• <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 ?

    基于支持向量機核函數(shù)算法的圖像分割研究

    2015-03-25 00:47:25荊園園
    紅外技術 2015年3期
    關鍵詞:分類特征區(qū)域

    荊園園,田 源

    ?

    基于支持向量機核函數(shù)算法的圖像分割研究

    荊園園,田 源

    (河南牧業(yè)經(jīng)濟學院計算機應用系,河南 鄭州 450044)

    為了提高圖像分割的質量,采用支持向量機核函數(shù)算法。首先尋找像素分類間隔最大的最優(yōu)分類面,將非線性輸入空間的樣本映射到高維特征空間進行求解;然后局部核函數(shù)選擇高斯徑向基核函數(shù),全局核函數(shù)選擇多項式核函數(shù),為了滿足訓練集中支持向量取值帶來的連續(xù)性要求,通過組合系數(shù)平衡高斯核函數(shù)和多項式核函數(shù)的權重;接著選擇像素的鄰域灰度均值作為用于分割的特征,利用不規(guī)則度統(tǒng)計圖像鄰域灰度均值連通區(qū)域的離散程度;最后給出了算法流程。實驗仿真顯示本文算法分割圖像清晰,目標區(qū)域十分突出,定性分析中指標歸一化互相關系數(shù)為0.9946,分割時間為0.7512,誤割率為0.0237。

    向量機;核函數(shù);圖像分割

    0 前言

    圖像分割是計算機視覺以及數(shù)字圖像處理領域的研究熱點和難點之一,是模式識別、圖像理解等領域中最重要的基礎環(huán)節(jié)[1-2],其目的在于將圖像劃分成各具特性的區(qū)域并提取出感興趣的區(qū)域[3]。

    傳統(tǒng)的圖像分割算法一般基于區(qū)域的信息或者基于邊界的信息[4],但是由于這些圖像分割算法只能利用圖像信息中的部分特征分割區(qū)域,易出現(xiàn)維數(shù)災難、易陷入極小點、函數(shù)逼近能力不強等問題;基于亮度閾值分割(brightness threshold,BT)算法只能在不同對象具有不同亮度的情況下才能得到正確的分割結果[5];梯度算法(gradient algorithm,GA)只能在對象相當光滑(在對象內(nèi)部的像素的梯度很?。┑那闆r下,才能獲得好的分割結果[6];自適應區(qū)域增長的圖像分割算法(adaptive region growth,ARG),把待分割區(qū)域像素值看作一個正態(tài)分布,先用原始區(qū)域生長算法估算出分布參數(shù),再將該參數(shù)應用到第二遍生長過程中實現(xiàn)分割[7],但是存在對初始種子點的選取順序和位置敏感的問題;基于模糊均值聚類法的圖像分割(fuzzy means cluster,F(xiàn)MC),像素灰度等性質映射到根據(jù)一定的規(guī)則分為幾個區(qū)域的特征空間,然后根據(jù)像素的性質判定其所屬的區(qū)域算法具有較好的收斂性,結果受初值的設置影響不大[8],但是魯棒性較差,對圖像的分割效果不令人滿意;分水嶺算法(watershed algorithm,WA)將圖像預分割為很多小區(qū)域,然后將每個小區(qū)域作為一個節(jié)點,再利用Graph Cuts方法得到最后分割[9],雖然該算法將圖像預分割后構造出來的圖節(jié)點數(shù)明顯減少,但是,以一定的時間開銷為代價,預分割后的區(qū)域大小和數(shù)目都是不定的。

    本文在支持向量機(support vector machine,SVM)的基礎上采用核函數(shù)算法對圖像分割研究,支持向量機是由統(tǒng)計學習理論發(fā)展的一種智能算法[10],但是自身核函數(shù)的選擇是研究和應用支持向量機的關鍵問題,通過高斯徑向基核函數(shù)和多項式核函數(shù)組合為新的核函數(shù)來對圖像分割,實現(xiàn)了將樣本信息從低維空間映射到高維空間,這樣就可以有效處理維數(shù)災難問題。

    1 基于支持向量機核函數(shù)算法

    1.1 支持向量機

    通過尋找像素分類間隔最大的分類面稱為像素最優(yōu)分類超平面,最大間隔超平面只與離超平面較近的像素點有關,與其它像素點無關。最優(yōu)超平面把圖像數(shù)據(jù)集合中的全部點分開,要求像素點與超平面距離最遠[11]。輸入數(shù)據(jù)集為={1,2,…,x},前個已標記樣本:(x,y),x?R,y?(-1,1),緊接著是個未標記樣本,其中<<,+=,線性函數(shù)為:

    w()+(1)

    式中:w為法向量的轉置;為超平面偏移向量。

    圖1為支持向量機超平面劃分不同的像素。

    圖像數(shù)據(jù)集合間隔最大分類超平面約束優(yōu)化為:

    即:ywx+-1≥0。

    拉格朗日函數(shù)對求解:

    式中:為拉格朗日乘子。

    由Karush-Kuhn-Tucher(KKT)最優(yōu)條件可得[12]:

    式中:S=[1,1,…,1],K=jT(xk)j(xl)=k(xk, xl)是滿足Mercer條件的核函數(shù)。

    使用核函數(shù)是為了將低維不可分問題轉化為高維可分問題,同時避免了因為維數(shù)災難而造成的計算上的問題。

    回歸函數(shù)為:

