• <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

    日本一本二区三区精品| 国产熟女欧美一区二区| 男女下面进入的视频免费午夜| 99在线人妻在线中文字幕| 97热精品久久久久久| 美女高潮的动态| 成人欧美大片| 亚洲一区二区三区色噜噜| 99久久精品热视频| 国产高清有码在线观看视频| 欧美3d第一页| 亚洲国产日韩欧美精品在线观看| 22中文网久久字幕| 色综合站精品国产| 51国产日韩欧美| 老师上课跳d突然被开到最大视频| 亚洲va日本ⅴa欧美va伊人久久| 男人舔奶头视频| 久久久久久久久久黄片| videossex国产| 如何舔出高潮| 欧美精品啪啪一区二区三区| 成人三级黄色视频| 极品教师在线免费播放| 国产单亲对白刺激| 成人国产综合亚洲| 亚洲国产精品sss在线观看| 精品国产三级普通话版| 亚洲精品亚洲一区二区| 国产大屁股一区二区在线视频| 很黄的视频免费| 亚洲人与动物交配视频| 99热6这里只有精品| 春色校园在线视频观看| 三级毛片av免费| 欧美另类亚洲清纯唯美| 99热这里只有精品一区| 久久精品国产亚洲网站| 直男gayav资源| 欧美高清性xxxxhd video| 一本精品99久久精品77| 久久久精品大字幕| 国产日本99.免费观看| 国产成人aa在线观看| 美女cb高潮喷水在线观看| 啪啪无遮挡十八禁网站| 一区二区三区免费毛片| a在线观看视频网站| 少妇猛男粗大的猛烈进出视频 | 一进一出抽搐动态| 男人狂女人下面高潮的视频| 精品久久久久久久久久久久久| 亚洲精品乱码久久久v下载方式| 婷婷丁香在线五月| 国产精品国产高清国产av| 亚洲成人精品中文字幕电影| 欧美激情在线99| 国产69精品久久久久777片| 赤兔流量卡办理| 一进一出抽搐gif免费好疼| 国产伦精品一区二区三区视频9| 波多野结衣高清作品| 丰满的人妻完整版| 国产v大片淫在线免费观看| 少妇猛男粗大的猛烈进出视频 | 亚洲在线观看片| 日本撒尿小便嘘嘘汇集6| 18禁黄网站禁片午夜丰满| 一级黄片播放器| 成人av在线播放网站| 亚洲成人久久爱视频| 色视频www国产| 久久久久性生活片| 久久久国产成人精品二区| 麻豆精品久久久久久蜜桃| 欧美极品一区二区三区四区| 亚洲自偷自拍三级| 91在线精品国自产拍蜜月| 精品无人区乱码1区二区| 美女被艹到高潮喷水动态| 成人毛片a级毛片在线播放| 日本精品一区二区三区蜜桃| 99精品久久久久人妻精品| 大又大粗又爽又黄少妇毛片口| 午夜福利在线观看免费完整高清在 | 国产精品永久免费网站| 精品一区二区三区视频在线观看免费| АⅤ资源中文在线天堂| 熟女人妻精品中文字幕| 搡老熟女国产l中国老女人| 午夜免费成人在线视频| 亚洲av第一区精品v没综合| 成人二区视频| 在线观看66精品国产| 国产免费av片在线观看野外av| 日韩欧美精品免费久久| 天堂影院成人在线观看| 国产乱人视频| 搡老妇女老女人老熟妇| 日韩欧美在线二视频| 国产高清不卡午夜福利| 亚洲国产欧美人成| 特大巨黑吊av在线直播| 99视频精品全部免费 在线| 国产91精品成人一区二区三区| 日韩高清综合在线| 亚洲在线观看片| 老熟妇乱子伦视频在线观看| 22中文网久久字幕| 久久热精品热| 成人二区视频| 久久国产精品人妻蜜桃| 久久香蕉精品热| 丰满的人妻完整版| 嫩草影院新地址| 热99re8久久精品国产| 日本一本二区三区精品| 亚洲av二区三区四区| 