• <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

    香蕉av资源在线| 亚洲全国av大片| 91九色精品人成在线观看| 国产色视频综合| 午夜精品在线福利| 男人操女人黄网站| 欧美丝袜亚洲另类 | 成人国产综合亚洲| 日本成人三级电影网站| 国产爱豆传媒在线观看 | cao死你这个sao货| 精品久久蜜臀av无| 男女做爰动态图高潮gif福利片| 成年女人毛片免费观看观看9| 日本 av在线| 亚洲中文字幕一区二区三区有码在线看 | 精品不卡国产一区二区三区| 一边摸一边做爽爽视频免费| 国产精品98久久久久久宅男小说| 国产成人欧美| 91成人精品电影| 国产午夜福利久久久久久| 成人精品一区二区免费| 欧美日韩精品网址| 亚洲欧美精品综合一区二区三区| 女人高潮潮喷娇喘18禁视频| 午夜福利高清视频| 亚洲片人在线观看| 久久香蕉国产精品| 免费看美女性在线毛片视频| 亚洲成av人片免费观看| 国产麻豆成人av免费视频| 欧美久久黑人一区二区| 中文亚洲av片在线观看爽| 一区二区三区高清视频在线| 国产蜜桃级精品一区二区三区| 一区福利在线观看| 欧美性猛交黑人性爽| 免费高清在线观看日韩| 丁香欧美五月| 成在线人永久免费视频| 后天国语完整版免费观看| 一区二区三区精品91| 中文字幕精品亚洲无线码一区 | 一个人观看的视频www高清免费观看 | av视频在线观看入口| 久久精品成人免费网站| 欧美日韩福利视频一区二区| 国产v大片淫在线免费观看| 亚洲av电影不卡..在线观看| 成人精品一区二区免费| 老司机在亚洲福利影院| 午夜激情av网站| 日本一区二区免费在线视频| 一夜夜www| 午夜福利视频1000在线观看| 免费看日本二区| 国产人伦9x9x在线观看| 国产亚洲精品综合一区在线观看 | 亚洲国产精品999在线| 老汉色∧v一级毛片| 亚洲真实伦在线观看| 国产欧美日韩一区二区三| 久久久国产精品麻豆| 一边摸一边抽搐一进一小说| 亚洲欧美精品综合久久99| 久久人妻av系列| 中文字幕av电影在线播放| 成人国产综合亚洲| 亚洲国产精品sss在线观看| 亚洲,欧美精品.| 国产精品av久久久久免费| 国产成人影院久久av| e午夜精品久久久久久久| 久久午夜亚洲精品久久| 99热6这里只有精品| 99在线视频只有这里精品首页| 国产单亲对白刺激| 一本精品99久久精品77| 不卡av一区二区三区| 看免费av毛片| 侵犯人妻中文字幕一二三四区| 亚洲国产高清在线一区二区三 | 欧美日韩福利视频一区二区| 国产高清videossex| 午夜精品久久久久久毛片777| 搡老妇女老女人老熟妇| 曰老女人黄片| 此物有八面人人有两片| 97碰自拍视频| 亚洲,欧美精品.| 黄色女人牲交| av在线天堂中文字幕| 性色av乱码一区二区三区2| 男人操女人黄网站| 亚洲天堂国产精品一区在线| 校园春色视频在线观看| 最新在线观看一区二区三区| 国产精品一区二区免费欧美| 首页视频小说图片口味搜索| 亚洲一卡2卡3卡4卡5卡精品中文| 熟妇人妻久久中文字幕3abv| 国产亚洲欧美精品永久| 亚洲avbb在线观看| 精品无人区乱码1区二区| 亚洲第一电影网av| 亚洲va日本ⅴa欧美va伊人久久| 999久久久国产精品视频| 搡老岳熟女国产| 一二三四社区在线视频社区8| 婷婷六月久久综合丁香| 色播亚洲综合网| 老司机午夜十八禁免费视频| 别揉我奶头~嗯~啊~动态视频| 老鸭窝网址在线观看| 女生性感内裤真人,穿戴方法视频| 黄频高清免费视频| 免费看十八禁软件| 国产欧美日韩一区二区精品| 午夜福利成人在线免费观看| 成人欧美大片| 国产亚洲欧美98| 亚洲成a人片在线一区二区| 色尼玛亚洲综合影院| 可以免费在线观看a视频的电影网站| 久久精品成人免费网站| 日日干狠狠操夜夜爽| 欧美av亚洲av综合av国产av| 亚洲 欧美一区二区三区| 午夜精品在线福利| 国产精品二区激情视频| 日本成人三级电影网站| 国产精品一区二区免费欧美| 伦理电影免费视频| 搡老熟女国产l中国老女人| 亚洲第一欧美日韩一区二区三区| 男人操女人黄网站| 黄片播放在线免费| 亚洲午夜理论影院| 欧美日本视频| www.