• <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 ?

    基于特征融合的圖像超分辨率

    2023-04-13 19:36:13端木春江石亮
    計算機時代 2023年4期
    關(guān)鍵詞:特征融合卷積神經(jīng)網(wǎng)絡(luò)

    端木春江 石亮

    摘? 要: 近年深度卷積神經(jīng)網(wǎng)絡(luò)在圖像超分辨率領(lǐng)域取得了巨大成功。然而多數(shù)基于深度卷積神經(jīng)的超分辨率模型不能很好地利用來自低分辨率圖像的各級特征,從而導(dǎo)致相對較差的性能。本文采用全局特征融合的方法,對全局多層次特征進(jìn)行聯(lián)合學(xué)習(xí),充分利用各卷積通道特征,通過全局跳躍連接,使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí),并采用亞像素卷積實現(xiàn)上采樣重建,取得了更好的效果。

    關(guān)鍵詞: 圖像超分辨率; 特征融合; 卷積神經(jīng)網(wǎng)絡(luò); 亞像素卷積

    中圖分類號:TP391.41? ? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ?文章編號:1006-8228(2023)04-120-04

    Abstract: In recent years, deep convolutional neural networks have achieved great success in the field of image super resolution. However, most of the super resolution models based on deep convolutional network cannot make good use of features at all levels from low resolution images, which leads to relatively poor performance. In this paper, we use global feature fusion to jointly learn global multi-level features, make full use of each convolutional channel features, make the network more focused on learning high-frequency information by global skip connection, and use sub-pixel convolution to achieve up-sampling reconstruction. It achieves better results.

    Key words: image super resolution; feature fusion; convolutional neural network; sub-pixel convolution

    0 引言

    如今數(shù)字圖像成為承載信息的一個重要形式,同時人們對圖像視覺清晰度的要求也越來越高。圖像分辨率是指圖像中單位長度所顯示的像素數(shù)目,在使用場景中,高分辨率(High-Resolution,HR)圖像以其豐富的紋理細(xì)節(jié)、清晰的邊緣結(jié)構(gòu)極大地滿足了人們的視覺體驗,因此人們對高分辨率圖像的需求也日益提高。為應(yīng)對高分辨率圖像的使用需求,圖像超分辨率(Super-Resolution,SR)重建技術(shù)顯得尤為重要,即用軟件或硬件的方法提高圖像的分辨率,通過當(dāng)前的低分辨率圖像來獲得對應(yīng)高分辨率圖像的過程。研究者可以從硬件及軟件兩個方面進(jìn)行研究,但由于硬件設(shè)備容易老化,且成本相對較高而受到限制,于是研究者一般通過軟件算法的方法,來實現(xiàn)圖像超分辨率重建的過程。

    1 相關(guān)工作

    按算法原理,超分辨率SR方法基本分為三大類[1]:基于重構(gòu)的方法、基于樣例的方法和基于深度學(xué)習(xí)的方法。2014年,Dong[2]等人率先將深度學(xué)習(xí)應(yīng)用在超分辨率領(lǐng)域,提出了SRCNN網(wǎng)絡(luò),證實基于卷積神經(jīng)網(wǎng)絡(luò)的方法比傳統(tǒng)方法重建效果更好,且速度更快,之后許多學(xué)者提出了一系列超分網(wǎng)絡(luò)。Kim等提出的VDSR[3],通過引入殘差連接,加深網(wǎng)絡(luò),達(dá)到了更好的重建效果;同年DRCN[4]采用參數(shù)共享,減少了網(wǎng)絡(luò)訓(xùn)練參數(shù),但這些方法均使用了預(yù)處理,即在網(wǎng)絡(luò)輸入端使用雙三次插值法將圖像放大,而這會導(dǎo)致丟失一些細(xì)節(jié)信息,并且在高分辨率空間訓(xùn)練會增加網(wǎng)絡(luò)復(fù)雜度。因此,Dong提出FSRCNN[5],直接輸入低分辨率圖像,而在網(wǎng)絡(luò)末端采取了反卷積對圖像進(jìn)行上采樣,這極大地減少了參數(shù)量;而Shi等提出了ESPCN[6],同樣在網(wǎng)絡(luò)末端對圖像放大,具體是采用亞像素卷積(Sub-Pixel Convolution),將特征圖像每個通道重新排列,最終合成高分辨率圖像。實驗證明亞像素卷積效果比反卷積好,因此,如今大多數(shù)圖像超分辨率算法均在網(wǎng)絡(luò)末端使用亞像素卷積作為圖像上采樣。目前基于深度學(xué)習(xí)的SR算法是該領(lǐng)域的研究熱點。

