• <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 ?

    基于奇異值分解的木材細(xì)胞切片識(shí)別算法*

    2016-01-27 10:58:12孫永科,曹涌,熊飛
    西部林業(yè)科學(xué) 2015年6期

    ?

    基于奇異值分解的木材細(xì)胞切片識(shí)別算法*

    孫永科1,曹涌1,熊飛1,邱堅(jiān)2

    (1.西南林業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,云南昆明650224;2.西南林業(yè)大學(xué) 材料工程學(xué)院,云南昆明650224)

    摘要:木材細(xì)胞切片識(shí)別需要對(duì)圖片進(jìn)行降維處理,提取最大特征數(shù)據(jù)來進(jìn)行識(shí)別。相似度高的切片由于它們的最大特征的范數(shù)相近,所以很難區(qū)分。針對(duì)這種情況,提出了一種基于RealAdaBoost+SVD-n的細(xì)胞切片識(shí)別算法,該算法首先計(jì)算切片圖像的奇異值,將奇異值按從大到小的順序排列,然后去掉前n項(xiàng)較大的值,使用剩余項(xiàng)作為圖片特征,利用RealAdaBoost分類器進(jìn)行訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明,該方法不僅能夠識(shí)別差異較大的木材切片,而且還能夠很好地區(qū)分較為相似的細(xì)胞切片,該識(shí)別算法具有很好的魯棒性。

    關(guān)鍵詞:木材識(shí)別;奇異值;細(xì)胞切片;AdaBoost

    木材的識(shí)別技術(shù)在生產(chǎn)生活中經(jīng)常使用且具有重要的意義。首先,木材材種的快速有效鑒別方法可以幫助有關(guān)部門及時(shí)查處非法交易的珍貴木材資源,有保護(hù)資源的作用。其次,還可以對(duì)從國(guó)外進(jìn)口的各種物品的木質(zhì)包裝進(jìn)行檢測(cè),防止非法木質(zhì)材料以及木材上帶有的有害物種進(jìn)入中國(guó)。最后也可以用在木質(zhì)家具市場(chǎng)中,用來鑒別家具的真實(shí)材料。

    傳統(tǒng)的木材識(shí)別技術(shù)需要較長(zhǎng)的鑒別時(shí)間,而木材的快速識(shí)別技術(shù),目前的研究成果主要有3種:第一種是基于宏觀的木紋識(shí)別,第二種是基于DNA技術(shù)的木材識(shí)別,第三種是基于微觀的細(xì)胞切片木材識(shí)別。基于宏觀的木紋識(shí)別技術(shù)主要依靠個(gè)人的經(jīng)驗(yàn),準(zhǔn)確率不高;基于DNA的木材識(shí)別技術(shù)雖然準(zhǔn)確率很高,但是成本高,周期長(zhǎng);基于微觀的細(xì)胞切片的木材識(shí)別技術(shù),識(shí)別的速度快,費(fèi)用低,適合目前的需求。如果將第三種木材識(shí)別技術(shù)和計(jì)算機(jī)相結(jié)合,將大大提高識(shí)別效率,降低費(fèi)用。

    謝沛宏等通過分析木材切片的管孔特征來識(shí)別木材[1],方益明等采用基于傅里葉變換和獨(dú)立成分分析技術(shù)對(duì)木材進(jìn)行識(shí)別[2],劉子豪等采用KPCA+gentleAdaBoost的方法對(duì)木材細(xì)胞切片進(jìn)行識(shí)別[3~4],這些方法都取得了較好的效果。

    近些年來由于人臉識(shí)別技術(shù)的不斷提高,奇異值分解越來越廣泛地應(yīng)用到人臉的識(shí)別系統(tǒng)中,并且取得了非常好的效果[5],結(jié)合特征值降維方法[6],可以有效地提高計(jì)算的速度。將這些算法應(yīng)用在材種切片細(xì)胞圖片的識(shí)別中,也取得較好的識(shí)別效果。通過實(shí)驗(yàn)發(fā)現(xiàn),使用SVD+AdaBoost的識(shí)別效果優(yōu)于使用PCA/KPCA+AdaBoost的識(shí)別效果,在材種圖片比較相似的時(shí)候,SVD、PCA、KPCA提取的主要特征值都有很大的相似性,區(qū)分度不高。本研究提出了一種基于奇異值分解的木材切片識(shí)別算法,該算法去掉了相似度最為接近的幾個(gè)主要特征值,在剩余的次要特征值中重新選擇若干主要特征進(jìn)行識(shí)別,算法能夠?qū)D片進(jìn)行降維處理而且具有很好的魯棒性。通過使用不同的分類器和特征值進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明,本研究提出的方法識(shí)別率較高,可以對(duì)木材切片進(jìn)行較為準(zhǔn)確的分類。