黄片wwwwww| 99热只有精品国产| 日本a在线网址| 少妇人妻精品综合一区二区 | 国产精品综合久久久久久久免费| 欧美日韩黄片免| 最好的美女福利视频网| 丰满的人妻完整版| 亚洲av熟女| 一边摸一边抽搐一进一小说| 一级av片app| 国产伦精品一区二区三区四那| av天堂中文字幕网| 日韩欧美精品v在线| 国产一区二区亚洲精品在线观看| 国产精品久久视频播放| 久久久国产成人精品二区| 欧美另类亚洲清纯唯美| 嫩草影院入口| 在线看三级毛片| 国产aⅴ精品一区二区三区波| 国产色爽女视频免费观看| 黄色配什么色好看| 亚洲最大成人中文| 一区二区三区激情视频| 99国产极品粉嫩在线观看| 久久久久久久久大av| 夜夜看夜夜爽夜夜摸| 麻豆成人av在线观看| 国产一区二区三区av在线 | 18+在线观看网站| 九九在线视频观看精品| 精华霜和精华液先用哪个| 国国产精品蜜臀av免费| 俺也久久电影网| 51国产日韩欧美| 九九爱精品视频在线观看| 免费观看精品视频网站| 国产精品久久久久久久电影| 深夜a级毛片| 国产一区二区三区在线臀色熟女| 国产精品嫩草影院av在线观看 | 中文资源天堂在线| 在线天堂最新版资源| 亚洲精品成人久久久久久| 91久久精品国产一区二区三区| 欧美日韩乱码在线| 九九热线精品视视频播放| 成人高潮视频无遮挡免费网站| av在线蜜桃| 99久久精品热视频| 深夜a级毛片| 国产精品久久久久久亚洲av鲁大| www.www免费av| 黄色女人牲交| 偷拍熟女少妇极品色| 在线免费观看的www视频| 国产午夜精品久久久久久一区二区三区 | 免费搜索国产男女视频| 最新在线观看一区二区三区| 男女那种视频在线观看| 国产白丝娇喘喷水9色精品| 日本五十路高清| 床上黄色一级片| 日韩亚洲欧美综合| 干丝袜人妻中文字幕| 成人性生交大片免费视频hd| 99久久无色码亚洲精品果冻| 欧美色视频一区免费| 亚洲天堂国产精品一区在线| 精品一区二区三区人妻视频| 亚洲熟妇中文字幕五十中出| 成年人黄色毛片网站| 国产成人av教育| 午夜视频国产福利| 久久精品夜夜夜夜夜久久蜜豆| 真人一进一出gif抽搐免费| 久久久久免费精品人妻一区二区| 欧美黑人欧美精品刺激| 久久草成人影院| 色5月婷婷丁香| 人人妻人人澡欧美一区二区| 亚洲无线在线观看| 日韩欧美精品免费久久| 夜夜夜夜夜久久久久| 亚洲精华国产精华液的使用体验 | 欧美极品一区二区三区四区| 麻豆成人av在线观看| 国产高清视频在线观看网站| 99久久无色码亚洲精品果冻| 国产人妻一区二区三区在| 成人综合一区亚洲| 色综合色国产| 欧美日韩黄片免| 亚洲乱码一区二区免费版| 国产熟女欧美一区二区| 国产又黄又爽又无遮挡在线| 在线播放无遮挡| 欧美精品啪啪一区二区三区| 三级国产精品欧美在线观看| www日本黄色视频网| 少妇的逼好多水| а√天堂www在线а√下载| 亚洲精品久久国产高清桃花| 校园春色视频在线观看| 久久久久国产精品人妻aⅴ院| 久久国产乱子免费精品| 免费搜索国产男女视频| 成人综合一区亚洲| 亚洲美女黄片视频| 日韩欧美免费精品| 亚洲avbb在线观看| av福利片在线观看| 美女高潮喷水抽搐中文字幕| www.www免费av| 日本欧美国产在线视频| 国产精品,欧美在线| 两个人视频免费观看高清| 国产69精品久久久久777片| 免费观看精品视频网站| 91午夜精品亚洲一区二区三区 | 亚洲av电影不卡..