    2 特征融合與信息蒸餾網(wǎng)絡(luò)

    2.1 所提出的網(wǎng)絡(luò)模型結(jié)構(gòu)(FFDN)

    本文所提出的網(wǎng)絡(luò)包含四個部分:淺層特征提取、深層特征提取、特征融合以及重建模塊。我們使用兩個卷積層提取淺層特征,深層特征提取部分則是采用多個信息蒸餾模塊(IDBlock)級聯(lián),其中每個IDBlock內(nèi)包含一個增強單元和一個壓縮單元,這可以有效地提取局部長路徑特征和局部短路徑特征。針對網(wǎng)絡(luò)不能很好地利用各卷積層特征,采用全局特征融合的方法,將每個IDBlock的輸出都與經(jīng)淺層特征提取的LR進(jìn)行融合,并通過全局跳躍連接使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí),網(wǎng)絡(luò)末端采用亞像素卷積來實現(xiàn)上采樣重建。

    整個網(wǎng)絡(luò)模型如圖1所示,我們用ILR和IHR分別表示為網(wǎng)絡(luò)的輸入與輸出,兩個3*3的卷積層從原始低分辨率圖像LR中提取圖像淺層特征F0,此過程可以表示為:

    其中,[HSF]表示淺層特征提取操作,它是由兩次3*3卷積以及激活函數(shù)(ReLU)組成,得到[F0]之后用作信息蒸餾模塊(IDBlock)的輸入,通過n個IDBlock模塊來提取深層特征FD:

    其中,[HIDB,n]表示第n個信息蒸餾塊IDBlock的操作,它是由諸如卷積層以及激活函數(shù)等運算組合而成的復(fù)合函數(shù),其具體結(jié)構(gòu)將會在下一小節(jié)中給出。

    在用一組IDBlocks提取分層深層特征后,進(jìn)一步將每個IDBlock提取的特征圖進(jìn)行深層特征融合,再使用全局殘差連接,充分利用每一層的特征,此過程分別表示為:

    其中,[HDFF]表示深層特征融合操作,具體是將之前每一層的特征進(jìn)行concate操作,再經(jīng)過一次1*1卷積進(jìn)行通道降維,然后再經(jīng)過3*3卷積后得到深層融合特征[FDF],之后與原始淺層特征F0相加得到[FGF]。

    在低分辨率空間提取淺層和深層特征后,受文獻(xiàn)ESPCN[6]啟發(fā),我們在重建模塊中使用亞像素卷積操作進(jìn)行上采樣,此過程表示為:

    整個網(wǎng)絡(luò)模型可表示為:

    其中,[HFFDN]表示所提出的特征融合的信息蒸餾網(wǎng)絡(luò)模型。

    2.2 信息蒸餾塊(IDBlock)

    對于單個IDBlock,本文采用與文獻(xiàn)[7]中蒸餾模塊相同的結(jié)構(gòu),其內(nèi)部可分為兩個單元:增強單元和壓縮單元,具體結(jié)構(gòu)如圖2所示。

    如圖2所示,增強單元大致分為兩個部分,均為由三個3*3的卷積層所構(gòu)成,每個卷積層后都有一個激活函數(shù)(LReLU),圖中省略。第三個卷積層的輸出被分為兩部分,即通道切片操作,將其中的[1s]個通道與增強單元的輸入拼接在一起,并直接輸出到增強單元末端。上半部分剩余的[1-1s]個通道則輸入到第四個卷積層,并經(jīng)過三次卷積后,與前面拼接部分的通道相加,其作為壓縮單元的輸入。這樣做的目的是將先前的信息與當(dāng)前的信息相結(jié)合,充分利用局部長路徑以及短路徑上特征,再由1*1卷積壓縮通道,減小計算量。假設(shè)單個信息蒸餾塊的輸入、輸出分別是Fi、Fi+1,該過程可以表示為:

    其中,[HIDB,i]表示第i個信息蒸餾塊(IDBlock)操作。

    2.3 實驗細(xì)節(jié)

