• <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
    国产成人av激情在线播放| 亚洲av美国av| 精品福利永久在线观看| 成年女人毛片免费观看观看9| 精品国产乱子伦一区二区三区| 欧美精品亚洲一区二区| avwww免费| 少妇裸体淫交视频免费看高清 | 99久久99久久久精品蜜桃| 国产成人欧美| 亚洲精品粉嫩美女一区| 成人手机av| 国产av一区在线观看免费| 欧美精品啪啪一区二区三区| 韩国精品一区二区三区| 国产精品自产拍在线观看55亚洲| 久久久久久亚洲精品国产蜜桃av| 91九色精品人成在线观看| 久久婷婷成人综合色麻豆| 欧美黄色片欧美黄色片| 嫁个100分男人电影在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 女人爽到高潮嗷嗷叫在线视频| 日本免费一区二区三区高清不卡 | 中文欧美无线码| 正在播放国产对白刺激| 亚洲av五月六月丁香网| 18禁观看日本| 91麻豆av在线| 最新在线观看一区二区三区| 免费在线观看黄色视频的| 国内久久婷婷六月综合欲色啪| 久久久久精品国产欧美久久久| 丰满人妻熟妇乱又伦精品不卡| 中文字幕最新亚洲高清| 精品久久蜜臀av无| 色婷婷av一区二区三区视频| 国产成人av教育| 99久久国产精品久久久| 两人在一起打扑克的视频| 美女 人体艺术 gogo| 免费在线观看亚洲国产| 国产精品美女特级片免费视频播放器 | 亚洲国产中文字幕在线视频| 国产蜜桃级精品一区二区三区| 亚洲成人免费av在线播放| 欧美在线黄色| 国产男靠女视频免费网站| 精品久久久久久,| 国产不卡一卡二| 久久国产精品男人的天堂亚洲| 99re在线观看精品视频| 一a级毛片在线观看| 国产精品久久久人人做人人爽| 日韩欧美三级三区| 日韩欧美一区视频在线观看| 巨乳人妻的诱惑在线观看| 在线观看免费视频网站a站| 国产一区二区激情短视频| 真人一进一出gif抽搐免费| 9色porny在线观看| 不卡一级毛片| 一个人免费在线观看的高清视频| 可以免费在线观看a视频的电影网站| 日韩免费高清中文字幕av| av天堂在线播放| 久久人妻福利社区极品人妻图片| 久久精品国产99精品国产亚洲性色 | 亚洲人成伊人成综合网2020| 在线十欧美十亚洲十日本专区| 欧美av亚洲av综合av国产av| 午夜福利在线观看吧| 搡老乐熟女国产| 亚洲欧美激情在线| 国产精品免费一区二区三区在线| 欧美人与性动交α欧美精品济南到| 免费在线观看日本一区| 18禁观看日本| 男女之事视频高清在线观看| 国产高清国产精品国产三级| 亚洲 欧美 日韩 在线 免费| 国产精品爽爽va在线观看网站 | 欧美日韩亚洲综合一区二区三区_| 久久久国产成人精品二区 | www.www免费av| 欧洲精品卡2卡3卡4卡5卡区| 日本黄色视频三级网站网址| 女性生殖器流出的白浆| 人妻久久中文字幕网| 欧美日韩精品网址| 国产91精品成人一区二区三区| 欧美成狂野欧美在线观看| xxxhd国产人妻xxx| 精品人妻1区二区| 香蕉丝袜av| 91麻豆av在线| 999精品在线视频| 国产午夜精品久久久久久| 无人区码免费观看不卡| 欧美乱色亚洲激情| 国产一卡二卡三卡精品| 国产成人av教育| 欧美乱码精品一区二区三区| 精品人妻在线不人妻| 国产成人影院久久av| 国产高清videossex| 国产精品99久久99久久久不卡| 国产91精品成人一区二区三区| 欧美日韩视频精品一区| 久久精品亚洲熟妇少妇任你| 久久国产精品男人的天堂亚洲| 国产精品 国内视频| 久久热在线av| 国产野战对白在线观看| 