    1特征值識(shí)別算法比較和分析

    實(shí)驗(yàn)使用的數(shù)據(jù)來自中國(guó)國(guó)家林業(yè)科學(xué)數(shù)據(jù)網(wǎng)站,該網(wǎng)站共有178個(gè)材種標(biāo)本的橫截面細(xì)胞切片,圖片共計(jì)826張。實(shí)驗(yàn)選取數(shù)據(jù)庫中具有代表性的10個(gè)材種作為實(shí)驗(yàn)樣本,樣本的材種名稱(編號(hào))為,楓香樹(1)、楓楊(2)、核桃(3)、紅樺(4)、黃榿(5)、苦梓含笑(6)、榕樹(7)、三秋懸鈴木(8)、榆樹(9)、云南黃杞(10)。為了和文獻(xiàn)[3]中的方法進(jìn)行對(duì)比,特征值算法選取奇異值PCA和KPCA,分類器選取SVM和AdaBoost,在matlab中,使用不同的組合進(jìn)行訓(xùn)練和測(cè)試。

    1.1SVM+SVD/PCA/KPCA

    使用SVM分類器對(duì)SVD、PCA和KPCA進(jìn)行分類。SVM分類器使用C-SVC多分類參數(shù),核函數(shù)使用polynomial,其表達(dá)式為(gamma*u′*v+coef0)^degree,degree=3。實(shí)驗(yàn)圖片取2/3作為訓(xùn)練數(shù)據(jù),1/3用來進(jìn)行測(cè)試。實(shí)驗(yàn)選取特征值的前n項(xiàng)作為訓(xùn)練和和測(cè)試的數(shù)據(jù)。當(dāng)n取不同的值時(shí)系統(tǒng)的平均識(shí)別率見圖1。

    a1b1c1a2b2c2

    圖1SVM算法中前n項(xiàng)特征識(shí)別率

    Fig.1Firstnrecognition rate of SVM

    在圖1中橫坐標(biāo)表示n的取值,縱坐標(biāo)表示識(shí)別的正確率。從圖1中可以看出,隨著n取值的增大,識(shí)別的正確率慢慢收斂于某一個(gè)定值。 SVM+PCA的識(shí)別率最穩(wěn)定,SVM+KPCA的識(shí)別率為零,SVM+SVD的識(shí)別率在n取值較小的情況下最高。

    根據(jù)圖1中SVD的正確率分布,挑選前25項(xiàng)最大值,對(duì)圖像進(jìn)行反向還原,其效果見圖2。

    a1b1c1a2b2c2

    圖2SVD最大特征值還原效果

    Fig.2Image reconstruct with max number of SVD

    從還原的結(jié)果可以明顯看出,前25項(xiàng)最大特征值已經(jīng)包含了原圖的主要特征,因此實(shí)驗(yàn)選擇特征值的前25項(xiàng)進(jìn)行訓(xùn)練和測(cè)試,分別以每一類材種作為測(cè)試樣本,其他作為訓(xùn)練數(shù)據(jù),經(jīng)過10次實(shí)驗(yàn),測(cè)試的結(jié)果如圖3所示。圖3(a)中的橫坐標(biāo)代表10個(gè)不同的材種,縱坐標(biāo)表示材種的最大識(shí)別率,圖3(b)中的橫坐標(biāo)代表10個(gè)不同的材種,縱坐標(biāo)表示識(shí)別率的方差。

    從圖3中發(fā)現(xiàn),使用SVM分類器時(shí),系統(tǒng)的識(shí)別正確率非常不穩(wěn)定,同一材種因標(biāo)本不同其識(shí)別率存在較大的差異,這意味著模型對(duì)沒有參與訓(xùn)練的圖片很難正確識(shí)別。

    (a)最大識(shí)別率(b)識(shí)別率方差

    圖3SVM實(shí)驗(yàn)結(jié)果

    Fig.3Experiment result of SVM

    1.2AdaBoost+SVD/PCA/KPCA

    AdaBoost算法使用sprtools工具箱中的RealAdaBoost進(jìn)行訓(xùn)練,參數(shù)weak_linear參數(shù)設(shè)置為3。使用classify函數(shù)進(jìn)行分類測(cè)試。實(shí)驗(yàn)取1/2作為訓(xùn)練正樣本,其他材種的圖片作為負(fù)樣本,經(jīng)過多次試驗(yàn)后,統(tǒng)計(jì)數(shù)據(jù)結(jié)果見圖4。

    在圖4中,橫坐標(biāo)都代表測(cè)試的材種,圖4(a)中的縱坐標(biāo)表示材種的平均識(shí)別正確率,圖4(b)中的縱坐標(biāo)表示識(shí)別率的方差。實(shí)驗(yàn)結(jié)果表明,在RealAdaBoost分類器中使用PCA作為特征值與使用KPCA作為特征值的分類效果一樣,使用SVD作為特征值的分類效果較差。采用SVD特征值的識(shí)別時(shí),個(gè)別材種很難被正確識(shí)別,但是采用SVD特征值時(shí)的總體效果優(yōu)于其他方案。