    通過多次實驗,最終設(shè)定信息蒸餾塊(IDBlock)的數(shù)量n為6,通道設(shè)定為64,切片比例s設(shè)定為4,除特征融合模塊以及信息蒸餾塊中的壓縮單元使用1*1卷積外,其他所有的卷積核大小均設(shè)置為3。本文使用超分辨率領(lǐng)域常用的數(shù)據(jù)集,以及91圖像集和BSD200圖像集作為訓(xùn)練數(shù)據(jù)。為了充分利用訓(xùn)練數(shù)據(jù),實驗采取了三種數(shù)據(jù)增強方法:①分別以90°、180°旋轉(zhuǎn)圖像;②水平翻轉(zhuǎn)圖像;③使用系數(shù)為0.9,0.8,0.7和0.6等比例縮放訓(xùn)練圖像。實驗訓(xùn)練選用Adam優(yōu)化器,初始學(xué)習(xí)率為0.0001,損失函數(shù)使均方誤差(MSE),它被廣泛用于圖像恢復(fù)的任務(wù),其表達(dá)式如下:

    其中,[Ii]表示真實圖像,[Ii]表示預(yù)測圖像,上式衡量了真實圖像與預(yù)測圖像之間的差異。

    3 實驗結(jié)果與分析

    本文選用了廣泛使用的基準(zhǔn)數(shù)據(jù)集Set5和Set14作為測試集,分別與經(jīng)典算法Bicubic、SRCNN、VDSR以及IDN進(jìn)行對比,表1為在Set5數(shù)據(jù)集三倍放大下不同算法的峰值信噪比(PSNR)結(jié)果。

    如表1所示,在Set5數(shù)據(jù)集三倍放大的情況下,本文所提出的算法FFDN在五張測試圖的PSNR值均要高于對比算法結(jié)果,圖3是各個算法的可視化重建結(jié)果對比。

    表2是在Set14數(shù)據(jù)集三倍放大下,各算法的峰值信噪比(PSNR)結(jié)果。

    可以看到,無論是Set5還是Set14數(shù)據(jù)集,本文提出的算法在峰值信噪比指標(biāo)上均要高于先前的算法。在測試集Set5中,本文算法的平均PSNR比IDN高0.26dB,而在Set14數(shù)據(jù)集下,這一指標(biāo)高了0.28dB。且從主觀視覺上看,其他算法并不能很好地恢復(fù)出圖像的細(xì)節(jié),有模糊的現(xiàn)象。與之相比,本文算法能夠較好地恢復(fù)出更多的細(xì)節(jié)紋理,達(dá)到更好的視覺效果。無論是從客觀指標(biāo)還是主觀視覺上比較,我們提出的算法均要優(yōu)于先前的網(wǎng)絡(luò),從而也證實了本算法的有效性。

    4 總結(jié)與展望

    本文提出了基于特征融合與信息蒸餾的圖像超分辨率網(wǎng)絡(luò)模型(FFDN),模型采用全局特征融合的方法對全局多層次特征進(jìn)行聯(lián)合學(xué)習(xí),并結(jié)合信息蒸餾模塊,通過全局跳躍連接,允許大量低頻信息直接越過主干網(wǎng)絡(luò),使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí)。實驗表明,本文算法相比之前的模型算法,無論是主觀視覺還是客觀指標(biāo)上都達(dá)到了更好的效果,具有更好的表征能力。受計算資源的限制,本文訓(xùn)練集較小,在今后的工作中,可考慮選用更大的數(shù)據(jù)集,同時考慮結(jié)合注意力機制加深網(wǎng)絡(luò)結(jié)構(gòu),追求更高的性能。

    參考文獻(xiàn)(References):

    [1] 蘇衡,周杰,張志浩.超分辨率圖像重建方法綜述[J].自動化學(xué)報,2013,39(8):1202-1213

    [2] Dong C, Loy C C, He K, et al. Learning a deep convolutional network for image super-resolution[A]. European Conference on Computer Vision[C]. Springer, Cham,2014:184-199

    [3] J. Kim, J. K. Lee and K. M. Lee, "Accurate Image Super-Resolution Using Very Deep Convolutional Networks," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1646-1654

    [4] J. Kim, J. K. Lee and K. M. Lee, "Deeply-Recursive Convolutional Network for Image Super-Resolution," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1637-1645

    [5] C. Dong, C. C. Loy, and X. Tang, "Accelerating the super-resolution convolutional neural network,"Eur. Conf. Comput. Vis. Cham, Switzerland: Springer,2016:391-407

    [6] W. Shi et al., "Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network,"2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1874-1883