一边摸一边抽搐一进一小说| 国产精品一区二区免费欧美| 伊人久久大香线蕉亚洲五| 叶爱在线成人免费视频播放| 久久午夜综合久久蜜桃| 乱人伦中国视频| 中文字幕另类日韩欧美亚洲嫩草| 多毛熟女@视频| 日本黄色视频三级网站网址| 亚洲av日韩精品久久久久久密| 亚洲一区高清亚洲精品| 天堂俺去俺来也www色官网| 久久久水蜜桃国产精品网| 精品一区二区三区四区五区乱码| 一二三四在线观看免费中文在| 国产精品国产av在线观看| 午夜精品在线福利| 国产伦一二天堂av在线观看| 久久精品国产亚洲av香蕉五月| www.www免费av| 窝窝影院91人妻| 午夜免费成人在线视频| 中国美女看黄片| 日韩大尺度精品在线看网址 | 日韩欧美免费精品| 国产高清videossex| 热re99久久精品国产66热6| 成人免费观看视频高清| 色尼玛亚洲综合影院| 999久久久精品免费观看国产| 国产精品日韩av在线免费观看 | 中文字幕精品免费在线观看视频| 久热这里只有精品99| 香蕉国产在线看| 亚洲午夜理论影院| 国产91精品成人一区二区三区| 午夜精品久久久久久毛片777| 91九色精品人成在线观看| 亚洲精品久久成人aⅴ小说| 桃红色精品国产亚洲av| 香蕉久久夜色| 免费av毛片视频| 99香蕉大伊视频| 91九色精品人成在线观看| 久久亚洲精品不卡| 亚洲欧美激情综合另类| 亚洲三区欧美一区| 免费女性裸体啪啪无遮挡网站| 国产精品 欧美亚洲| 欧美亚洲日本最大视频资源| 高清黄色对白视频在线免费看| 9色porny在线观看| 波多野结衣av一区二区av| 这个男人来自地球电影免费观看| 91九色精品人成在线观看| 久久精品国产亚洲av香蕉五月| a在线观看视频网站| 国产97色在线日韩免费| 男女下面插进去视频免费观看| 两人在一起打扑克的视频| 欧美大码av| 一边摸一边抽搐一进一出视频| 亚洲三区欧美一区| 亚洲精品一区av在线观看| 午夜免费成人在线视频| 欧美日本中文国产一区发布| 国产精品av久久久久免费| 老司机午夜十八禁免费视频| 一级毛片高清免费大全| 女同久久另类99精品国产91| 欧美在线黄色| 69av精品久久久久久| 国产精品一区二区在线不卡| 麻豆成人av在线观看| 欧美日本亚洲视频在线播放| 亚洲人成77777在线视频| 亚洲色图 男人天堂 中文字幕| 法律面前人人平等表现在哪些方面| 成人永久免费在线观看视频| 日韩精品青青久久久久久| 午夜福利一区二区在线看| 19禁男女啪啪无遮挡网站| 久久久久久大精品| 午夜精品在线福利| 国产单亲对白刺激| 正在播放国产对白刺激| 中文字幕高清在线视频| 亚洲熟女毛片儿| 久久久国产欧美日韩av| 国产真人三级小视频在线观看| 天堂√8在线中文| 中国美女看黄片| 国产成人欧美在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 99精国产麻豆久久婷婷| 怎么达到女性高潮| 日韩欧美一区二区三区在线观看| 欧美丝袜亚洲另类 | 91麻豆精品激情在线观看国产 | 日韩欧美一区视频在线观看| 欧美黄色淫秽网站| 悠悠久久av| 亚洲七黄色美女视频| 超碰成人久久| 一个人免费在线观看的高清视频| 级片在线观看| av欧美777| av福利片在线| 丰满饥渴人妻一区二区三| 国产精品自产拍在线观看55亚洲| 国产精品电影一区二区三区| 免费在线观看完整版高清| 国产成人欧美在线观看| 久久欧美精品欧美久久欧美| 成人手机av| 日韩国内少妇激情av| 亚洲久久久国产精品| 亚洲免费av在线视频| 国产无遮挡羞羞视频在线观看| 精品免费久久久久久久清纯| 看片在线看免费视频| 国产精品久久久人人做人人爽| 