    (a)平均識(shí)別率(b)識(shí)別率方差

    圖4RealAdaBoost訓(xùn)練結(jié)果

    Fig.4Training result of RealAdaBoost

    在選擇分類器時(shí),使用RealAdaBoost分類器的整體識(shí)別效果優(yōu)于使用SVM分類器。對(duì)于較為相似的圖像,兩者的識(shí)別率都較低。

    1.3RealAdaBoost+SVD-n

    通過對(duì)個(gè)別識(shí)別率較低的材種進(jìn)行觀察發(fā)現(xiàn),導(dǎo)致識(shí)別率低的主要原因是由于材種的細(xì)胞橫切面圖片比較相似,由此產(chǎn)生的特征值比較相近,因此導(dǎo)致識(shí)別錯(cuò)誤。

    通過觀察特征值的分布規(guī)律,發(fā)現(xiàn)特征的最大項(xiàng)主要集中在前2項(xiàng),在相似的圖片中2項(xiàng)的值極為相似,而且占的比重較大。后面的n項(xiàng)數(shù)據(jù)雖然很小,但是差異較大。因此,第三個(gè)實(shí)驗(yàn)方案選擇使用Adaboost分類器和去掉前n項(xiàng)的特征值作為訓(xùn)練數(shù)據(jù)。為了提高系統(tǒng)的穩(wěn)定性,本實(shí)驗(yàn)使用多次實(shí)驗(yàn)的最小識(shí)別率作為衡量標(biāo)準(zhǔn)。由于當(dāng)n>3時(shí),系統(tǒng)的迭代次數(shù)過多,所以此處只討論n=1,2,3的情況。

    (a)SVD-n(b)PCA-n(c)KPCA-n

    圖5去掉前n項(xiàng)的最小識(shí)別率

    Fig.5Minimum recognition rate without first n

    圖5中的橫坐標(biāo)代表10種不同的木材,縱坐標(biāo)表示識(shí)別的最小正確率,三條線分別表示當(dāng)n=1,2,3時(shí)的識(shí)別效果。圖5(a)表示使用去掉前n項(xiàng)SVD最大值的識(shí)別率分布,可以看出隨著n的增大,個(gè)別材種的識(shí)別準(zhǔn)確率在不斷提高,圖5(b)中個(gè)別材種的識(shí)別率隨著n的增加也在不斷提高,圖5(c)中去掉前2項(xiàng)和去掉前3項(xiàng)的識(shí)別率是一樣的。由此可見在n=2時(shí),這些材種的識(shí)別率最好。

    2實(shí)驗(yàn)結(jié)果

    實(shí)驗(yàn)1.1的結(jié)果表明該方法因材種的不同其識(shí)別的準(zhǔn)確率和穩(wěn)定性存在較大的差異。圖6(a)是不同材種在多次實(shí)驗(yàn)時(shí)的最低識(shí)別率統(tǒng)計(jì),圖6(b)是最大識(shí)別率統(tǒng)計(jì)圖,表1是實(shí)驗(yàn)結(jié)果的具體數(shù)據(jù),表格中的第一列表示特征值的種類,第二列n表示特征值去掉前n項(xiàng)。實(shí)驗(yàn)數(shù)據(jù)表明所有的實(shí)驗(yàn)對(duì)象幾乎都存在無法識(shí)別的情況。

    (a)最小識(shí)別率(b)最大識(shí)別率

    圖6 SVM+SVD實(shí)驗(yàn)結(jié)果

    注:“-”表示值為0。

    表2是最小識(shí)別率的統(tǒng)計(jì)。表2數(shù)據(jù)表明大部分的測(cè)試樣本都能被完全識(shí)別,在使用SVD作為特征值的情況下,當(dāng)n=0時(shí),2號(hào)樣本無法被識(shí)別,其他樣本都可以被準(zhǔn)確識(shí)別和區(qū)分,當(dāng)n增大時(shí),2號(hào)樣本的識(shí)別率提高到100 %,但是10號(hào)樣本的識(shí)別率有所降低。實(shí)驗(yàn)數(shù)據(jù)表明,隨著n的變化個(gè)別材種的識(shí)別率會(huì)發(fā)生變化,但總體識(shí)別率隨著n的增加而提高;使用PCA作為特征值時(shí),識(shí)別率與n之間的關(guān)系不明顯并且平均識(shí)別率低于使用SVD的識(shí)別方法;使用KPCA作為特征值的識(shí)別方法,識(shí)別率雖然隨著n的增加也呈上升趨勢(shì),但是識(shí)別效果不如使用SVD時(shí)明顯。

    結(jié)合表1和表2可知,當(dāng)n=3時(shí),系統(tǒng)的總體識(shí)別效果最好,說明在這幾組實(shí)驗(yàn)中RealAdaBoost + SVD-3的實(shí)驗(yàn)方案識(shí)別效果最好。

    表2 RealAdaBoost最小識(shí)別率統(tǒng)計(jì)