    [7] Z. Hui, X. Wang and X. Gao, "Fast and Accurate Single Image Super-Resolution via Information Distillation Network," 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition,2018:723-731

    *基金項目:浙江省自然科學(xué)基金項目(LY15F010007、Y1110510)

    作者簡介:端木春江(1974-),男,江蘇南京人,博士,副教授,主要研究方向:圖像處理,視頻通信。

    通訊作者:石亮(1998-),男,四川廣安人,碩士研究生,主要研究方向:圖像超分辨率。

    猜你喜歡
    特征融合卷積神經(jīng)網(wǎng)絡(luò)
    基于多特征融合的圖像匹配算法
    人體行為特征融合與行為識別的分析
    基于移動端的樹木葉片識別方法的研究
    科技資訊(2017年11期)2017-06-09 18:28:13
    基于SIFT特征的港口內(nèi)艦船檢測方法
    融合整體與局部特征的車輛型號識別方法
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    亚洲精品成人久久久久久| 精品午夜福利视频在线观看一区| 午夜精品一区二区三区免费看| 波野结衣二区三区在线| 美女免费视频网站| 亚洲最大成人av| 久久久国产成人免费| 国产 一区 欧美 日韩| 国产毛片a区久久久久| 无遮挡黄片免费观看| 国产一区二区在线av高清观看| 国产亚洲av嫩草精品影院| 蜜桃久久精品国产亚洲av| 国产探花极品一区二区| 日韩欧美精品v在线| 91久久精品国产一区二区三区| 亚洲欧美清纯卡通| 天堂网av新在线| 一区二区三区激情视频| 天堂动漫精品| 国产精华一区二区三区| 精品久久久久久久久久免费视频| 久久香蕉精品热| 国产一区二区三区av在线 | eeuss影院久久| 乱人视频在线观看| 亚洲人成伊人成综合网2020| 在线观看舔阴道视频| 97碰自拍视频| 一级毛片久久久久久久久女| 欧美丝袜亚洲另类 | 欧美成人性av电影在线观看| 色av中文字幕| 欧美日韩瑟瑟在线播放| 久久精品夜夜夜夜夜久久蜜豆| 一夜夜www| 又爽又黄无遮挡网站| 麻豆一二三区av精品| 国产女主播在线喷水免费视频网站 | 婷婷六月久久综合丁香| 久久久久久久精品吃奶| 日本三级黄在线观看| 看十八女毛片水多多多| 我的女老师完整版在线观看| 日韩高清综合在线| 淫妇啪啪啪对白视频| 动漫黄色视频在线观看| 亚洲av美国av| 人妻少妇偷人精品九色| 在线观看舔阴道视频| av中文乱码字幕在线| 亚洲最大成人av| xxxwww97欧美| 看免费成人av毛片| 久久久久久伊人网av| 日日干狠狠操夜夜爽| 毛片女人毛片| 麻豆av噜噜一区二区三区| 成年免费大片在线观看| 99热这里只有精品一区| 欧美日韩综合久久久久久 | 色视频www国产| 国产在线男女| 91午夜精品亚洲一区二区三区 | 久久精品国产亚洲av天美| 男女视频在线观看网站免费| 国产在视频线在精品| 麻豆成人av在线观看| 久久人人精品亚洲av| 日本 av在线| 搡老岳熟女国产| 我的女老师完整版在线观看| 欧美性感艳星| 最后的刺客免费高清国语| 韩国av在线不卡| 国产精品永久免费网站| 久久久久久久久中文| 亚洲av二区三区四区| 国产高清视频在线播放一区| 日韩中字成人| 国产精品三级大全| 91久久精品国产一区二区成人| 99精品久久久久人妻精品| 亚洲精品乱码久久久v下载方式| 中文字幕高清在线视频| 人人妻,人人澡人人爽秒播| 亚洲性夜色夜夜综合| 