日本撒尿小便嘘嘘汇集6| 亚洲中文字幕日韩| 母亲3免费完整高清在线观看| 精品国产乱子伦一区二区三区| 人人妻,人人澡人人爽秒播| 黑丝袜美女国产一区| 国产麻豆69| 麻豆一二三区av精品| 老汉色∧v一级毛片| 国产精品免费一区二区三区在线| 亚洲一区二区三区欧美精品| 成年女人毛片免费观看观看9| 看片在线看免费视频| 天堂俺去俺来也www色官网| 国产又爽黄色视频| а√天堂www在线а√下载| 如日韩欧美国产精品一区二区三区| 国产成人欧美在线观看| 黄色怎么调成土黄色| 在线观看免费视频日本深夜| 无遮挡黄片免费观看| 国产精品九九99| 欧美人与性动交α欧美精品济南到| 亚洲情色 制服丝袜| 热re99久久精品国产66热6| 欧美日韩中文字幕国产精品一区二区三区 | 国产成人av教育| 日韩中文字幕欧美一区二区| 人成视频在线观看免费观看| 黑人操中国人逼视频| 亚洲熟妇中文字幕五十中出 | 日本黄色日本黄色录像| 丰满迷人的少妇在线观看| 国产xxxxx性猛交| 久久久精品国产亚洲av高清涩受| 久久久久久人人人人人| 制服诱惑二区| 国产视频一区二区在线看| 国产亚洲精品久久久久5区| 啦啦啦在线免费观看视频4| 国产av一区二区精品久久| 亚洲免费av在线视频| 午夜视频精品福利| 嫁个100分男人电影在线观看| 日韩精品中文字幕看吧| 99国产综合亚洲精品| av国产精品久久久久影院| 久久精品国产清高在天天线| 丰满人妻熟妇乱又伦精品不卡| 欧美av亚洲av综合av国产av| 国产97色在线日韩免费| 男女午夜视频在线观看| 操出白浆在线播放| 午夜视频精品福利| 在线观看日韩欧美| 每晚都被弄得嗷嗷叫到高潮| 午夜精品在线福利| 亚洲欧美日韩另类电影网站| 视频在线观看一区二区三区| 国产精品98久久久久久宅男小说| 亚洲国产精品一区二区三区在线| 咕卡用的链子| 成在线人永久免费视频| 午夜91福利影院| 啦啦啦 在线观看视频| 成人18禁高潮啪啪吃奶动态图| 国产xxxxx性猛交| 国产亚洲欧美98| 好男人电影高清在线观看| 久久九九热精品免费| 在线观看66精品国产| 亚洲精品中文字幕一二三四区| 久久热在线av| 亚洲欧美日韩无卡精品| 精品无人区乱码1区二区| 亚洲中文字幕日韩| 久久久国产精品麻豆| 国产精品永久免费网站| 一区二区日韩欧美中文字幕| 久久久国产一区二区| 亚洲成人免费av在线播放| 久久久精品国产亚洲av高清涩受| 伊人久久大香线蕉亚洲五| 欧美人与性动交α欧美精品济南到| 亚洲中文字幕日韩| 中文欧美无线码| 中文亚洲av片在线观看爽| 久久久久久久久久久久大奶| 岛国在线观看网站| 久久久久久久久久久久大奶| 一级a爱视频在线免费观看| 久久久久久久精品吃奶| 亚洲色图av天堂| 久久精品国产亚洲av高清一级| 亚洲一区二区三区不卡视频| 叶爱在线成人免费视频播放| 国产精品久久久久成人av| 日韩三级视频一区二区三区| 成人国语在线视频| 亚洲精品成人av观看孕妇| 日韩欧美免费精品| 制服人妻中文乱码| 久久久久久人人人人人| 午夜福利免费观看在线| 自拍欧美九色日韩亚洲蝌蚪91| 欧美不卡视频在线免费观看 | 欧美成人性av电影在线观看| 精品午夜福利视频在线观看一区| 少妇 在线观看| 成年人免费黄色播放视频| 国产国语露脸激情在线看| 国产99久久九九免费精品| 色在线成人网| 18禁裸乳无遮挡免费网站照片 | 美女高潮喷水抽搐中文字幕| bbb黄色大片| 女同久久另类99精品国产91| 琪琪午夜伦伦电影理论片6080| 国产av一区在线观看免费| 91在线观看av| 欧洲精品卡2卡3卡4卡5卡区| 亚洲自拍偷在线| 99热国产这里只有精品6| 