    注:“+”表示值為1。

    3結(jié)論

    木材識(shí)別計(jì)算機(jī)化不僅可以提高識(shí)別效率,而且能夠降低識(shí)別成本。木材細(xì)胞切片識(shí)別是木材識(shí)別領(lǐng)域的研究熱點(diǎn),研究木材圖像的計(jì)算機(jī)識(shí)別方法具有重要意義。本研究提出了一種基于RealAdaBoost+SVD-n的木材識(shí)別算法,該算法的識(shí)別率較高,穩(wěn)定性好。通過實(shí)驗(yàn)對(duì)比分析,可以得到以下結(jié)論:

    (1)木材細(xì)胞圖片的奇異值最大的一些值代表圖像的主要特征,細(xì)胞切片越相似,主要特征值越接近。

    (2)奇異值中次要特征值中最大的一些值能夠體現(xiàn)細(xì)節(jié)信息,可以用來區(qū)分較為相似的圖片。

    (3)RealAdaBoost分類器的分類效果優(yōu)于SVM分類器。

    該算法在《海門口遺址木質(zhì)文物保護(hù)關(guān)鍵技術(shù)研究與應(yīng)用》項(xiàng)目中已經(jīng)應(yīng)用,并取得了較好的效果。

    參考文獻(xiàn):

    [1]謝沛宏,陳華,徐峰,等.基于管孔特征的木材樹種圖像識(shí)別[J].廣西科學(xué)院學(xué)報(bào),2011,27(4):323-325.

    [2]方益明,鄭紅平,馮海林.基于傅里葉變換和獨(dú)立成分分析的木材顯微圖像特征提取與識(shí)別[J].浙江林學(xué)院學(xué)報(bào),2010,27(6):826-830.

    [3]劉子豪,祁亨年,張廣群,等.基于橫切面微觀構(gòu)造圖像的木材識(shí)別方法[J].林業(yè)科學(xué),2013,49(11):116-121.

    [4]徐劍,張洪偉.Adaboost算法分類器的設(shè)計(jì)與應(yīng)用[J].四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,21(27):28-31.

    [5]李曉東,基于子空間和流行學(xué)習(xí)的人臉識(shí)別算法研究[M].濟(jì)南:山東人民出版社,2013.

    [6]Klema V C.The singular value deeomposition:Its computation and some application[J].IEEE Transactions on Automatic Control,1980,25:164-176.

    The Recognize Algorithm of Wood Cell Section Based on

    Singular Value Decomposition

    Sun Yong-ke1,Cao Yong1,Xiong Fei1,Qiu Jian2

    (1.School of Computer and Information Science, Southwest Forestry University, Kunming Yunnan 650224,P.R.China;

    2.School of materials engineering, Southwest Forestry University, Kunming Yunnan 650224,P.R.China)

    Abstract:For recognizing wood cell section images, dimension reduction should be made to extract the major characteristic data.Since the similar the cell images the closer eigen values of the norms, small images could hardly be identified.For this reason, an improved cell section identification method based on RealAdaBoost + SVD-n was suggested.Firstly, singular values of cell section image was calculated and it was arranged from big to small.Then the top n singular values was removed, and the remains was used as image characteristics for testing by RealAdaBoost.The results showed that this method could not only recognize the wood cell section images with great differences but also could well distinguish similar cell section images.This recognize algorithm showed good robustness.

    Key words:wood recognition;singular value decomposition; cell section;AdaBoost

    中圖分類號(hào):TP 391.41

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1672-8246(2015)06-0077-05

    通訊作者簡(jiǎn)介:邱堅(jiān)(1965-),男,教授,博士,主要從事木材科學(xué)研究。E-mail:13759512363@qq.com

    作者簡(jiǎn)介:第一孫永科(1980-),男,講師,碩士,主要從事計(jì)算機(jī)圖形圖像研究。E-mail:Sunyongke@swfu.edu.cn

    基金項(xiàng)目:云南省社會(huì)發(fā)展科技計(jì)劃(2011CA020),云南省教育廳科學(xué)研究基金項(xiàng)目(2014Y323)。

