频区| 欧美激情高清一区二区三区 | 久久久久久久久久久免费av| 午夜免费鲁丝| 午夜福利一区二区在线看| 日韩制服骚丝袜av| 精品国产超薄肉色丝袜足j| 欧美日韩综合久久久久久| 我的亚洲天堂| 国产精品国产av在线观看| 七月丁香在线播放| 亚洲精品国产av蜜桃| 美女大奶头黄色视频| 欧美日韩国产mv在线观看视频| 在线观看免费视频网站a站| 亚洲欧美成人综合另类久久久| 国产精品嫩草影院av在线观看| 欧美人与善性xxx| 又大又黄又爽视频免费| 激情视频va一区二区三区| www.自偷自拍.com| 大香蕉久久成人网| 国产精品99久久99久久久不卡 | 国产精品99久久99久久久不卡 | 99热全是精品| 亚洲av电影在线进入| 观看美女的网站| 国产精品香港三级国产av潘金莲 | 一本久久精品| 国产成人午夜福利电影在线观看| 久久久久国产一级毛片高清牌| 亚洲精品国产av蜜桃| 国产极品天堂在线| 在线免费观看不下载黄p国产| 在线天堂最新版资源| 黄色怎么调成土黄色| av视频免费观看在线观看| 亚洲美女视频黄频| 久久久久久人妻| 中文欧美无线码| 午夜激情av网站| 人人妻人人澡人人爽人人夜夜| av天堂久久9| 青春草视频在线免费观看| 日韩一卡2卡3卡4卡2021年| 国产成人欧美| 亚洲天堂av无毛| 亚洲五月色婷婷综合| 亚洲欧美精品自产自拍| 老司机深夜福利视频在线观看 | 精品少妇黑人巨大在线播放| 久久久久人妻精品一区果冻| 亚洲精华国产精华液的使用体验| 男女边吃奶边做爰视频| 久久精品aⅴ一区二区三区四区| 日韩不卡一区二区三区视频在线| 丝袜脚勾引网站| 中文字幕另类日韩欧美亚洲嫩草| 欧美日韩国产mv在线观看视频| 国产欧美亚洲国产| av天堂久久9| 一区福利在线观看| 国产成人啪精品午夜网站| 免费黄频网站在线观看国产| 色吧在线观看| videos熟女内射| 亚洲欧美成人综合另类久久久| 丝袜在线中文字幕| 观看av在线不卡| 亚洲五月色婷婷综合| 纵有疾风起免费观看全集完整版| 中文乱码字字幕精品一区二区三区| 黑丝袜美女国产一区| 久久97久久精品| 亚洲,欧美,日韩| 男女高潮啪啪啪动态图| 久久久欧美国产精品| 熟女少妇亚洲综合色aaa.| 亚洲国产毛片av蜜桃av| xxx大片免费视频| 黑人巨大精品欧美一区二区蜜桃| 人人妻人人澡人人看| 老司机靠b影院| 国产精品偷伦视频观看了| 免费黄色在线免费观看| 午夜日本视频在线| 久久人人爽人人片av| 交换朋友夫妻互换小说| 亚洲欧美中文字幕日韩二区| 天天躁夜夜躁狠狠久久av| 色婷婷久久久亚洲欧美| 制服丝袜香蕉在线| 亚洲一区中文字幕在线| 国产精品久久久久久人妻精品电影 | 精品人妻熟女毛片av久久网站| av天堂久久9| 国产精品国产av在线观看| 国产亚洲午夜精品一区二区久久| 少妇被粗大的猛进出69影院| svipshipincom国产片| 美女中出高潮动态图| 精品久久蜜臀av无| 日韩 欧美 亚洲 中文字幕| 少妇的丰满在线观看| 精品亚洲成国产av| xxx大片免费视频| 亚洲欧美色中文字幕在线| 一本色道久久久久久精品综合| 新久久久久国产一级毛片| 日韩制服骚丝袜av| 国产亚洲av片在线观看秒播厂| 极品人妻少妇av视频| 99久久人妻综合| 成人国产麻豆网| 悠悠久久av| 亚洲精品,欧美精品| 久久久久国产精品人妻一区二区| 亚洲一区二区三区欧美精品| 一区二区三区激情视频| 如日韩欧美国产精品一区二区三区| 黄网站色视频无遮挡免费观看| 国产极品天堂在线| 国产精品久久久久久精品古装| 如日韩欧美国产精品一区二区三区| 