    式中:a*是a對偶函數(shù)。

    將最優(yōu)分類面的求解問題轉化為求解二次規(guī)劃的對偶問題:

    約束條件為:

    過松弛因子對不能完全分開的線性分類問題求解:

    約束條件:

    y((x)+)≥1-≥0,=1,2,…,

    式中:為懲罰因子,用于調整算法的復雜度,能在分類間隔最大與誤差最小之間尋求最佳折衷,它的選取決定了最優(yōu)分類超平面的位置[13]。

    將非線性輸入空間的樣本映射到高維特征空間進行求解[14]:

    則向量機的決策函數(shù)為:

    1.2 局部和全局核函數(shù)選擇

    核函數(shù)中的參數(shù)的選擇決定了從數(shù)據(jù)空間到高維特征空間之間的非線性映射,如果選擇不合適會導致極差的分類性能[15]。當需要詳細區(qū)分離較遠的像素樣本點時,采用全局核函數(shù);相反的,需分析距離較近的點時,采用局部核函數(shù)。局部核函數(shù)的學習能力要高于全局核函數(shù),但是局部核函數(shù)泛化能力不如全局核。

    1.2.1 高斯徑向基核函數(shù)

    局部核函數(shù)采用高斯徑向基核函數(shù):

    高斯徑向基核參數(shù)s越大,顯著影響核函數(shù)的樣本范圍越大,學習能力越強[16]。圖2給出了高斯徑向基核函數(shù)。

    從圖2中可以看出它擴大了相近像素點的差異,降低了距離較遠的樣本點之間的影響。

    1.2.2 多項式核函數(shù)

    全局核函數(shù)采用多項式核函數(shù):(x,0.2)=[(0.2x)+1],對于多項式核參數(shù)越大,算法的復雜性越高,學習能力越強[17]。圖3給出了變維數(shù)為1,函數(shù)值的變化,從多項式核函數(shù)的圖形結構看出,擴大了樣本的差異性,函數(shù)值趨于0的速度較慢,全局(絕大部分的點)對于核函數(shù)都有影響。

    1.2.3 組合過程

    由于全局核函數(shù)使決策函數(shù)有良好的泛化能力,局部核函數(shù)的作用是改善支持向量附近點的決策函數(shù)值,為了滿足訓練集中支持向量取值帶來的連續(xù)性要求,通過組合系數(shù)平衡高斯核函數(shù)和多項式核函數(shù)的權重:

    (x, x)=global(x, x)+(1-)global(x, x) (11)

    式中:組合系數(shù)=1+1/x

    這樣全局核函數(shù)的影響來自所有的支持向量,局部核函數(shù)的影響只為支持向量本身,同時采取分步訓練的方法[18],對1-賦值為小于1;通過-折交叉驗證,訓練集平均分為個兩兩互不相交的子集,進行步迭代訓練和測試,每次把一個子集作為測試集,其余的樣本作為訓練集,在得出決策函數(shù)后計算其判斷錯誤點的個數(shù),最后匯總算出所有的錯誤點個數(shù)與總訓練集個數(shù)之比,只有當?shù)陀?0才進行訓練;否則修正1-的值,再重新訓練樣本。

    圖3 多項式全局核函數(shù)

    1.3 圖像分割流程

    ()為支持向量機的輸出:

    輸出集合為{-1,1},代表圖像分割中非邊緣像素和邊緣像素。如果人工標記像素為個,則{1,2,…,y}為人工標記的像素類別,像素取值為1,被標記為非邊緣的像素取值為-1。

    ={1,2,…,x}為像素在特征集中的取值,在圖像分割中選擇像素的鄰域灰度均值作為用于分割的特征[19]。利用不規(guī)則度IRGL統(tǒng)計圖像鄰域灰度均值連通區(qū)域的離散程度,不規(guī)則度的定義:

    不規(guī)則度反映了連通區(qū)域的形狀,通過對每個連通區(qū)域中像素點偏離質心的程度計算得到,分割誤差要求為:

    算法流程:

    ①輸入圖像,提取圖像像素灰度值特征,構建訓練樣本集;

    ②特征歸一化,使特征向量歸一化至[-1,1]區(qū)間;

    ③SVM訓練集隨機均分子集,每個像素點的特征帶入到分類器中預測每個像素的類別,獲得最優(yōu)分類面;

    ④選擇核函數(shù)進行像素區(qū)域的分割,滿足分割誤差要求轉至步驟⑤,否則進行步驟③;

    ⑤輸出圖像。

    2 實驗仿真

    為了對比分析本文算法與其它算法的分割效果,仿真實驗參數(shù)為:內(nèi)存DDR3,主頻1600MHz,容量4GB,732位操作系統(tǒng)WIN,CPU為3.5GHz的硬件環(huán)境,通過調用編程工具MATLAB2012實現(xiàn)算法。

    2.1 分割視覺效果

    采用2幅不同的圖片,把圖像像素的灰度特征作為分割的特征,輸入到支持向量機進行學習,分類模型的最優(yōu)參數(shù)=150,=4.15,=0.5456,=1.85,=6,采用最優(yōu)參數(shù)建立最優(yōu)圖像分割模型,對待分割圖像進行分割,其分割效果如圖4和圖5所示。