久久久久性生活片| 久久久久国产精品人妻aⅴ院| 精品久久久久久久久亚洲 | 亚洲第一区二区三区不卡| 国产成年人精品一区二区| 国产亚洲av嫩草精品影院| 久久久久精品国产欧美久久久| av在线亚洲专区| 国产精品国产高清国产av| 国产免费一级a男人的天堂| 22中文网久久字幕| 精品久久久久久,| 亚洲国产欧洲综合997久久,| 亚洲精品影视一区二区三区av| 日本黄色片子视频| 天堂av国产一区二区熟女人妻| av福利片在线观看| 搡老岳熟女国产| a级毛片a级免费在线| 男人的好看免费观看在线视频| 欧美极品一区二区三区四区| 韩国av一区二区三区四区| .国产精品久久| 12—13女人毛片做爰片一| 欧美+亚洲+日韩+国产| 91av网一区二区| 高清日韩中文字幕在线| 亚洲av一区综合| 夜夜爽天天搞| 国产人妻一区二区三区在| 男人狂女人下面高潮的视频| 日本三级黄在线观看| 国产久久久一区二区三区| 中文字幕av在线有码专区| 免费av不卡在线播放| av在线蜜桃| 午夜影院日韩av| 一区福利在线观看| 精品久久久久久久久av| 国产伦人伦偷精品视频| 99精品久久久久人妻精品| 成年免费大片在线观看| 久久久久久久久久久丰满 | 国产精品亚洲美女久久久| 国产免费一级a男人的天堂| 精品国产三级普通话版| 舔av片在线| 久久九九热精品免费| 特大巨黑吊av在线直播| 少妇的逼水好多| 亚洲中文字幕一区二区三区有码在线看| 日本 av在线| 天美传媒精品一区二区| 免费在线观看成人毛片| 99热精品在线国产| 99视频精品全部免费 在线| 在线观看一区二区三区| 免费大片18禁| 久久精品国产亚洲av天美| 亚洲中文字幕一区二区三区有码在线看| 欧美一区二区国产精品久久精品| 99热这里只有精品一区| 精品人妻偷拍中文字幕| 一级毛片久久久久久久久女| 午夜精品一区二区三区免费看| 日日啪夜夜撸| 99国产精品一区二区蜜桃av| 99精品在免费线老司机午夜| 欧美日韩精品成人综合77777| videossex国产| 免费观看精品视频网站| 日韩精品有码人妻一区| 国产精品美女特级片免费视频播放器| 伦理电影大哥的女人| 国产精品,欧美在线| 国产美女午夜福利| 不卡视频在线观看欧美| 欧美精品国产亚洲| 免费在线观看成人毛片| 亚洲色图av天堂| 五月玫瑰六月丁香| 亚洲av电影不卡..在线观看| 久久久久久九九精品二区国产| 免费看美女性在线毛片视频| 久久久久久久亚洲中文字幕| 18禁黄网站禁片免费观看直播| 久久久久九九精品影院| 99精品在免费线老司机午夜| 日韩中字成人| 午夜激情欧美在线| 国产视频一区二区在线看| 亚洲av日韩精品久久久久久密| 日韩 亚洲 欧美在线| 国产欧美日韩精品一区二区| 波野结衣二区三区在线| 少妇丰满av| 欧美一区二区国产精品久久精品| 好男人在线观看高清免费视频| 尤物成人国产欧美一区二区三区| 国产精品一区二区三区四区免费观看 | 少妇的逼水好多| 最近最新免费中文字幕在线| 亚洲人成伊人成综合网2020| 日韩在线高清观看一区二区三区 | 亚洲性夜色夜夜综合| aaaaa片日本免费| 国产亚洲精品综合一区在线观看| 身体一侧抽搐| 床上黄色一级片| 男人狂女人下面高潮的视频| 亚洲专区中文字幕在线| 欧美成人a在线观看| 国产激情偷乱视频一区二区| 美女黄网站色视频| 久久久国产成人精品二区| 国产亚洲精品久久久久久毛片| 欧美性猛交黑人性爽| 日韩欧美在线二视频| 欧美一区二区精品小视频在线| 岛国在线免费视频观看| 国产精品人妻久久久久久| 国产伦精品一区二区三区视频9| 在线免费十八禁| 国内精品一区二区在线观看| 成人特级av手机在线观看| 蜜桃久久精品国产亚洲av| 大型黄色视频在线免费观看| 18禁裸乳无遮挡免费网站照片| 欧美日本视频| 亚洲av美国av| 