熟女人妻精品国产| 女人爽到高潮嗷嗷叫在线视频| 欧美亚洲日本最大视频资源| 国产亚洲精品一区二区www| 日日爽夜夜爽网站| 国产午夜福利久久久久久| 中文资源天堂在线| 免费一级毛片在线播放高清视频| 熟妇人妻久久中文字幕3abv| 中文字幕人成人乱码亚洲影| 啦啦啦 在线观看视频| 一个人观看的视频www高清免费观看 | 午夜老司机福利片| 久久天躁狠狠躁夜夜2o2o| 啪啪无遮挡十八禁网站| 亚洲九九香蕉| 亚洲av电影在线进入| 日韩视频一区二区在线观看| 18禁黄网站禁片免费观看直播| av中文乱码字幕在线| 亚洲全国av大片| 国产乱人伦免费视频| 中文字幕高清在线视频| 怎么达到女性高潮| 国产又黄又爽又无遮挡在线| 国产精品亚洲av一区麻豆| 满18在线观看网站| 啪啪无遮挡十八禁网站| 国产高清有码在线观看视频 | 日韩欧美一区二区三区在线观看| 亚洲自拍偷在线| 国产人伦9x9x在线观看| 一二三四在线观看免费中文在| 亚洲熟妇中文字幕五十中出| 老司机午夜福利在线观看视频| 一级黄色大片毛片| 久久久水蜜桃国产精品网| 欧美色欧美亚洲另类二区| 亚洲色图av天堂| 亚洲av成人av| 精品日产1卡2卡| 一二三四在线观看免费中文在| 亚洲成av片中文字幕在线观看| 很黄的视频免费| 女性被躁到高潮视频| 国产熟女xx| 色在线成人网| 欧美成狂野欧美在线观看| 成人精品一区二区免费| 国产一卡二卡三卡精品| 亚洲欧美激情综合另类| 亚洲精品在线美女| 日日干狠狠操夜夜爽| 日韩欧美国产在线观看| 国产高清有码在线观看视频 | 欧美日韩乱码在线| 午夜激情福利司机影院| 欧美一级a爱片免费观看看 | av免费在线观看网站| 亚洲欧美日韩无卡精品| 久久中文字幕一级| 三级毛片av免费| 窝窝影院91人妻| 老汉色∧v一级毛片| 国产蜜桃级精品一区二区三区| 亚洲欧美一区二区三区黑人| 可以在线观看的亚洲视频| 亚洲国产中文字幕在线视频| 黄片播放在线免费| 国产乱人伦免费视频| 18禁观看日本| 国产一卡二卡三卡精品| 国内毛片毛片毛片毛片毛片| 日韩大码丰满熟妇| 成人亚洲精品av一区二区| 中文资源天堂在线| 亚洲电影在线观看av| av中文乱码字幕在线| 亚洲第一青青草原| cao死你这个sao货| 91国产中文字幕| 欧美中文综合在线视频| 欧美精品啪啪一区二区三区| 女生性感内裤真人,穿戴方法视频| 99久久综合精品五月天人人| 在线观看www视频免费| 一个人免费在线观看的高清视频| 亚洲男人的天堂狠狠| 亚洲一区二区三区色噜噜| 制服丝袜大香蕉在线| 久久人妻av系列| 国产精品久久久久久亚洲av鲁大| 最近最新免费中文字幕在线| 淫妇啪啪啪对白视频| 啦啦啦免费观看视频1| 真人一进一出gif抽搐免费| 91九色精品人成在线观看| 欧美激情 高清一区二区三区| 99久久精品国产亚洲精品| 欧美成人午夜精品| 一级片免费观看大全| 麻豆一二三区av精品| 亚洲片人在线观看| 亚洲第一欧美日韩一区二区三区| 婷婷精品国产亚洲av在线| 嫁个100分男人电影在线观看| 搡老熟女国产l中国老女人| 久久中文看片网| 97超级碰碰碰精品色视频在线观看| 日本黄色视频三级网站网址| 1024视频免费在线观看| 欧美乱色亚洲激情| 欧美日韩中文字幕国产精品一区二区三区| 午夜久久久久精精品| 国产男靠女视频免费网站| 一区二区三区精品91| 女性被躁到高潮视频| 欧美午夜高清在线| 成人三级做爰电影| 午夜影院日韩av| 两性夫妻黄色片| 欧美精品啪啪一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 一级毛片高清免费大全| 中文字幕人妻丝袜一区二区| 国产区一区二久久| 男人舔奶头视频| 老鸭窝网址在线观看| 成人精品一区二区免费| 亚洲精品国产精品久久久不卡| 日本在线视频免费播放| 91成人精品电影| 中文字幕人妻熟女乱码| 精品一区二区三区视频在线观看免费| 日韩高清综合在线| 亚洲色图av天堂| 成在线人永久免费视频| 男男h啪啪无遮挡| 国产精品免费一区二区三区在线| 欧美中文综合在线视频| av在线播放免费不卡| 美女 人体艺术 gogo| 国产99白浆流出| 久久亚洲真实| 天天一区二区日本电影三级| 嫩草影院精品99| 精品第一国产精品| 欧美日韩黄片免| 亚洲,欧美精品.