    收稿日期:*2015-05-17

    doi10.16473/j.cnki.xblykx1972.2015.06.016

    99riav亚洲国产免费| 中出人妻视频一区二区| 欧美+亚洲+日韩+国产| 九九爱精品视频在线观看| 听说在线观看完整版免费高清| 亚洲av五月六月丁香网| 国产精品亚洲一级av第二区| 久久久国产成人精品二区| 少妇裸体淫交视频免费看高清| 大型黄色视频在线免费观看| 亚洲第一电影网av| 亚洲熟妇熟女久久| 黄色一级大片看看| 欧美丝袜亚洲另类 | 中亚洲国语对白在线视频| 国产伦一二天堂av在线观看| 99久久无色码亚洲精品果冻| 18禁黄网站禁片免费观看直播| 高清日韩中文字幕在线| 大又大粗又爽又黄少妇毛片口| 搡老妇女老女人老熟妇| 成人特级黄色片久久久久久久| 欧美日韩亚洲国产一区二区在线观看| 国内毛片毛片毛片毛片毛片| 久久热精品热| 久久久国产成人精品二区| 乱人视频在线观看| 一区二区三区高清视频在线| 99热这里只有是精品50| 高清毛片免费观看视频网站| www.色视频.com| 啦啦啦观看免费观看视频高清| 日韩欧美精品免费久久| 久久久成人免费电影| 国产精品1区2区在线观看.| 干丝袜人妻中文字幕| 免费看美女性在线毛片视频| 国产极品精品免费视频能看的| 国产av一区在线观看免费| 99riav亚洲国产免费| 99热只有精品国产| 12—13女人毛片做爰片一| 国产在线精品亚洲第一网站| 在线免费十八禁| 国产黄a三级三级三级人| 亚洲成人久久性| 精品久久久噜噜| 非洲黑人性xxxx精品又粗又长| 亚洲精品色激情综合| 1000部很黄的大片| 黄色欧美视频在线观看| 真人一进一出gif抽搐免费| 亚洲综合色惰| 熟女电影av网| av在线老鸭窝| 乱系列少妇在线播放| 亚洲国产欧美人成| 亚洲 国产 在线| 国产精品一区二区免费欧美| 亚洲五月天丁香| 久久精品国产清高在天天线| 三级男女做爰猛烈吃奶摸视频| 中文在线观看免费www的网站| videossex国产| 色吧在线观看| 国产精品久久久久久久电影| 人妻丰满熟妇av一区二区三区| 热99re8久久精品国产| 久久久久久久久久黄片| 在线观看免费视频日本深夜| 国产大屁股一区二区在线视频| 男插女下体视频免费在线播放| 亚洲18禁久久av| 永久网站在线| 99久久精品一区二区三区| 国产美女午夜福利| 久久久久久国产a免费观看| 国产三级中文精品| 精品午夜福利视频在线观看一区| 少妇裸体淫交视频免费看高清| 亚洲精品在线观看二区| 老司机深夜福利视频在线观看| 久久久国产成人精品二区| 日日干狠狠操夜夜爽| 国产精品无大码| 亚洲无线观看免费| 99久国产av精品| 国产高清有码在线观看视频| 国产极品精品免费视频能看的| 真人做人爱边吃奶动态| 欧美色欧美亚洲另类二区| 国产高清有码在线观看视频| 久久久成人免费电影| 国产女主播在线喷水免费视频网站 | 身体一侧抽搐| 国产精品电影一区二区三区| 99在线视频只有这里精品首页| 欧美一区二区国产精品久久精品| 久久人人精品亚洲av| 欧美区成人在线视频| 联通29元200g的流量卡| 日本撒尿小便嘘嘘汇集6| 久久久久久久精品吃奶| 久久精品影院6| 亚洲美女视频黄频| 成人av一区二区三区在线看| 国产欧美日韩精品一区二区| 桃色一区二区三区在线观看| 色综合站精品国产| 2021天堂中文幕一二区在线观| 欧美日韩瑟瑟在线播放| av在线老鸭窝| 午夜激情欧美在线| 丝袜美腿在线中文| 欧美日本亚洲视频在线播放| 国产乱人伦免费视频| 观看免费一级毛片| 亚洲最大成人手机在线| 麻豆国产97在线/欧美| 亚洲欧美日韩无卡精品| 亚洲中文字幕日韩| 午夜视频国产福利| 欧美一区二区国产精品久久精品| 欧美日韩国产亚洲二区| 九色成人免费人妻av| 波多野结衣高清作品| 啦啦啦观看免费观看视频高清| 国产精品爽爽va在线观看网站| 人妻制服诱惑在线中文字幕| videossex国产| 波多野结衣高清无吗| 色视频www国产| 国内少妇人妻偷人精品xxx网站| 韩国av在线不卡| 最好的美女福利视频网| 精品日产1卡2卡| 日本黄大片高清| 国产成人av教育| avwww免费| 在线播放国产精品三级| 国产精品久久久久久亚洲av鲁大| 久久久国产成人免费| 身体一侧抽搐| 欧美3d第一页| 日韩强制内射视频| 亚洲美女视频黄频| 成人毛片a级毛片在线播放| 亚洲国产日韩欧美精品在线观看| 亚洲一区高清亚洲精品| 