在线观看| 国产精品亚洲一级av第二区| 久久精品久久久久久噜噜老黄 | 久久久久久久久久黄片| 日本一二三区视频观看| 亚洲人成网站高清观看| 成人毛片a级毛片在线播放| 久久精品综合一区二区三区| 在线免费观看不下载黄p国产 | 国产一区二区三区在线臀色熟女| 午夜免费激情av| 久久精品国产鲁丝片午夜精品 | 小蜜桃在线观看免费完整版高清| 国产免费男女视频| 亚洲成人中文字幕在线播放| 啪啪无遮挡十八禁网站| 男女视频在线观看网站免费| 精品99又大又爽又粗少妇毛片 | 在线观看美女被高潮喷水网站| 亚洲人成伊人成综合网2020| 日本黄色片子视频| a级一级毛片免费在线观看| 午夜福利在线在线| 国产精品,欧美在线| 男人和女人高潮做爰伦理| 亚洲美女搞黄在线观看 | 亚洲av中文av极速乱 | 天堂av国产一区二区熟女人妻| 三级国产精品欧美在线观看| 国产一区二区三区av在线 | 日韩在线高清观看一区二区三区 | 国产精品无大码| 黄色视频,在线免费观看| 中文字幕熟女人妻在线| 男女那种视频在线观看| 国产成人一区二区在线| 国产精品无大码| 偷拍熟女少妇极品色| 18禁黄网站禁片午夜丰满| 国产精品亚洲美女久久久| 国产伦在线观看视频一区| 97超级碰碰碰精品色视频在线观看| 亚洲四区av| 亚洲欧美日韩高清在线视频| 动漫黄色视频在线观看| 天堂动漫精品| 熟女人妻精品中文字幕| 欧美日韩国产亚洲二区| 热99在线观看视频| 免费观看的影片在线观看| 日日夜夜操网爽| 亚洲精品在线观看二区| 搡老妇女老女人老熟妇| 高清在线国产一区| 少妇被粗大猛烈的视频| 午夜激情欧美在线| 中文字幕av成人在线电影| 免费观看的影片在线观看| 看十八女毛片水多多多| 亚洲七黄色美女视频| 成人精品一区二区免费| 九色成人免费人妻av| 日韩欧美国产在线观看| 香蕉av资源在线| 欧美极品一区二区三区四区| 日韩中字成人| 91精品国产九色| 日韩欧美国产一区二区入口| 51国产日韩欧美| 一区二区三区激情视频| 桃红色精品国产亚洲av| 国产视频一区二区在线看| 成人午夜高清在线视频| 国产精品乱码一区二三区的特点| 最近视频中文字幕2019在线8| 淫妇啪啪啪对白视频| 亚洲美女视频黄频| 老司机福利观看| 亚洲美女黄片视频| 欧美3d第一页| 亚洲欧美日韩无卡精品| aaaaa片日本免费| 国产高清视频在线播放一区| 日韩亚洲欧美综合| 久久精品91蜜桃| 天天躁日日操中文字幕| 看免费成人av毛片| 一区二区三区四区激情视频 | 免费在线观看成人毛片| 此物有八面人人有两片| 真人一进一出gif抽搐免费| 九九在线视频观看精品| 一本久久中文字幕| 免费av不卡在线播放| av视频在线观看入口| 欧美+日韩+精品| 露出奶头的视频| 窝窝影院91人妻| 精品午夜福利在线看| 国产aⅴ精品一区二区三区波| 九九久久精品国产亚洲av麻豆| 色av中文字幕| 最新中文字幕久久久久| 亚洲久久久久久中文字幕| 97人妻精品一区二区三区麻豆| 免费在线观看成人毛片| 自拍偷自拍亚洲精品老妇| 无人区码免费观看不卡| 婷婷精品国产亚洲av在线| 国产精品一区www在线观看 | 桃色一区二区三区在线观看| av在线观看视频网站免费| 无人区码免费观看不卡| 日本五十路高清| 亚洲人成伊人成综合网2020| 国产三级在线视频| 一级av片app| 午夜福利18| 国产中年淑女户外野战色| 99久久久亚洲精品蜜臀av| 久久久色成人| 99久久久亚洲精品蜜臀av| 亚洲va在线va天堂va国产| 国产精品98久久久久久宅男小说| 午夜老司机福利剧场| 