一级黄色大片毛片| 一夜夜www| 国产成人精品久久二区二区免费| 在线观看免费视频网站a站| www国产在线视频色| 超碰97精品在线观看| 欧美日韩乱码在线| 丁香六月欧美| 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| 欧美日韩亚洲高清精品| www.www免费av| 亚洲欧美精品综合一区二区三区| 天堂中文最新版在线下载| 午夜老司机福利片| 日日夜夜操网爽| 在线视频色国产色| 99精品久久久久人妻精品| 少妇 在线观看| 亚洲av熟女| 久久青草综合色| av欧美777| 国产精品秋霞免费鲁丝片| 777久久人妻少妇嫩草av网站| 亚洲人成77777在线视频| 亚洲在线自拍视频| 色在线成人网| 99在线视频只有这里精品首页| 不卡av一区二区三区| 淫秽高清视频在线观看| 亚洲色图综合在线观看| 黄色女人牲交| 久久久久国产一级毛片高清牌| 亚洲少妇的诱惑av| 69精品国产乱码久久久| 黄色成人免费大全| 国产一区二区在线av高清观看| xxx96com| 国产又爽黄色视频| 久久久精品国产亚洲av高清涩受| 九色亚洲精品在线播放| www.999成人在线观看| 精品日产1卡2卡| 一进一出抽搐gif免费好疼 | 欧美成人免费av一区二区三区| 欧美日韩黄片免| 满18在线观看网站| 午夜免费鲁丝| 涩涩av久久男人的天堂| 亚洲五月天丁香| 国产人伦9x9x在线观看| 亚洲全国av大片| 国产一区二区三区在线臀色熟女 | 天天躁狠狠躁夜夜躁狠狠躁| 电影成人av| 精品久久久久久久久久免费视频 | 欧美日本中文国产一区发布| e午夜精品久久久久久久| 国产精品亚洲一级av第二区| 国产亚洲欧美在线一区二区| 老司机午夜福利在线观看视频| 在线观看免费视频日本深夜| 亚洲av电影在线进入| 国产日韩一区二区三区精品不卡| 日韩一卡2卡3卡4卡2021年| ponron亚洲| bbb黄色大片| 亚洲精品在线观看二区| 中出人妻视频一区二区| 久久狼人影院| 黑人猛操日本美女一级片| 黄色女人牲交| 夜夜躁狠狠躁天天躁| 亚洲精品美女久久av网站| 麻豆一二三区av精品| 久久久精品欧美日韩精品| 女人爽到高潮嗷嗷叫在线视频| 亚洲欧美一区二区三区黑人| 久久香蕉精品热| 一级作爱视频免费观看| 精品久久久久久,| 夫妻午夜视频| 亚洲熟妇熟女久久| 中文字幕精品免费在线观看视频| 久久精品成人免费网站| 色哟哟哟哟哟哟| 久久这里只有精品19| 天天影视国产精品| 黄色丝袜av网址大全| 国产一区二区三区综合在线观看| 精品久久久精品久久久| 亚洲精华国产精华精| 在线观看www视频免费| 人人妻人人澡人人看| 亚洲国产精品999在线| 黑人猛操日本美女一级片| 天堂动漫精品| 国产伦一二天堂av在线观看| 久久精品成人免费网站| 男人舔女人的私密视频| 欧美一级毛片孕妇| 88av欧美| 国产亚洲精品一区二区www| 夜夜爽天天搞| 欧美亚洲日本最大视频资源| 久久久久久亚洲精品国产蜜桃av| 丰满的人妻完整版| 一级毛片高清免费大全| 人成视频在线观看免费观看| 999精品在线视频| av片东京热男人的天堂| 男女做爰动态图高潮gif福利片 | 757午夜福利合集在线观看| 亚洲人成电影观看| 婷婷精品国产亚洲av在线| 亚洲精品国产一区二区精华液| 日韩欧美三级三区| 91九色精品人成在线观看| 老鸭窝网址在线观看| 亚洲国产欧美日韩在线播放| 女人精品久久久久毛片| 国产一卡二卡三卡精品| 精品卡一卡二卡四卡免费| 亚洲av熟女| 欧美日韩黄片免| 国产区一区二久久| 久久天堂一区二区三区四区| 看黄色毛片网站| 精品福利永久在线观看| 