午夜老司机福利剧场| 我要看日韩黄色一级片| 久久精品夜夜夜夜夜久久蜜豆| 欧美区成人在线视频| 国产在线男女| 欧美成人免费av一区二区三区| 亚洲va在线va天堂va国产| 精品午夜福利在线看| netflix在线观看网站| 国内久久婷婷六月综合欲色啪| 成人av在线播放网站| 亚洲国产精品成人综合色| 久久人人爽人人爽人人片va| 无遮挡黄片免费观看| 免费观看在线日韩| 美女被艹到高潮喷水动态| 欧美成人免费av一区二区三区| 久久国内精品自在自线图片| 在线观看美女被高潮喷水网站| 91麻豆精品激情在线观看国产| 色哟哟哟哟哟哟| 久久久久免费精品人妻一区二区| 国产精品美女特级片免费视频播放器| 别揉我奶头~嗯~啊~动态视频| 国产精品精品国产色婷婷| 亚洲美女视频黄频| 神马国产精品三级电影在线观看| 国产高清不卡午夜福利| 免费av观看视频| 九色国产91popny在线| 国产精品久久久久久久久免| 亚洲黑人精品在线| 麻豆国产97在线/欧美| 久久久成人免费电影| 午夜影院日韩av| av.在线天堂| 亚洲性久久影院| 欧美一级a爱片免费观看看| 成人亚洲精品av一区二区| 欧美激情在线99| 22中文网久久字幕| 国产v大片淫在线免费观看| 国产精品一区二区三区四区久久| 级片在线观看| 免费大片18禁| 三级国产精品欧美在线观看| 91精品国产九色| 天堂动漫精品| 国产伦一二天堂av在线观看| 久久久色成人| 日韩精品有码人妻一区| 人妻丰满熟妇av一区二区三区| 亚洲精品久久国产高清桃花| 一区二区三区高清视频在线| 国产精品亚洲一级av第二区| 看免费成人av毛片| 国产在线男女| 亚洲精华国产精华液的使用体验 | 99热精品在线国产| 国产精品永久免费网站| 极品教师在线视频| 又爽又黄无遮挡网站| 成年免费大片在线观看| 国产麻豆成人av免费视频| 嫩草影院入口| 制服丝袜大香蕉在线| 中文字幕熟女人妻在线| 久久精品综合一区二区三区| 十八禁网站免费在线| 国产高清激情床上av| 久久国产乱子免费精品| 国产男靠女视频免费网站| 国产女主播在线喷水免费视频网站 | 国产精华一区二区三区| 床上黄色一级片| 香蕉av资源在线| 黄色女人牲交| 一区福利在线观看| 国产私拍福利视频在线观看| 色噜噜av男人的天堂激情| av天堂在线播放| 国产免费一级a男人的天堂| 在线观看免费视频日本深夜| 欧美日韩国产亚洲二区| 日韩欧美在线乱码| 免费在线观看日本一区| 又黄又爽又刺激的免费视频.| 国内精品久久久久久久电影| 男人和女人高潮做爰伦理| 夜夜爽天天搞| 日本爱情动作片www.在线观看 | 看片在线看免费视频| 级片在线观看| 别揉我奶头 嗯啊视频| 最后的刺客免费高清国语| 两个人视频免费观看高清| 亚洲最大成人av| 国产av不卡久久| 国产成人福利小说| 亚洲熟妇中文字幕五十中出| 亚洲综合色惰| 99热网站在线观看| 久久精品国产自在天天线| 国产av在哪里看| 日韩欧美国产一区二区入口| 91久久精品国产一区二区三区| 日日干狠狠操夜夜爽| 国产精品女同一区二区软件 | 久久久国产成人免费| 麻豆国产av国片精品| 亚洲欧美精品综合久久99| 级片在线观看| 少妇的逼水好多| 欧美激情久久久久久爽电影| 亚洲成人久久性| 18禁黄网站禁片免费观看直播| 亚洲av免费在线观看| 黄色视频,在线免费观看| 色播亚洲综合网| 成人性生交大片免费视频hd| 国产精品伦人一区二区| 99久久成人亚洲精品观看| 乱码一卡2卡4卡精品| 精品久久久噜噜| 老师上课跳d突然被开到最大视频| 国产成人a区在线观看| 99久久成人亚洲精品观看| 亚洲人成网站高清观看| 乱码一卡2卡4卡精品| 久久久精品大字幕| 成人一区二区视频在线观看| 可以在线观看毛片的网站| 99精品在免费线老司机午夜| 日日摸夜夜添夜夜添小说| 午夜日韩欧美国产| 国产伦在线观看视频一区| 搡老熟女国产l中国老女人| 成人永久免费在线观看视频| 欧美日韩国产亚洲二区| 亚洲最大成人中文| 一个人看视频在线观看www免费| 国产在线男女| 真人做人爱边吃奶动态| 国产精品人妻久久久久久| 国产伦在线观看视频一区| 99久久九九国产精品国产免费| 少妇高潮的动态图| 免费av不卡在线播放| 成年女人看的毛片在线观看| ponron亚洲| av天堂在线播放| 欧美日韩精品成人综合77777| 国产免费av片在线观看野外av| 欧美黑人欧美精品刺激| 精品久久国产蜜桃| 最近视频中文字幕2019在线8| 