婷婷精品国产亚洲av| 免费人成视频x8x8入口观看| 少妇的逼水好多| 变态另类丝袜制服| 亚洲中文日韩欧美视频| 日韩强制内射视频| 搡老熟女国产l中国老女人| 亚洲性夜色夜夜综合| 窝窝影院91人妻| 亚洲精品粉嫩美女一区| 欧美高清成人免费视频www| 成年女人永久免费观看视频| 成人精品一区二区免费| 99九九线精品视频在线观看视频| 欧美激情国产日韩精品一区| 69av精品久久久久久| 老司机深夜福利视频在线观看| 国产精品精品国产色婷婷| 尾随美女入室| 日本免费a在线| 久久久久免费精品人妻一区二区| 精品免费久久久久久久清纯| 成年版毛片免费区| 高清毛片免费观看视频网站| 国产免费一级a男人的天堂| 好男人在线观看高清免费视频| 精品一区二区三区人妻视频| 国产麻豆成人av免费视频| 中文字幕av成人在线电影| 狂野欧美白嫩少妇大欣赏| 又粗又爽又猛毛片免费看| 99热6这里只有精品| av天堂在线播放| 成年免费大片在线观看| 欧美bdsm另类| 直男gayav资源| 久久久久久久久大av| 九色国产91popny在线| 亚州av有码| 免费在线观看日本一区| 露出奶头的视频| 色5月婷婷丁香| 日本爱情动作片www.在线观看 | 日韩精品有码人妻一区| 精品人妻一区二区三区麻豆 | 淫秽高清视频在线观看| 欧美绝顶高潮抽搐喷水| 欧美在线一区亚洲| 国产精品亚洲一级av第二区| 久9热在线精品视频| 一区二区三区激情视频| 欧美在线一区亚洲| 午夜精品一区二区三区免费看| 久久精品国产99精品国产亚洲性色| 久久香蕉精品热| 亚洲精品粉嫩美女一区| 精品久久久久久成人av| 神马国产精品三级电影在线观看| 俺也久久电影网| 伊人久久精品亚洲午夜| 成年女人永久免费观看视频| 国内久久婷婷六月综合欲色啪| 黄片wwwwww| 色av中文字幕| 亚洲美女黄片视频| 别揉我奶头~嗯~啊~动态视频| 亚洲精品一卡2卡三卡4卡5卡| 一级毛片久久久久久久久女| 国产av麻豆久久久久久久| 日日撸夜夜添| 一卡2卡三卡四卡精品乱码亚洲| 此物有八面人人有两片| 毛片女人毛片| 黄色日韩在线| 国产黄色小视频在线观看| 日韩一区二区视频免费看| 国产一区二区在线观看日韩| 免费在线观看成人毛片| 看黄色毛片网站| 国产在线男女| 美女高潮喷水抽搐中文字幕| 一级av片app| 日日啪夜夜撸| 18禁裸乳无遮挡免费网站照片| 欧美激情国产日韩精品一区| 长腿黑丝高跟| 最近最新中文字幕大全电影3| 色噜噜av男人的天堂激情| 两人在一起打扑克的视频| 三级国产精品欧美在线观看| 欧美xxxx黑人xx丫x性爽| 欧美人与善性xxx| 色综合站精品国产| 免费大片18禁| 波多野结衣巨乳人妻| 深爱激情五月婷婷| 黄色日韩在线| 国产真实乱freesex| 2021天堂中文幕一二区在线观| 欧美日韩亚洲国产一区二区在线观看| 日韩欧美三级三区| 亚洲午夜理论影院| 69av精品久久久久久| 在线天堂最新版资源| 午夜爱爱视频在线播放| 日本色播在线视频| 十八禁国产超污无遮挡网站| 噜噜噜噜噜久久久久久91| 日本熟妇午夜| 日本一二三区视频观看| 亚洲精品在线观看二区| 亚洲美女搞黄在线观看 | 超碰av人人做人人爽久久| 白带黄色成豆腐渣| 欧美色视频一区免费| av天堂在线播放| 精品久久久久久成人av| 波多野结衣高清作品| 欧美日本视频| 一区二区三区免费毛片| 日韩一本色道免费dvd| 免费看日本二区| 91麻豆精品激情在线观看国产| 国产精品野战在线观看| 