    圖4(a)和圖5(a)為待分割圖像,圖4(b)和圖5(b)為BT分割效果,圖4(c)和圖5(c)為GA分割效果,圖4(d)和圖5(d)為ARG分割效果,圖4(e)和圖5(e)為FMC分割效果,圖4(f)和圖5(f)為訓練后支持向量分布效果圖,圖4(g)和圖5(g)為SVM分割效果。從分割效果中可以看出,本文算法的分割圖像清晰,目標區(qū)域十分突出,其它算法的結果分割結果差,目標區(qū)域不能很好地突出,出現(xiàn)欠、過分割現(xiàn)象。這是因為支持向量機組合核函數(shù)算法滿足訓練集中支持向量圖像像素取值帶來的連續(xù)性要求。

    2.2 定性分析

    用歸一化互相關系數(shù)(NC)來評價本文算法分割圖像:

    圖5 圖像2不同算法分割效果

    式中:×為圖像大??;(,)、¢(,)表示源圖像與分割后圖像在位置(,)處的灰度值。NC值越接近于1越好。

    對于圖像進行分割來說,分割速度十分重要,為了衡量各算法的分割效率,對每幅圖像進行多次重復分割,取它們平均分割時間作為評價標準。圖像1和圖像2定性分析結果如表1和表2所示。

    從表1和表2的分析可以看到,本文算法NC值較接近于1,分割時間的消耗較少,誤割率較低。這是因為在分割過程中利用不規(guī)則度統(tǒng)計圖像鄰域灰度均值連通區(qū)域的離散程度,每個像素點的特征帶入到分類器中預測每個像素的類別,獲得最優(yōu)分類面。

    表1 圖像1定性分析

    表2 圖像2定性分析

    3 結論

    尋找像素分類間隔最大的最優(yōu)分類面,將非線性輸入空間的樣本映射到高維特征空間進行求解;局部核函數(shù)選擇高斯徑向基核函數(shù),全局核函數(shù)選擇多項式核函數(shù),為了滿足訓練集中支持向量取值帶來的連續(xù)性要求,通過組合系數(shù)平衡高斯核函數(shù)和多項式核函數(shù)的權重;接著選擇像素的鄰域灰度均值作為用于分割的特征,利用不規(guī)則度統(tǒng)計圖像鄰域灰度均值連通區(qū)域的離散程度;實驗仿真顯示本文算法分割圖像清晰,目標區(qū)域十分突出,定性分析中指標歸一化互相關系數(shù)為0.9946,分割時間為0.7512,誤割率為0.0237,進一步的研究將集中在核函數(shù)優(yōu)化方面。

    [1] 徐曄燁, 王敬東, 朱晨雨, 等. 基于Otsu算法和分形維數(shù)相結合的紅外云圖分割[J]. 紅外技術, 2014, 36(6): 496-502.

    Xu Ye ye, Wang Jing dong, Zhu Chen yu, et al. Segmentation of infrared cloud image based on otsu algorithm and fractal dimension [J].,2014, 36(6): 496-502.

    [2] 李曉冰. 基于自適應模糊加權指數(shù)的FCM聚類測量圖像分割方法[J].紅外技術, 2013, 35(3): 146-149.

    Li Xiao bing. FCM segmentation method of measurement of image based on adaptive coefficient of fuzzy weight[J]., 2013, 35(3): 146-149.

    [3] 楊名宇, 李剛. 利用區(qū)域信息的航拍圖像分割[J]. 中國光學, 2014, 7(5): 779-785.

    Yang Ming yu, Li Gang. Aerial image segmentation with region information[J]., 2014, 7(5): 779-785.

    [4] 楊名宇. 基于改進Chan-Vese模型的圖像分割[J]. 液晶與顯示, 2014, 29(3): 473-478.

    Yang Ming Yu. An infrared image segmentation approach based on improved Chan-Vese model[J]., 2014, 29(3): 473-478.

    [5] Wu Hui, Shangguan Xu-ming. Regional logistics information resources integration patterns and countermeasures[J]., 2012, 25(2): 1610-1615

    [6] Kwon Hyuk Ju, Lee Sung Hak, Lee Geun Young. Luminance adaptation transform based on brightness functions for LDR image reproduction[J]., 2014, 30(7): 74-85.

    [7] 王琳, 胡翠英, 龐其昌, 等. 基于自適應圖像分割的中藥光譜圖像檢測[J]. 激光與光電子學進展, 2013, 50(12): 66-72.

    Wang Lin, Hu Cui ying, Pang Qi chang, et al. TCM spectral imaging detection based on self-adaptive region segmentation method[J]., 2013, 50(12): 66-72.

    [8] 郭艾俠, 肖德琴. 基于探索性分析的荔枝串與結果母枝圖像識別[J]. 實驗室研究與探索, 2014, 33(2): 4-9, 30.

    Guo Ai Xia, Xiao De Qin. Image recognition of litchi cluster and their main fruit bearing based on exploratory analysis[J]., 2014, 33(2): 4-9, 30.

    [9] 伊力哈木·亞爾買買提. 基于改進的自適應分水嶺圖像分割方法研究[J]. 計算機仿真, 2013, 30(2): 373-377.