国产精品综合久久久久久久免费 | 久久人人爽av亚洲精品天堂| 国产av精品麻豆| 亚洲专区国产一区二区| 午夜老司机福利片| 80岁老熟妇乱子伦牲交| 在线观看免费高清a一片| 男女下面插进去视频免费观看| 超碰97精品在线观看| 亚洲免费av在线视频| 亚洲激情在线av| 午夜日韩欧美国产| 国产精品久久视频播放| 韩国精品一区二区三区| 国内久久婷婷六月综合欲色啪| av有码第一页| 午夜激情av网站| 一级作爱视频免费观看| 美女午夜性视频免费| 高潮久久久久久久久久久不卡| 中文字幕另类日韩欧美亚洲嫩草| 丰满饥渴人妻一区二区三| 夜夜夜夜夜久久久久| 亚洲视频免费观看视频| 9191精品国产免费久久| 国产黄色免费在线视频| 国产精品影院久久| 搡老乐熟女国产| 国产精品自产拍在线观看55亚洲| 国产视频一区二区在线看| 亚洲欧美激情综合另类| 久久精品国产清高在天天线| 韩国av一区二区三区四区| 日韩高清综合在线| 亚洲精品一区av在线观看| 中文字幕最新亚洲高清| 极品教师在线免费播放| 日本黄色视频三级网站网址| 久久久国产成人精品二区 | 欧美乱码精品一区二区三区| 高清毛片免费观看视频网站 | 后天国语完整版免费观看| 丁香欧美五月| 亚洲精品久久午夜乱码| 久久99一区二区三区| 国产精品一区二区精品视频观看| 国产精品 国内视频| 亚洲欧美精品综合一区二区三区| 国产xxxxx性猛交| 国产xxxxx性猛交| 三级毛片av免费| 亚洲欧美精品综合一区二区三区| 亚洲精品中文字幕一二三四区| 日韩精品中文字幕看吧| 久久亚洲真实| 日韩国内少妇激情av| 大型av网站在线播放| 欧美日韩精品网址| www.www免费av| 老司机靠b影院| 国产成人影院久久av| 亚洲精品国产区一区二| 一进一出抽搐动态| 亚洲伊人色综图| 精品午夜福利视频在线观看一区| 两个人免费观看高清视频| 久久久久久久久免费视频了| 久久久国产精品麻豆| 无限看片的www在线观看| 日韩av在线大香蕉| 久久香蕉精品热| 久99久视频精品免费| 亚洲av成人不卡在线观看播放网| 在线av久久热| 啦啦啦免费观看视频1| 男女高潮啪啪啪动态图| 日本精品一区二区三区蜜桃| 亚洲精品av麻豆狂野| 精品一区二区三区视频在线观看免费 | 亚洲狠狠婷婷综合久久图片| 美国免费a级毛片| 久久久久久久精品吃奶| 亚洲欧美日韩另类电影网站| 欧美乱妇无乱码| 男人舔女人的私密视频| 女人精品久久久久毛片| 久久狼人影院| 亚洲精品久久午夜乱码| 黑丝袜美女国产一区| 成年版毛片免费区| 丝袜人妻中文字幕| 欧美日韩黄片免| 日本撒尿小便嘘嘘汇集6| 国产精品香港三级国产av潘金莲| 欧美久久黑人一区二区| 久久人妻熟女aⅴ| 欧美成人午夜精品| 99久久综合精品五月天人人| 欧美日韩中文字幕国产精品一区二区三区 | 国产伦一二天堂av在线观看| 99在线视频只有这里精品首页| 亚洲精品久久成人aⅴ小说| 欧美日韩国产mv在线观看视频| 久久午夜亚洲精品久久| 一区福利在线观看| 欧美乱码精品一区二区三区| 成年人黄色毛片网站| 久久亚洲精品不卡| 好看av亚洲va欧美ⅴa在| 男人操女人黄网站| 国产免费av片在线观看野外av| 欧美乱色亚洲激情| 18禁黄网站禁片午夜丰满| 黄片小视频在线播放| 欧美日韩瑟瑟在线播放| 精品久久久久久电影网| 亚洲熟妇中文字幕五十中出 | 一进一出抽搐动态| 亚洲,欧美精品.| 日韩精品中文字幕看吧| 99久久精品国产亚洲精品| 一二三四社区在线视频社区8| 一级a爱视频在线免费观看| 久久精品国产99精品国产亚洲性色 | 亚洲视频免费观看视频| 欧美日韩瑟瑟在线播放| 免费不卡黄色视频|