日本在线视频免费播放| 精华霜和精华液先用哪个| 精品一区二区三区视频在线| 欧美日韩综合久久久久久 | 国产探花在线观看一区二区| 国产不卡一卡二| 国产精品一区www在线观看 | 韩国av在线不卡| 女同久久另类99精品国产91| а√天堂www在线а√下载| av在线老鸭窝| 黄色女人牲交| 色av中文字幕| 亚洲自拍偷在线| 亚洲四区av| 亚洲国产精品合色在线| 国内毛片毛片毛片毛片毛片| 日日夜夜操网爽| 搡女人真爽免费视频火全软件 | 欧美日韩亚洲国产一区二区在线观看| 久久久午夜欧美精品| 俺也久久电影网| 久久精品国产亚洲av涩爱 | 久久精品国产清高在天天线| 免费看日本二区| 国产一级毛片七仙女欲春2| 91在线精品国自产拍蜜月| 欧美潮喷喷水| 五月玫瑰六月丁香| 午夜久久久久精精品| 村上凉子中文字幕在线| 别揉我奶头~嗯~啊~动态视频| 成年版毛片免费区| 露出奶头的视频| 一本精品99久久精品77| 3wmmmm亚洲av在线观看| 亚洲一区高清亚洲精品| 波多野结衣高清无吗| 午夜免费激情av| 人妻制服诱惑在线中文字幕| 国产精品精品国产色婷婷| 男女那种视频在线观看| 成人国产麻豆网| 非洲黑人性xxxx精品又粗又长| 精品不卡国产一区二区三区| av视频在线观看入口| 国产精品人妻久久久久久| 五月玫瑰六月丁香| 久久人妻av系列| 美女大奶头视频| 久99久视频精品免费| 小说图片视频综合网站| 两个人视频免费观看高清| 国产亚洲精品综合一区在线观看| 国产一区二区亚洲精品在线观看| 免费在线观看日本一区| 日本精品一区二区三区蜜桃| 中文字幕人妻熟人妻熟丝袜美| 日韩欧美精品v在线| 能在线免费观看的黄片| 国产极品精品免费视频能看的| 99国产精品一区二区蜜桃av| 伊人久久精品亚洲午夜| 国产精品精品国产色婷婷| 精品国内亚洲2022精品成人| 久久精品国产清高在天天线| 国产精品永久免费网站| 久久国产乱子免费精品| 欧美中文日本在线观看视频| 自拍偷自拍亚洲精品老妇| 成人性生交大片免费视频hd| 国产高潮美女av| 午夜免费激情av| 伦理电影大哥的女人| 国产精品女同一区二区软件 | 一夜夜www| 久久久久久久久中文| 国产欧美日韩精品亚洲av| 黄色丝袜av网址大全| 国产一区二区在线观看日韩| 欧美成人免费av一区二区三区| av天堂在线播放| 国产欧美日韩一区二区精品| 999久久久精品免费观看国产| 久久午夜福利片| 不卡视频在线观看欧美| 欧美一区二区亚洲| 日韩在线高清观看一区二区三区 | 老师上课跳d突然被开到最大视频| 少妇被粗大猛烈的视频| 91麻豆av在线| 美女大奶头视频| 亚洲成a人片在线一区二区| 老熟妇仑乱视频hdxx| 国产成人影院久久av| 黄色配什么色好看| 69av精品久久久久久| 韩国av一区二区三区四区| 琪琪午夜伦伦电影理论片6080| 欧美一级a爱片免费观看看| 久久久成人免费电影| 一卡2卡三卡四卡精品乱码亚洲| 日本五十路高清| 人妻少妇偷人精品九色| 99久久久亚洲精品蜜臀av| a在线观看视频网站| 精品福利观看| 久久天躁狠狠躁夜夜2o2o| 人妻制服诱惑在线中文字幕| 亚洲欧美日韩卡通动漫| 亚洲国产精品合色在线| 免费搜索国产男女视频| 白带黄色成豆腐渣| 亚洲五月天丁香| 国产精品国产高清国产av| 国产黄色小视频在线观看| 亚洲国产日韩欧美精品在线观看| or卡值多少钱| 欧美日韩国产亚洲二区| 校园人妻丝袜中文字幕| 国产精品野战在线观看| 久久精品人妻少妇| 亚洲av一区综合| 国产69精品久久久久777片| 伦精品一区二区三区| 婷婷六月久久综合丁香| 熟女人妻精品中文字幕| 国产毛片a区久久久久| 国产欧美日韩精品亚洲av| 免费看日本二区| 身体一侧抽搐| 狠狠狠狠99中文字幕| 成人美女网站在线观看视频| 