    Yi li ha mu·Ya er mai mai ti. Based on the improved adaptive watershed image segmentation method research[J]., 2013, 30(2): 373-377.

    [10] Xing Yan, Nurul A. Chowdhury Mid-term electricity market clearing price forecasting: A multiple SVM approach[J]., 2014, 58(6): 206-214.

    [11] 杜娟, 孫君頂. 基于特征加權和支持向量機的圖像分類研究[J]. 激光與紅外, 2013, 43(3): 315-308.

    Du Juan, Sun Jun Ding. Image classification based on feature weighting and support vector machine[J]., 2013, 43(3): 315-308.

    [12] 劉繼業(yè), 陳西宏, 劉強, 等. 基于改進粒子群優(yōu)化LS-SVM的衛(wèi)星鐘差預報研究[J]. 宇航學報, 2013, 34(11): 1509-1515.

    Liu Ji Ye, Chen Xi Hong, Liu Qiang, et al. LS-SVM based on improved PSO for prediction of satellite clock error[J]., 2013, 34(11): 1509-1515.

    [13] 胡慶輝, 丁立新, 何進榮. 范數(shù)約束的多核半監(jiān)督支持向量機學習方法[J]. 軟件學報, 2013, 24(11): 2522-2534.

    Hu Qing Hui, Ding Li Xin, He Jin Rong. Lp norm constraint multi-Kernel learning method for semi-supervised support vector machine[J]., 2013, 24(11): 2522-2534.

    [14] 張德發(fā), 何亮. 基于粗糙集和支持向量機的圖像分割技術研究[J]. 計算機應用與軟件, 2013, 30(6): 111-113.

    Zhang De fa, He Liang. Research on image segmentation technology based on rough set and support vector machine[J]., 2013, 30(6): 111-113.

    [15] 楊雯斌. 支持向量機在大規(guī)模數(shù)據(jù)中的應用研究[D]. 上海: 華東理工大學, 2013: 15-30.

    Yang Wei Bin. Research and Application of the Support Vector Machine on Large-scale Datas[D]. Shanghai: East China University of Science and Technology, 2013: 15-30.

    [16] 吳鵬, 宋文龍. 一種基于支持向量機的植物根系圖像邊緣檢測算法[J]. 浙江農(nóng)業(yè)學報, 2012, 24(4): 721-726.

    Wu Peng, Song Wen Long. An image edge detection algorithm of plant roots based on support vector machine[J]., 2012, 24(4): 721-726.

    [17] 樓俊鋼, 蔣云良, 申情, 等. 軟件可靠性預測中不同核函數(shù)的預測能力評估[J]. 計算機學報, 2013, 36(6): 1303-1311.

    Lou Jun Gang, Jiang Yun Liang, Shen Qing, et al. Valuating the prediction performance of different Kernal functions in Kernel based software reliability models[J]., 2013, 36(6): 1303-1311.

    [18] Victor Wilcox Jr, Ted Trus, Nilson Salas, et al. A proficiency-based skills training curriculum for the SAGES surgical training for endoscopic proficiency (STEP) program[J]., 2014, 71(3): 282-288.

    [19] 朱艷麗, 張寶劍, 黃勇. 一種紋理分析方法在皮革圖像分類中的應用[J]. 安徽農(nóng)業(yè)科學, 2010, 38(12): 6515-6516.

    Zhu Yan li, Zhang Bao jian, Huang Yong. Application of texture analysis method in leather classification[J]., 2010, 38(12): 6515-6516.

    Image Segmentation Research Based on Kernel Function of Support Vector Machine Algorithm

    JING Yuan-yuan,TIAN Yuan

    (,,450044,)

    To improve the quality of image segmentation, this paper proposed a kernel function of support vector machine algorithm. Firstly, pixel classification intervals were searched through optimal classification, and sample nonlinear space was mapped into high dimensional one; Secondly, Gauss radial basis kernel function was selected as local kernel function, polynomial kernel function was selected as global kernel function , then,combination coefficient was used to balance weight of Gauss kernel function and polynomial kernel function in order to satisfy continuity requirements for training support vector value. Thirdly, neighborhood gray mean pixel was used as features of segmentation, irregularity was used to collect statistics of discrete degree of image gray mean connected region. Finally, the algorithm flow was given. Simulation shows that this algorithm for image segmentation is clear, the target area is very outstanding, the qualitative analysis index normalized cross correlation coefficient is 0.9946, time is 0.7512, and false rate is 0.0237.

    vector machine,kernel function,image segmentation

    TP393

    A

    1001-8891(2015)03-0234-06

    2014-11-07;

    2014-11-20.