啦啦啦啦在线视频资源| 日本色播在线视频| 欧美日韩亚洲高清精品| 亚洲欧洲国产日韩| 中文字幕制服av| 一区在线观看完整版| 国产精品久久久久久精品古装| 亚洲美女黄色视频免费看| 婷婷色av中文字幕| 制服诱惑二区| 午夜精品国产一区二区电影| 少妇人妻 视频| 亚洲国产成人一精品久久久| 亚洲国产av影院在线观看| 国产乱来视频区| 91国产中文字幕| 国产无遮挡羞羞视频在线观看| 日韩av不卡免费在线播放| 免费黄色在线免费观看| 国产一区二区三区av在线| 男人爽女人下面视频在线观看| 亚洲人成77777在线视频| 久久综合国产亚洲精品| 丝袜在线中文字幕| 天天躁夜夜躁狠狠久久av| 啦啦啦在线观看免费高清www| 97精品久久久久久久久久精品| 久久国产精品大桥未久av| 色吧在线观看| 亚洲精品国产av蜜桃| 免费高清在线观看视频在线观看| 国产一区二区 视频在线| 99热全是精品| 国产福利在线免费观看视频| 少妇猛男粗大的猛烈进出视频| 尾随美女入室| 中文字幕最新亚洲高清| 九色亚洲精品在线播放| 秋霞在线观看毛片| 在线看a的网站| 色综合欧美亚洲国产小说| 亚洲伊人色综图| 日本色播在线视频| 亚洲综合精品二区| videosex国产| 久久精品久久精品一区二区三区| 美女中出高潮动态图| 日韩一卡2卡3卡4卡2021年| 美女视频免费永久观看网站| 亚洲精品日韩在线中文字幕| 美女国产高潮福利片在线看| 欧美激情高清一区二区三区 | 中文字幕制服av| 色精品久久人妻99蜜桃| 亚洲精品日本国产第一区| 免费观看av网站的网址| 91精品国产国语对白视频| 免费在线观看完整版高清| 国产精品 欧美亚洲| av在线老鸭窝| 国产一区二区在线观看av| 亚洲自偷自拍图片 自拍| 黄色一级大片看看| xxx大片免费视频| 国产乱人偷精品视频| 日韩精品有码人妻一区| 欧美精品亚洲一区二区| 精品国产乱码久久久久久男人| 久久韩国三级中文字幕| 国产在视频线精品| 欧美精品高潮呻吟av久久| 人成视频在线观看免费观看| xxxhd国产人妻xxx| 日韩一区二区视频免费看| 中国三级夫妇交换| 黑人巨大精品欧美一区二区蜜桃| 男女下面插进去视频免费观看| 婷婷色综合大香蕉| 欧美少妇被猛烈插入视频| 欧美av亚洲av综合av国产av | 亚洲欧美精品综合一区二区三区| 亚洲欧美精品自产自拍| 好男人视频免费观看在线| 国产淫语在线视频| 国产极品天堂在线| 美女国产高潮福利片在线看| 午夜福利免费观看在线| av网站在线播放免费| 男女午夜视频在线观看| 99精品久久久久人妻精品| 亚洲三区欧美一区| 中文天堂在线官网| 久久精品国产综合久久久| 国产一级毛片在线| 男人操女人黄网站| 女人高潮潮喷娇喘18禁视频| 黑人猛操日本美女一级片| 欧美人与善性xxx| 亚洲婷婷狠狠爱综合网| 精品福利永久在线观看| 美女视频免费永久观看网站| 十分钟在线观看高清视频www| 亚洲精品久久成人aⅴ小说| 人人澡人人妻人| 国产免费现黄频在线看| www日本在线高清视频| 在线看a的网站| 老司机影院成人| 精品免费久久久久久久清纯 | 最近的中文字幕免费完整| 亚洲av日韩精品久久久久久密 | 国产成人免费观看mmmm| 嫩草影视91久久| 观看av在线不卡| 亚洲精品国产区一区二| 亚洲精品视频女| 国产片特级美女逼逼视频| 你懂的网址亚洲精品在线观看| 王馨瑶露胸无遮挡在线观看| 久久久国产精品麻豆| 久久久久久久久免费视频了| 亚洲欧美成人精品一区二区| 夫妻午夜视频| 成人午夜精彩视频在线观看| 夫妻午夜视频| av视频免费观看在线观看| 