岛国在线免费视频观看| videossex国产| 简卡轻食公司| 51国产日韩欧美| 高清毛片免费观看视频网站| 亚洲va在线va天堂va国产| 三级毛片av免费| 午夜福利成人在线免费观看| 直男gayav资源| 欧美一区二区国产精品久久精品| 97超视频在线观看视频| 丰满乱子伦码专区| 99久久无色码亚洲精品果冻| 99久久精品国产国产毛片| 夜夜爽天天搞| 欧美成人a在线观看| 性色avwww在线观看| 99在线视频只有这里精品首页| 亚洲国产色片| 老司机午夜福利在线观看视频| 国产久久久一区二区三区| 免费观看精品视频网站| 天天一区二区日本电影三级| 人妻丰满熟妇av一区二区三区| 波多野结衣巨乳人妻| 看免费成人av毛片| 悠悠久久av| 色在线成人网| 免费不卡的大黄色大毛片视频在线观看 | 最后的刺客免费高清国语| 国产亚洲精品久久久com| 成人二区视频| 国产av一区在线观看免费| 中文字幕久久专区| 日韩欧美精品免费久久| 欧美日韩瑟瑟在线播放| 国产伦在线观看视频一区| 午夜久久久久精精品| 99久久无色码亚洲精品果冻| 黄色视频,在线免费观看| 麻豆国产97在线/欧美| 超碰av人人做人人爽久久| 欧美黑人巨大hd| 日韩 亚洲 欧美在线| 亚洲男人的天堂狠狠| 久久人妻av系列| 老司机午夜福利在线观看视频| 成人综合一区亚洲| 精品久久久久久久人妻蜜臀av| 国产乱人伦免费视频| 精品人妻偷拍中文字幕| 久久久成人免费电影| 床上黄色一级片| 国产蜜桃级精品一区二区三区| 日韩欧美三级三区| 狂野欧美激情性xxxx在线观看| 国产精品久久视频播放| 精品无人区乱码1区二区| 色av中文字幕| 精品久久久久久久久久免费视频| 国产伦在线观看视频一区| 国产精品亚洲一级av第二区| av天堂在线播放| 美女黄网站色视频| 搡老妇女老女人老熟妇| 国产精华一区二区三区| 成人二区视频| 少妇的逼水好多| 神马国产精品三级电影在线观看| 九色国产91popny在线| 欧美绝顶高潮抽搐喷水| 精品人妻视频免费看| 超碰av人人做人人爽久久| 在线免费观看不下载黄p国产 | 国产免费一级a男人的天堂| 丰满人妻一区二区三区视频av| 亚洲精品久久国产高清桃花| 精品久久久久久久久久久久久| 小说图片视频综合网站| 国产伦精品一区二区三区视频9| 欧美在线一区亚洲| 中出人妻视频一区二区| 国产毛片a区久久久久| 日韩中字成人| 久久久久久久精品吃奶| 亚洲久久久久久中文字幕| 看免费成人av毛片| 久久精品国产自在天天线| 两个人视频免费观看高清| 欧美成人免费av一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲欧美日韩无卡精品| 最近中文字幕高清免费大全6 | 日韩大尺度精品在线看网址| 亚洲中文字幕一区二区三区有码在线看| 国产精品一及| 午夜免费激情av| 国产高清三级在线| 身体一侧抽搐| 亚洲国产欧洲综合997久久,| 久久午夜福利片| 亚洲欧美精品综合久久99| 国产精品一区二区三区四区免费观看 | 99久久成人亚洲精品观看| 三级男女做爰猛烈吃奶摸视频| 黄色女人牲交| 欧美成人一区二区免费高清观看| 国产又黄又爽又无遮挡在线| 国语自产精品视频在线第100页| 他把我摸到了高潮在线观看| 男插女下体视频免费在线播放| 天堂网av新在线| 午夜福利高清视频| 亚洲最大成人av| 夜夜夜夜夜久久久久| 成人高潮视频无遮挡免费网站| www日本黄色视频网| 欧美黑人巨大hd| 十八禁国产超污无遮挡网站| av.在线天堂| 男女边吃奶边做爰视频| 一级黄片播放器| 久久久久久久久久成人| 在线观看一区二区三区| 性色avwww在线观看| 日本一本二区三区精品| 欧美一区二区精品小视频在线| 亚洲无线在线观看| 亚洲精品456在线播放app | 亚洲熟妇熟女久久| 一进一出抽搐动态| 色5月婷婷丁香| 日本 av在线| 给我免费播放毛片高清在线观看| 国产高清三级在线| 日韩人妻高清精品专区| 一个人免费在线观看电影| 别揉我奶头 嗯啊视频| 国产精品久久久久久久电影| 国产又黄又爽又无遮挡在线| videossex国产| 亚洲人成网站高清观看| 欧美一区二区精品小视频在线| 我要搜黄色片| 高清在线国产一区| 国产爱豆传媒在线观看| 国产精品精品国产色婷婷| 国产精品久久电影中文字幕| 国产精品久久久久久久电影| 琪琪午夜伦伦电影理论片6080| 成年免费大片在线观看| 欧美最新免费一区二区三区| 亚洲av日韩精品久久久久久密| 人妻少妇偷人精品九色| 国产亚洲精品久久久久久毛片| 国产一区二区在线av高清观看| 在线看三级毛片| 免费无遮挡裸体视频| 亚洲精品色激情综合| 国产日本99.