    荊園園(1981-),女,漢族,河南鄭州人,碩士,講師,研究方向:軟件工程。

    河南省社科聯(lián)項目,編號:SKL-2013-506;鄭州市社科聯(lián)項目,編號:JX20130297。

    猜你喜歡
    分類特征區(qū)域
    分類算一算
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    關于四色猜想
    分區(qū)域
    基于嚴重區(qū)域的多PCC點暫降頻次估計
    電測與儀表(2015年5期)2015-04-09 11:30:52
    亚洲av中文av极速乱| 久久久久久久精品精品| 香蕉丝袜av| 在线观看一区二区三区激情| 亚洲欧美清纯卡通| 大码成人一级视频| 最新的欧美精品一区二区| 久久精品国产亚洲av涩爱| 久久精品国产鲁丝片午夜精品| 日韩免费高清中文字幕av| 国产精品三级大全| 亚洲av成人精品一二三区| 少妇人妻 视频| 国产一区二区在线观看av| 国产一区二区在线观看日韩| 日本黄大片高清| 天天影视国产精品| 在线亚洲精品国产二区图片欧美| 亚洲精品国产av成人精品| 国产成人91sexporn| 成人亚洲欧美一区二区av| 国产午夜精品一二区理论片| 中文字幕亚洲精品专区| 中文字幕亚洲精品专区| 黄网站色视频无遮挡免费观看| 亚洲精品日本国产第一区| 黄色视频在线播放观看不卡| 一级黄片播放器| 国产乱来视频区| 丝袜在线中文字幕| 99热全是精品| 啦啦啦视频在线资源免费观看| 91在线精品国自产拍蜜月| 国产成人a∨麻豆精品| 久久久久久久精品精品| 激情五月婷婷亚洲| av免费在线看不卡| 久久久久精品久久久久真实原创| 十分钟在线观看高清视频www| 美女国产视频在线观看| 国产男人的电影天堂91| 日韩三级伦理在线观看| 22中文网久久字幕| 熟女电影av网| 日本-黄色视频高清免费观看| 国产av码专区亚洲av| 性高湖久久久久久久久免费观看| 国产成人午夜福利电影在线观看| 日韩视频在线欧美| 乱码一卡2卡4卡精品| 飞空精品影院首页| 三上悠亚av全集在线观看| 国产欧美日韩一区二区三区在线| 老司机亚洲免费影院| 亚洲国产最新在线播放| 国产精品久久久久久精品电影小说| 午夜福利视频在线观看免费| 伊人亚洲综合成人网| 有码 亚洲区| 国产精品久久久久久精品电影小说| 日韩精品免费视频一区二区三区 | 成人国产av品久久久| 精品久久蜜臀av无| 久久国内精品自在自线图片| 国产精品国产av在线观看| 婷婷色麻豆天堂久久| 久久久精品94久久精品| 美女视频免费永久观看网站| 亚洲人成77777在线视频| 国产一区二区在线观看av| 午夜91福利影院| 亚洲少妇的诱惑av| 欧美日韩综合久久久久久| 美女国产视频在线观看| 国产老妇伦熟女老妇高清| 美女中出高潮动态图| 高清黄色对白视频在线免费看| 2018国产大陆天天弄谢| 国产亚洲一区二区精品| 亚洲成色77777| www.色视频.com| 最近手机中文字幕大全| 国产成人精品一,二区| 伦精品一区二区三区| 免费看光身美女| 国产伦理片在线播放av一区| 深夜精品福利| 成人亚洲精品一区在线观看| 最近最新中文字幕大全免费视频 | 香蕉丝袜av| 亚洲av中文av极速乱| 国产麻豆69| 多毛熟女@视频| 欧美另类一区| 成人18禁高潮啪啪吃奶动态图| 亚洲欧美成人综合另类久久久| 久久久亚洲精品成人影院| 免费大片黄手机在线观看| 亚洲经典国产精华液单| www.av在线官网国产| 国产成人一区二区在线| 免费在线观看完整版高清| 中国美白少妇内射xxxbb| 80岁老熟妇乱子伦牲交| 日韩一区二区视频免费看| 亚洲,欧美精品.| 宅男免费午夜| 亚洲三级黄色毛片| 考比视频在线观看| 欧美精品高潮呻吟av久久| 高清在线视频一区二区三区| 97在线人人人人妻| 一个人免费看片子| 久久毛片免费看一区二区三区| 午夜福利视频在线观看免费| 蜜桃在线观看..