丰满乱子伦码专区| 亚洲人成网站在线观看播放| 国产精品欧美亚洲77777| avwww免费| 日韩av免费高清视频| 青春草视频在线免费观看| 啦啦啦在线观看免费高清www| 国产成人系列免费观看| 久久久久视频综合| 日本91视频免费播放| 国产精品亚洲av一区麻豆 | 91精品伊人久久大香线蕉| 成年美女黄网站色视频大全免费| 麻豆精品久久久久久蜜桃| 极品人妻少妇av视频| 久久久精品免费免费高清| 黄色毛片三级朝国网站| 男的添女的下面高潮视频| 激情视频va一区二区三区| 免费不卡黄色视频| av视频免费观看在线观看| 国产1区2区3区精品| 亚洲精品aⅴ在线观看| 欧美成人精品欧美一级黄| 亚洲av福利一区| 精品少妇黑人巨大在线播放| 免费日韩欧美在线观看| 成人黄色视频免费在线看| av在线老鸭窝| 我的亚洲天堂| 国产免费福利视频在线观看| 亚洲精品在线美女| 国产精品亚洲av一区麻豆 | 丁香六月欧美| 国产精品久久久久久人妻精品电影 | 久久精品国产亚洲av高清一级| 热re99久久精品国产66热6| 一本—道久久a久久精品蜜桃钙片| 欧美激情 高清一区二区三区| 欧美乱码精品一区二区三区| 只有这里有精品99| 无遮挡黄片免费观看| 久久综合国产亚洲精品| 精品免费久久久久久久清纯 | 日韩熟女老妇一区二区性免费视频| 久久久久精品性色| 国产国语露脸激情在线看| 国产精品麻豆人妻色哟哟久久| 午夜激情久久久久久久| 午夜影院在线不卡| 18禁裸乳无遮挡动漫免费视频| 午夜精品国产一区二区电影| 国产精品偷伦视频观看了| 晚上一个人看的免费电影| 桃花免费在线播放| 久久婷婷青草| 精品一区二区三区av网在线观看 | 国产免费福利视频在线观看| 一边摸一边抽搐一进一出视频| 中文天堂在线官网| 国产精品一二三区在线看| 久久免费观看电影| 蜜桃国产av成人99| 日日撸夜夜添| avwww免费| 黄片播放在线免费| 老司机影院毛片| 欧美人与性动交α欧美软件| 亚洲第一区二区三区不卡| 午夜激情av网站| 亚洲天堂av无毛| 午夜福利视频在线观看免费| 狂野欧美激情性xxxx| 亚洲精华国产精华液的使用体验| 高清不卡的av网站| 大话2 男鬼变身卡| 妹子高潮喷水视频| av片东京热男人的天堂| 久久婷婷青草| 久久99热这里只频精品6学生| 精品国产乱码久久久久久男人| 一级黄片播放器| bbb黄色大片| 日韩 欧美 亚洲 中文字幕| 人人妻人人添人人爽欧美一区卜| 大陆偷拍与自拍| 久热爱精品视频在线9| 在线观看午夜福利视频| 纯流量卡能插随身wifi吗| 久久这里只有精品19| 婷婷六月久久综合丁香| 久久人妻av系列| 嫩草影院精品99| 国产亚洲av高清不卡| 精品欧美国产一区二区三| 无遮挡黄片免费观看| 精品久久久久久成人av| 亚洲久久久国产精品| 亚洲中文日韩欧美视频| 国产精品久久久久久人妻精品电影| 久久婷婷成人综合色麻豆| 亚洲一区高清亚洲精品| 少妇被粗大的猛进出69影院| 国产1区2区3区精品| 国产高清有码在线观看视频 | 亚洲人成电影免费在线| 啦啦啦免费观看视频1| 国产日韩一区二区三区精品不卡| 亚洲av电影在线进入| 亚洲av五月六月丁香网| 久久久国产成人免费| 亚洲成人精品中文字幕电影| 国产高清videossex| 国产三级黄色录像| 超碰成人久久| 日韩欧美免费精品| 国产视频一区二区在线看| bbb黄色大片| 在线视频色国产色| 亚洲av成人一区二区三| 精品久久久久久久毛片微露脸| 亚洲午夜理论影院| 大型av网站在线播放| 国产熟女xx| 国产精品久久视频播放| 97碰自拍视频|