免费观看| 免费看光身美女| 久久中文看片网| 中国美女看黄片| 欧美潮喷喷水| eeuss影院久久| 日韩亚洲欧美综合| 熟妇人妻久久中文字幕3abv| 婷婷六月久久综合丁香| 国模一区二区三区四区视频| 啦啦啦韩国在线观看视频| 色噜噜av男人的天堂激情| 亚洲四区av| 免费av观看视频| 黄片wwwwww| 麻豆国产av国片精品| 欧美激情久久久久久爽电影| 国产男人的电影天堂91| 特大巨黑吊av在线直播| 日韩中文字幕欧美一区二区| 舔av片在线| 高清在线国产一区| 日日啪夜夜撸| 性插视频无遮挡在线免费观看| 黄色欧美视频在线观看| 欧美日本亚洲视频在线播放| 女人十人毛片免费观看3o分钟| 淫妇啪啪啪对白视频| 亚洲精品日韩av片在线观看| 一本久久中文字幕| 亚洲国产日韩欧美精品在线观看| 少妇丰满av| 国产精品美女特级片免费视频播放器| 日韩,欧美,国产一区二区三区 | 免费观看在线日韩| 欧美一区二区亚洲| 国产成人a区在线观看| 色在线成人网| 成年人黄色毛片网站| 熟妇人妻久久中文字幕3abv| 亚州av有码| 精品日产1卡2卡| 国产一区二区三区视频了| 日本爱情动作片www.在线观看 | 国产 一区 欧美 日韩| 亚洲专区中文字幕在线| 69av精品久久久久久| 日韩在线高清观看一区二区三区 | 嫩草影院精品99| 国产高清三级在线| 国产一区二区在线观看日韩| 午夜爱爱视频在线播放| 亚洲专区国产一区二区| 18禁在线播放成人免费| 天堂网av新在线| 热99在线观看视频| 两人在一起打扑克的视频| 一区二区三区激情视频| 国产精品女同一区二区软件 | 黄色女人牲交| 欧美3d第一页| 久久久久久九九精品二区国产| 性插视频无遮挡在线免费观看| 国产精品不卡视频一区二区| 波多野结衣高清作品| 老司机午夜福利在线观看视频| 国内少妇人妻偷人精品xxx网站| 一边摸一边抽搐一进一小说| 伦精品一区二区三区| 久久久久久国产a免费观看| 最近最新中文字幕大全电影3| 无遮挡黄片免费观看| 99精品久久久久人妻精品| 婷婷精品国产亚洲av| 欧美性猛交╳xxx乱大交人| 国内精品久久久久精免费| 无遮挡黄片免费观看| 国产精品一区www在线观看 | 亚州av有码| 特大巨黑吊av在线直播| 久久热精品热| 一本一本综合久久| 亚洲色图av天堂| 日韩欧美免费精品| 窝窝影院91人妻| www.色视频.com| 亚洲av电影不卡..在线观看| 两个人的视频大全免费| 久久亚洲真实| 在线播放无遮挡| 精品久久久久久久久av| 精品久久久久久久久久久久久| 精品久久久久久,| 51国产日韩欧美| 国内精品美女久久久久久| 久久午夜福利片| 看免费成人av毛片| 国产精品自产拍在线观看55亚洲| 日韩大尺度精品在线看网址| 搡女人真爽免费视频火全软件 | 亚洲自偷自拍三级| 中文字幕免费在线视频6| 免费看a级黄色片| 国产精品一区www在线观看 | 狠狠狠狠99中文字幕| 中国美白少妇内射xxxbb| 国产av不卡久久| 国产色爽女视频免费观看| 一a级毛片在线观看| 免费看av在线观看网站| 国产免费一级a男人的天堂| 欧美成人一区二区免费高清观看| 国产免费男女视频| 欧美性感艳星| 精品久久久噜噜| 99久久中文字幕三级久久日本| 一级黄片播放器| 12—13女人毛片做爰片一| 男人和女人高潮做爰伦理| 九九在线视频观看精品| 日本 欧美在线| 天天一区二区日本电影三级| 嫩草影院精品99| 中文字幕av在线有码专区| 亚洲国产欧美人成| 日日夜夜操网爽| 久久久久久久久久黄片| 乱码一卡2卡4卡精品| 国产精品一及| 国产aⅴ精品一区二区三区波| 香蕉av资源在线| 国产av一区在线观看免费| 热99在线观看视频| 九九爱精品视频在线观看| 久久这里只有精品中国| 亚洲欧美激情综合另类| 此物有八面人人有两片| 啪啪无遮挡十八禁网站| 欧美绝顶高潮抽搐喷水| 欧美zozozo另类| 久久久久国产精品人妻aⅴ院| 日本爱情动作片www.在线观看 | 欧美一级a爱片免费观看看| 免费不卡的大黄色大毛片视频在线观看 | 淫妇啪啪啪对白视频| 97超视频在线观看视频| 观看免费一级毛片| 亚洲精品色激情综合| 亚洲欧美日韩高清在线视频| 88av欧美| 精品国内亚洲2022精品成人|