| 久久鲁丝午夜福利片| 久久久久久久久久久免费av| 色94色欧美一区二区| 全区人妻精品视频| 久久久久久久久久人人人人人人| 色5月婷婷丁香| 十八禁高潮呻吟视频| 啦啦啦啦在线视频资源| 最近2019中文字幕mv第一页| 好男人视频免费观看在线| 又黄又粗又硬又大视频| 一二三四在线观看免费中文在 | 人妻少妇偷人精品九色| 久久人人爽人人片av| 91精品伊人久久大香线蕉| 久久精品国产综合久久久 | 成年女人在线观看亚洲视频| 久久久国产欧美日韩av| 乱人伦中国视频| 亚洲精品一区蜜桃| 久久精品国产亚洲av天美| 美女视频免费永久观看网站| 丰满饥渴人妻一区二区三| 纯流量卡能插随身wifi吗| 亚洲av综合色区一区| 韩国高清视频一区二区三区| 成人二区视频| 中文字幕免费在线视频6| 美女视频免费永久观看网站| 欧美成人精品欧美一级黄| 欧美成人午夜精品| 久久精品久久久久久久性| 97精品久久久久久久久久精品| av女优亚洲男人天堂| 欧美xxxx性猛交bbbb| 天堂俺去俺来也www色官网| 国产69精品久久久久777片| 纯流量卡能插随身wifi吗| 亚洲av国产av综合av卡| 国产精品成人在线| 免费久久久久久久精品成人欧美视频 | 国产精品久久久av美女十八| 成年女人在线观看亚洲视频| 十八禁网站网址无遮挡| 久久久久精品人妻al黑| 母亲3免费完整高清在线观看 | 久久久久国产精品人妻一区二区| 最近2019中文字幕mv第一页| 一本大道久久a久久精品| 美女内射精品一级片tv| 国语对白做爰xxxⅹ性视频网站| 夜夜骑夜夜射夜夜干| 欧美国产精品va在线观看不卡| 一级黄片播放器| av线在线观看网站| 在线观看一区二区三区激情| 午夜免费观看性视频| 欧美激情极品国产一区二区三区 | 精品久久蜜臀av无| 色哟哟·www| 国产片内射在线| 青青草视频在线视频观看| 男男h啪啪无遮挡| av国产久精品久网站免费入址| 少妇 在线观看| 老熟女久久久| 成人综合一区亚洲| 精品一品国产午夜福利视频| 18禁国产床啪视频网站| 久久久久久久久久人人人人人人| 精品国产露脸久久av麻豆| 欧美精品一区二区大全| 99热国产这里只有精品6| 免费久久久久久久精品成人欧美视频 | 五月伊人婷婷丁香| 国产视频首页在线观看| 丝袜美足系列| 欧美成人午夜精品| 丝袜喷水一区| 在线精品无人区一区二区三| 亚洲第一区二区三区不卡| 美女主播在线视频| 夫妻午夜视频| 国产亚洲午夜精品一区二区久久| 日本爱情动作片www.在线观看| videossex国产| 秋霞在线观看毛片| 亚洲国产精品国产精品| 97超碰精品成人国产| 亚洲国产毛片av蜜桃av| 91精品三级在线观看| 久久鲁丝午夜福利片| 夫妻性生交免费视频一级片| 日本-黄色视频高清免费观看| 午夜日本视频在线| 亚洲美女视频黄频| 色视频在线一区二区三区| 国产在视频线精品| 秋霞在线观看毛片| 十八禁高潮呻吟视频| 免费人成在线观看视频色| 亚洲,欧美精品.| 中文字幕人妻丝袜制服| 婷婷色麻豆天堂久久| 极品人妻少妇av视频| av天堂久久9| 我要看黄色一级片免费的| 99热这里只有是精品在线观看| 如何舔出高潮| 久久久国产欧美日韩av| 久热这里只有精品99| 乱码一卡2卡4卡精品| 精品国产一区二区三区四区第35| 一区二区日韩欧美中文字幕 | 亚洲精品美女久久久久99蜜臀 | 欧美日韩一区二区视频在线观看视频在线| 18在线观看网站| 精品久久国产蜜桃| 美女福利国产在线| 黄网站色视频无遮挡免费观看| 赤兔流量卡办理| 久久免费观看电影| 亚洲国产av影院在线观看| 色哟哟·www| 一区二区三区四区激情视频| 国产亚洲精品久久久com| 三级国产精品片| 男女无遮挡免费网站观看| 另类亚洲欧美激情| 国产成人精品在线电影| 免费人妻精品一区二区三区视频| 最近最新中文字幕免费大全7| 久久精品久久精品一区二区三区| 亚洲精品第二区| 久久久久久久亚洲中文字幕| 日本黄色日本黄色录像| 成人毛片60女人毛片免费| 免费观看a级毛片全部| 一本色道久久久久久精品综合| 久久久精品94久久精品| 亚洲精品美女久久久久99蜜臀 | 国产日韩欧美在线精品| 看免费成人av毛片| 一级,二级,三级黄色视频| 午夜激情久久久久久久| 国产精品久久久久久av不卡| 一边摸一边做爽爽视频免费| 国产成人精品一,二区| 精品国产一区二区三区久久久樱花| 黄片无遮挡物在线观看| 国产欧美另类精品又又久久亚洲欧美| 精品少妇久久久久久888优播| 中文乱码字字幕精品一区二区三区| 亚洲成人一二三区av| 青春草视频在线免费观看| videosex国产| 日韩不卡一区二区三区视频在线| 最近中文字幕高清免费大全6| 九九爱精品视频在线观看| 中国美白少妇内射xxxbb| 免费观看av网站的网址| av福利片在线| 综合色丁香网| 秋霞在线观看毛片| 成人综合一区亚洲| 夫妻性生交免费视频一级片| 欧美bdsm另类| 国产精品女同一区二区软件| 在线 av 中文字幕| 日日啪夜夜爽| 老司机影院毛片| 精品国产乱码久久久久久小说| av国产精品久久久久影院| 国产精品久久久久久久久免| 十八禁网站网址无遮挡| 91aial.com中文字幕在线观看| 黑人欧美特级aaaaaa片| 亚洲人与动物交配视频| 赤兔流量卡办理| av在线观看视频网站免费| 亚洲欧洲精品一区二区精品久久久 | 亚洲国产av影院在线观看| 日本爱情动作片www.