成人午夜高清在线视频| 亚洲一区二区三区色噜噜| 99热这里只有是精品在线观看| 久久亚洲精品不卡| av专区在线播放| 午夜亚洲福利在线播放| 欧美三级亚洲精品| 国产亚洲欧美98| 一区福利在线观看| 国产精品电影一区二区三区| 日日干狠狠操夜夜爽| 一区二区三区激情视频| 夜夜夜夜夜久久久久| 日韩欧美一区二区三区在线观看| 日日摸夜夜添夜夜添小说| 日本a在线网址| 久久香蕉精品热| 精品无人区乱码1区二区| 精品国产三级普通话版| 日日摸夜夜添夜夜添小说| 狠狠狠狠99中文字幕| 999久久久精品免费观看国产| 很黄的视频免费| 精品国产三级普通话版| 窝窝影院91人妻| 岛国在线免费视频观看| 1000部很黄的大片| 亚洲欧美精品综合久久99| 日本精品一区二区三区蜜桃| 熟妇人妻久久中文字幕3abv| 久久国内精品自在自线图片| 国产精品无大码| 观看免费一级毛片| 国内毛片毛片毛片毛片毛片| 国产精品久久久久久久电影| 日本黄色片子视频| 97超视频在线观看视频| 国产精品亚洲美女久久久| 午夜免费激情av| 国产男靠女视频免费网站| 99久久成人亚洲精品观看| 久久久久久久午夜电影| 婷婷精品国产亚洲av| 51国产日韩欧美| 国产伦精品一区二区三区视频9| 99久久精品一区二区三区| av视频在线观看入口| 悠悠久久av| 人妻久久中文字幕网| 国产亚洲91精品色在线| 内射极品少妇av片p| 久久午夜亚洲精品久久| 18禁黄网站禁片免费观看直播| 欧美一级a爱片免费观看看| 校园人妻丝袜中文字幕| 永久网站在线| 欧美成人免费av一区二区三区| 亚洲av美国av| 天天一区二区日本电影三级| 麻豆成人午夜福利视频| 一区福利在线观看| 看黄色毛片网站| 中国美女看黄片| 日本五十路高清| 老女人水多毛片| 亚洲av一区综合| 国内精品美女久久久久久| 如何舔出高潮| 精品久久国产蜜桃| 亚洲色图av天堂| 在线免费观看不下载黄p国产 | 赤兔流量卡办理| 亚洲五月天丁香| 久久久午夜欧美精品| 天堂影院成人在线观看| 我要搜黄色片| 亚洲成人久久性| 免费黄网站久久成人精品| a级毛片免费高清观看在线播放| 欧美最新免费一区二区三区| 欧美色欧美亚洲另类二区| 日韩欧美三级三区| 亚洲va日本ⅴa欧美va伊人久久| 精品一区二区三区视频在线| 国内揄拍国产精品人妻在线| 在线国产一区二区在线| 国产成人影院久久av| 深夜a级毛片| 成人一区二区视频在线观看| 欧美黑人巨大hd| av中文乱码字幕在线| 十八禁国产超污无遮挡网站| 嫩草影院新地址| 老熟妇仑乱视频hdxx| 欧美国产日韩亚洲一区| АⅤ资源中文在线天堂| 中文资源天堂在线| 超碰av人人做人人爽久久| 久久久久九九精品影院| 国产亚洲精品久久久久久毛片| 精品一区二区三区视频在线| 国产三级中文精品| 色av中文字幕| 亚洲av成人av| 久久精品国产亚洲av涩爱 | 欧美日韩黄片免| xxxwww97欧美| 在线观看一区二区三区| 99热这里只有是精品50| 欧美性猛交╳xxx乱大交人| 黄色日韩在线| 国产亚洲精品久久久com| 午夜福利在线在线| 亚洲av电影不卡..在线观看| 国产高清视频在线观看网站| netflix在线观看网站| 亚洲精华国产精华精| 22中文网久久字幕| 人妻久久中文字幕网| 亚洲熟妇中文字幕五十中出| 国产亚洲精品av在线| 亚洲av熟女| 国产乱人伦免费视频| 给我免费播放毛片高清在线观看| 成人毛片a级毛片在线播放| 美女高潮的动态| 国内揄拍国产精品人妻在线|