精品人妻视频免费看| 久久人人爽人人爽人人片va| 欧美中文日本在线观看视频| 精品一区二区三区视频在线观看免费| av在线天堂中文字幕| 高清在线国产一区| 日韩欧美国产一区二区入口| 97热精品久久久久久| 国产亚洲精品av在线| 97超视频在线观看视频| 免费看av在线观看网站| ponron亚洲| 国产精品嫩草影院av在线观看 | 午夜亚洲福利在线播放| 久久久久国产精品人妻aⅴ院| 91在线精品国自产拍蜜月| 不卡视频在线观看欧美| 91久久精品国产一区二区成人| 少妇高潮的动态图| 久久午夜福利片| 日本成人三级电影网站| 亚洲av免费高清在线观看| 国产一级毛片七仙女欲春2| 久久九九热精品免费| 亚洲第一区二区三区不卡| 成年人黄色毛片网站| 麻豆久久精品国产亚洲av| 成年人黄色毛片网站| 三级国产精品欧美在线观看| 亚洲人与动物交配视频| 2021天堂中文幕一二区在线观| 一级黄片播放器| 久久欧美精品欧美久久欧美| 国产单亲对白刺激| 成人国产麻豆网| 直男gayav资源| 国产精品久久久久久精品电影| av黄色大香蕉| 国产精品人妻久久久影院| 99热这里只有是精品50| 国产精品日韩av在线免费观看| 日韩欧美在线乱码| 男女之事视频高清在线观看| 亚洲经典国产精华液单| a在线观看视频网站| 午夜福利在线观看免费完整高清在 | 久久久久久伊人网av| 久久人妻av系列| 亚洲国产欧洲综合997久久,| 久久久久久久久中文| 欧美性猛交╳xxx乱大交人| 熟妇人妻久久中文字幕3abv| 一个人观看的视频www高清免费观看| 黄色一级大片看看| 高清毛片免费观看视频网站| 国产免费一级a男人的天堂| 精品人妻熟女av久视频| 亚洲乱码一区二区免费版| 美女高潮的动态| av国产免费在线观看| 免费黄网站久久成人精品| 精品一区二区免费观看| 大又大粗又爽又黄少妇毛片口| 国产一区二区在线av高清观看| 午夜日韩欧美国产| av在线天堂中文字幕| 天天一区二区日本电影三级| 亚洲精品影视一区二区三区av| 久久香蕉精品热| 久9热在线精品视频| 此物有八面人人有两片| 婷婷丁香在线五月| 国产91精品成人一区二区三区| 精品一区二区三区av网在线观看| 欧美一区二区国产精品久久精品| 国产免费男女视频| 欧美成人a在线观看| 亚洲国产高清在线一区二区三| 久9热在线精品视频| 日韩欧美国产一区二区入口| 亚洲av不卡在线观看| 国产主播在线观看一区二区| 日本一本二区三区精品| 综合色av麻豆| 国产毛片a区久久久久| 午夜老司机福利剧场| 不卡一级毛片| 日本撒尿小便嘘嘘汇集6| 国产一区二区三区av在线 | 成人二区视频| 丰满的人妻完整版| 大又大粗又爽又黄少妇毛片口| or卡值多少钱| 白带黄色成豆腐渣| 午夜精品在线福利| 亚洲真实伦在线观看| 成人亚洲精品av一区二区| 91麻豆精品激情在线观看国产| 国产色婷婷99| 日韩欧美免费精品| 欧美日韩综合久久久久久 | 夜夜看夜夜爽夜夜摸| 免费人成视频x8x8入口观看| av天堂中文字幕网| 最近在线观看免费完整版| 波多野结衣高清无吗| 特大巨黑吊av在线直播| 亚洲中文字幕日韩| 国产成人影院久久av| 99久久久亚洲精品蜜臀av| 国产视频内射| 日本 av在线| 精品一区二区三区av网在线观看| 国产精品自产拍在线观看55亚洲| 黄色配什么色好看| 日本一二三区视频观看| 嫩草影视91久久| 91麻豆av在线| 国产精品人妻久久久影院| 日韩欧美在线乱码| 啪啪无遮挡十八禁网站| 欧美日韩黄片免| 一级黄片播放器| 少妇丰满av| 亚洲在线观看片| 最近视频中文字幕2019在线8| 日韩精品中文字幕看吧| 精品欧美国产一区二区三| 男女啪啪激烈高潮av片| 亚洲人成网站在线播| 99热只有精品国产| 搡老熟女国产l中国老女人| 天天躁日日操中文字幕| 