在线观看| 欧美丝袜亚洲另类| 尾随美女入室| 亚洲精品久久久久久婷婷小说| 欧美精品av麻豆av| 毛片一级片免费看久久久久| 热re99久久精品国产66热6| 午夜免费男女啪啪视频观看| 国产成人精品久久久久久| 十分钟在线观看高清视频www| 美女xxoo啪啪120秒动态图| 一本大道久久a久久精品| 国产精品久久久av美女十八| 在线天堂中文资源库| 91国产中文字幕| 亚洲伊人久久精品综合| 国产片内射在线| 最近手机中文字幕大全| 十八禁高潮呻吟视频| 色网站视频免费| www.色视频.com| 99九九在线精品视频| 97在线人人人人妻| 免费高清在线观看日韩| 国产一区二区在线观看av| 91精品国产国语对白视频| 香蕉精品网在线| 久久女婷五月综合色啪小说| 日本wwww免费看| 黄色怎么调成土黄色| 久久99热6这里只有精品| 另类亚洲欧美激情| 亚洲av欧美aⅴ国产| 国产男人的电影天堂91| 国产亚洲精品久久久com| 欧美97在线视频| 狠狠婷婷综合久久久久久88av| 少妇人妻久久综合中文| 国产综合精华液| 秋霞在线观看毛片| 色5月婷婷丁香| 亚洲欧洲国产日韩| 国产精品久久久久久av不卡| 十八禁高潮呻吟视频| 免费av不卡在线播放| 波多野结衣一区麻豆| 精品久久国产蜜桃| 一本久久精品| 丝袜在线中文字幕| www.av在线官网国产| 国产一区二区在线观看日韩| 久久久久久久精品精品| 女的被弄到高潮叫床怎么办| 九草在线视频观看| 亚洲欧美成人综合另类久久久| 99久久综合免费| 黑人巨大精品欧美一区二区蜜桃 | av网站免费在线观看视频| 亚洲av.av天堂| 国语对白做爰xxxⅹ性视频网站| 伊人久久国产一区二区| 免费大片黄手机在线观看| 看非洲黑人一级黄片| 91精品伊人久久大香线蕉| 三上悠亚av全集在线观看| 99re6热这里在线精品视频| 免费观看在线日韩| 91国产中文字幕| av一本久久久久| 啦啦啦啦在线视频资源| 免费看光身美女| 十分钟在线观看高清视频www| 最近手机中文字幕大全| 国产av一区二区精品久久| 2022亚洲国产成人精品| 午夜免费鲁丝| av线在线观看网站| 香蕉丝袜av| 夫妻午夜视频| 亚洲 欧美一区二区三区| 色老头精品视频在线观看| 欧美黑人精品巨大| 日韩大码丰满熟妇| 免费一级毛片在线播放高清视频 | 少妇裸体淫交视频免费看高清 | 欧美精品亚洲一区二区| 精品亚洲成国产av| 亚洲性夜色夜夜综合| 女警被强在线播放| 一本大道久久a久久精品| 国产真人三级小视频在线观看| 久久天躁狠狠躁夜夜2o2o| 9色porny在线观看| 成人av一区二区三区在线看| 精品久久久久久久毛片微露脸| 狂野欧美激情性xxxx| 一级a爱视频在线免费观看| 99精品欧美一区二区三区四区| 亚洲人成伊人成综合网2020| 国产精品乱码一区二三区的特点 | 两人在一起打扑克的视频| 国产精品久久久久成人av| 久久亚洲精品不卡| 一区在线观看完整版| 91精品国产国语对白视频| 新久久久久国产一级毛片| 免费观看人在逋| 国产精品免费大片| 在线观看免费视频日本深夜| 91精品三级在线观看| 亚洲人成伊人成综合网2020| 中文亚洲av片在线观看爽 | 国产精品永久免费网站| 在线观看66精品国产| 大香蕉久久网| 精品熟女少妇八av免费久了| 午夜福利影视在线免费观看| 一区福利在线观看| 国产精品成人在线| 亚洲成人手机| 久久久久久免费高清国产稀缺| 女性生殖器流出的白浆| 两人在一起打扑克的视频| 一级黄色大片毛片| 国产精品.久久久| 欧美一级毛片孕妇| 色老头精品视频在线观看| 高清视频免费观看一区二区| 精品久久久久久电影网| 九色亚洲精品在线播放| 99精国产麻豆久久婷婷| 正在播放国产对白刺激| 男人舔女人的私密视频| 男女下面插进去视频免费观看| 黄色a级毛片大全视频| 久久国产乱子伦精品免费另类| 丝袜人妻中文字幕| 看片在线看免费视频| 一区福利在线观看| 成人黄色视频免费在线看| 国产成+人综合+亚洲专区| 另类亚洲欧美激情| 日韩有码中文字幕| 99国产精品一区二区三区| 99精品欧美一区二区三区四区| 久久久久久亚洲精品国产蜜桃av| 在线观看免费视频网站a站| 免费黄频网站在线观看国产| 高清毛片免费观看视频网站 | 丝袜人妻中文字幕| 亚洲成人手机| 国产蜜桃级精品一区二区三区 | 啦啦啦在线免费观看视频4| 精品久久久久久,| 国产精品久久视频播放| 丝袜美足系列| 亚洲精品一二三| bbb黄色大片| 免费日韩欧美在线观看| 99精品欧美一区二区三区四区| av片东京热男人的天堂| 国产精品一区二区精品视频观看| 亚洲精品粉嫩美女一区| svipshipincom国产片| 自线自在国产av| av超薄肉色丝袜交足视频| 亚洲欧美一区二区三区久久| 国产91精品成人一区二区三区| 亚洲欧美激情综合另类| 在线十欧美十亚洲十日本专区| 国产一卡二卡三卡精品| 国产精品亚洲av一区麻豆| 欧美日韩av久久| 十八禁网站免费在线| 国产区一区二久久| 精品国产超薄肉色丝袜足j| 精品国产一区二区三区久久久樱花| 日日夜夜操网爽| 91麻豆精品激情在线观看国产 | 女性生殖器流出的白浆| 国产成人啪精品午夜网站| 老熟女久久久| 又大又爽又粗| 色婷婷久久久亚洲欧美| 国产精品二区激情视频| aaaaa片日本免费| 精品国产超薄肉色丝袜足j| cao死你这个sao货| 欧美乱色亚洲激情| 黑丝袜美女国产一区| 黑人操中国人逼视频| 中文字幕人妻丝袜一区二区| 搡老乐熟女国产| 国产精品国产av在线观看| 美女扒开内裤让男人捅视频| av线在线观看网站| 一进一出抽搐动态| 999久久久精品免费观看国产| 日韩人妻精品一区2区三区| 在线十欧美十亚洲十日本专区| 天堂中文最新版在线下载| 国产免费男女视频| 少妇裸体淫交视频免费看高清 | 精品少妇一区二区三区视频日本电影| 亚洲人成77777在线视频| 国产一区二区三区视频了| 18禁美女被吸乳视频| 美女福利国产在线| 国产蜜桃级精品一区二区三区 | 亚洲专区中文字幕在线| 一边摸一边抽搐一进一小说 | 女性生殖器流出的白浆| 久久人妻av系列| av在线播放免费不卡| 欧美黄色淫秽网站| videos熟女内射| 一级,二级,三级黄色视频| 高清欧美精品videossex| 五月开心婷婷网| 国产精品欧美亚洲77777| 男女午夜视频在线观看| 欧美色视频一区免费| 欧美日韩av久久| 香蕉丝袜av| 久久国产亚洲av麻豆专区| 日韩欧美三级三区| 日韩欧美在线二视频 | 欧美日韩福利视频一区二区| 777久久人妻少妇嫩草av网站| 国产成人精品无人区| 欧美激情久久久久久爽电影 | 午夜福利影视在线免费观看| 色94色欧美一区二区| 亚洲欧美日韩高清在线视频| 他把我摸到了高潮在线观看| 狂野欧美激情性xxxx| 亚洲精品在线观看二区| 久久香蕉激情| 国产高清视频在线播放一区| 国产国语露脸激情在线看| av中文乱码字幕在线| 久久久久国产一级毛片高清牌| av在线播放免费不卡| 国产精品 欧美亚洲| av在线播放免费不卡| 亚洲avbb在线观看| 国产又爽黄色视频| e午夜精品久久久久久久| 天天躁夜夜躁狠狠躁躁| 人人妻人人澡人人看| 丝袜在线中文字幕| 69精品国产乱码久久久| 国产高清视频在线播放一区| 精品免费久久久久久久清纯 | videosex国产| 国精品久久久久久国模美| 99在线人妻在线中文字幕 | 精品视频人人做人人爽| 国产精品亚洲av一区麻豆| 亚洲伊人色综图| 国产欧美日韩一区二区精品| 亚洲精品成人av观看孕妇| 国产av精品麻豆| 色综合婷婷激情| 国产午夜精品久久久久久| 91精品国产国语对白视频| 亚洲性夜色夜夜综合| 黑人操中国人逼视频| 人人妻人人澡人人爽人人夜夜| 91精品国产国语对白视频| 欧美激情极品国产一区二区三区| 亚洲精品久久午夜乱码| 亚洲精品美女久久久久99蜜臀| 精品一区二区三区av网在线观看| 国产一卡二卡三卡精品| 中文字幕最新亚洲高清| 91麻豆精品激情在线观看国产 | av天堂久久9| 国产欧美日韩一区二区三| 国产aⅴ精品一区二区三区波| 国产免费av片在线观看野外av| 夫妻午夜视频| 成年动漫av网址| 国产亚洲欧美精品永久| 国产真人三级小视频在线观看| 婷婷丁香在线五月| 免费少妇av软件| 久久久久视频综合| 亚洲国产精品sss在线观看 | 亚洲精品美女久久久久99蜜臀| 淫妇啪啪啪对白视频| 亚洲成av片中文字幕在线观看| 黄色a级毛片大全视频| 99re6热这里在线精品视频| 人妻丰满熟妇av一区二区三区 | 亚洲五月婷婷丁香| 丰满饥渴人妻一区二区三| 午夜精品在线福利| 国产高清视频在线播放一区| 无人区码免费观看不卡| 精品亚洲成a人片在线观看| 欧美成人免费av一区二区三区 | 在线看a的网站| 老司机在亚洲福利影院| 中文欧美无线码| 欧美日韩亚洲高清精品| 无人区码免费观看不卡| 日本五十路高清| 亚洲第一欧美日韩一区二区三区| 国产真人三级小视频在线观看| 搡老乐熟女国产| 大香蕉久久网| 不卡av一区二区三区| 免费人成视频x8x8入口观看| 日本黄色视频三级网站网址 | 国产亚洲精品久久久久久毛片 | 国产99白浆流出|