我的老师免费观看完整版| 成年免费大片在线观看| 香蕉av资源在线| 赤兔流量卡办理| 欧美zozozo另类| 成人特级黄色片久久久久久久| 51国产日韩欧美| 久久精品国产自在天天线| 99热这里只有是精品50| 免费大片18禁| 国产精品久久久久久久电影| 99热6这里只有精品| 久久精品夜夜夜夜夜久久蜜豆| 亚洲三级黄色毛片| 最近中文字幕高清免费大全6 | 日韩av在线大香蕉| 麻豆久久精品国产亚洲av| 欧美中文日本在线观看视频| 97超视频在线观看视频| 国产伦在线观看视频一区| 午夜老司机福利剧场| 国产三级中文精品| 九九爱精品视频在线观看| 长腿黑丝高跟| 看免费成人av毛片| 久久久国产成人免费| 搡老岳熟女国产| 国产在线精品亚洲第一网站| 亚洲av一区综合| 亚洲电影在线观看av| 桃色一区二区三区在线观看| 99久久中文字幕三级久久日本| 欧美高清成人免费视频www| 99久久无色码亚洲精品果冻| 国产乱人视频| 国产久久久一区二区三区| 国产一区二区亚洲精品在线观看| 白带黄色成豆腐渣| 18禁黄网站禁片午夜丰满| 一区福利在线观看| a级一级毛片免费在线观看| 色播亚洲综合网| 1000部很黄的大片| 欧美日韩亚洲国产一区二区在线观看| 国产黄a三级三级三级人| 久久久久国产精品人妻aⅴ院| 夜夜爽天天搞| 精品不卡国产一区二区三区| a在线观看视频网站| 亚洲国产高清在线一区二区三| 最近最新免费中文字幕在线| 国语自产精品视频在线第100页| 啪啪无遮挡十八禁网站| 国语自产精品视频在线第100页| 最近最新免费中文字幕在线| 欧美日韩综合久久久久久 | 欧美一级a爱片免费观看看| 亚洲内射少妇av| 在线国产一区二区在线| 18禁在线播放成人免费| 国产精品亚洲美女久久久| 欧美成人性av电影在线观看| 国产黄片美女视频| 熟女电影av网| 国产精品嫩草影院av在线观看 | 国产精品自产拍在线观看55亚洲| 国产伦一二天堂av在线观看| 99国产精品一区二区蜜桃av| 又紧又爽又黄一区二区| 亚洲av免费高清在线观看| 久久热精品热| 成人鲁丝片一二三区免费| 日韩精品有码人妻一区| 精品人妻一区二区三区麻豆 | 久久人人精品亚洲av| 真实男女啪啪啪动态图| 我要搜黄色片| 悠悠久久av| 蜜桃久久精品国产亚洲av| 久久久久久大精品| 久久香蕉精品热| 日本撒尿小便嘘嘘汇集6| 在线免费观看的www视频| 熟妇人妻久久中文字幕3abv| av女优亚洲男人天堂| 国产高清激情床上av| 欧美高清成人免费视频www| 嫁个100分男人电影在线观看| 亚洲精品一区av在线观看| 最近最新中文字幕大全电影3| 深爱激情五月婷婷| 国产午夜福利久久久久久| 亚洲av不卡在线观看| 色综合站精品国产| 国产亚洲精品久久久久久毛片| 久久精品国产99精品国产亚洲性色| 亚洲自偷自拍三级| 日韩精品中文字幕看吧| 国产中年淑女户外野战色| 97超视频在线观看视频| 亚洲国产精品合色在线| 美女 人体艺术 gogo| 香蕉av资源在线| 一个人看视频在线观看www免费| 国产真实乱freesex| 99久久精品热视频| 中文资源天堂在线| 久久午夜亚洲精品久久| 日本 av在线| 尾随美女入室| 1024手机看黄色片| 九九久久精品国产亚洲av麻豆| av在线亚洲专区| av女优亚洲男人天堂| 国产精品久久久久久精品电影| 特级一级黄色大片| 亚洲国产色片| 精品一区二区免费观看| 搞女人的毛片| 热99re8久久精品国产| 久久精品国产清高在天天线| 亚洲欧美日韩东京热| 国产精品美女特级片免费视频播放器| 香蕉av资源在线| 国内精品一区二区在线观看| x7x7x7水蜜桃| 国产亚洲91精品色在线| 欧美最新免费一区二区三区| 亚洲精品456在线播放app | 成年版毛片免费区| 国产亚洲欧美98| 国产精品三级大全|