| 亚洲精品一区av在线观看| 波多野结衣av一区二区av| 色综合亚洲欧美另类图片| 中文字幕另类日韩欧美亚洲嫩草| 99热6这里只有精品| 天天一区二区日本电影三级| 精品国产一区二区三区四区第35| 俄罗斯特黄特色一大片| 亚洲第一欧美日韩一区二区三区| 久久精品亚洲精品国产色婷小说| 好男人电影高清在线观看| 亚洲,欧美精品.| 亚洲七黄色美女视频| x7x7x7水蜜桃| 性欧美人与动物交配| 亚洲国产日韩欧美精品在线观看 | 亚洲自偷自拍图片 自拍| 2021天堂中文幕一二区在线观 | 观看免费一级毛片| 精品电影一区二区在线| 女生性感内裤真人,穿戴方法视频| 亚洲人成伊人成综合网2020| www日本在线高清视频| 日韩成人在线观看一区二区三区| av福利片在线| 777久久人妻少妇嫩草av网站| 日本a在线网址| 91在线观看av| 国产精品爽爽va在线观看网站 | 国产精品久久久人人做人人爽| 99久久综合精品五月天人人| 久久国产精品男人的天堂亚洲| 很黄的视频免费| 久久久久国产精品人妻aⅴ院| 嫩草影院精品99| 黄色毛片三级朝国网站| 天堂√8在线中文| 亚洲人成网站高清观看| av欧美777| 久久久国产成人精品二区| 嫩草影视91久久| 99在线视频只有这里精品首页| 一区二区三区激情视频| 日韩高清综合在线| 中文亚洲av片在线观看爽| 母亲3免费完整高清在线观看| 757午夜福利合集在线观看| 欧美激情高清一区二区三区| 中文字幕av电影在线播放| 国产欧美日韩精品亚洲av| 午夜久久久久精精品| 少妇被粗大的猛进出69影院| 丰满人妻熟妇乱又伦精品不卡| 日本 av在线| 国产亚洲欧美精品永久| av欧美777| 一卡2卡三卡四卡精品乱码亚洲| 国产成人系列免费观看| 成人亚洲精品av一区二区| 久久国产精品男人的天堂亚洲| 欧美中文日本在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 中文字幕人妻熟女乱码| ponron亚洲| 中文字幕人妻熟女乱码| 男人舔奶头视频| 热99re8久久精品国产| 亚洲精品国产区一区二| 久99久视频精品免费| 一区二区三区高清视频在线| 99久久国产精品久久久| 免费看a级黄色片| 非洲黑人性xxxx精品又粗又长| 久久久久久人人人人人| 99热6这里只有精品| 18禁观看日本| 久久久精品国产亚洲av高清涩受| 91字幕亚洲| 男人操女人黄网站| 大型黄色视频在线免费观看| 中文字幕人妻熟女乱码| 久久久久亚洲av毛片大全| 久久亚洲真实| 国产精品一区二区精品视频观看| 99久久无色码亚洲精品果冻| 成人永久免费在线观看视频| 国内毛片毛片毛片毛片毛片| 一本大道久久a久久精品| 亚洲av电影在线进入| 午夜成年电影在线免费观看| 91麻豆精品激情在线观看国产| 日本在线视频免费播放| 一a级毛片在线观看| 亚洲欧美精品综合久久99| 中文字幕人成人乱码亚洲影| 高清在线国产一区| 日本精品一区二区三区蜜桃| 欧美最黄视频在线播放免费| 国产精品日韩av在线免费观看| 精品久久久久久久人妻蜜臀av| 国产一区二区激情短视频| 窝窝影院91人妻| 久久久国产精品麻豆| 亚洲中文日韩欧美视频| av在线天堂中文字幕| 一本大道久久a久久精品| 日日干狠狠操夜夜爽| 亚洲av五月六月丁香网| 久久精品成人免费网站| 久久婷婷成人综合色麻豆| 操出白浆在线播放| 午夜影院日韩av| 久久久久国产一级毛片高清牌| 亚洲国产看品久久| 国产aⅴ精品一区二区三区波| 深夜精品福利| 真人做人爱边吃奶动态| 午夜亚洲福利在线播放| 婷婷精品国产亚洲av| 精品久久久久久久末码| 日韩中文字幕欧美一区二区| 1024手机看黄色片| 好男人电影高清在线观看| 非洲黑人性xxxx精品又粗又长| 国产三级在线视频| 午夜久久久在线观看| 婷婷六月久久综合丁香| 久久国产精品人妻蜜桃| 变态另类丝袜制服| 色播在线永久视频| 一夜夜www| 777久久人妻少妇嫩草av网站| 18禁裸乳无遮挡免费网站照片 | 亚洲av第一区精品v没综合| 少妇熟女aⅴ在线视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲自拍偷在线| 国产亚洲欧美精品永久| 两个人免费观看高清视频| 亚洲欧洲精品一区二区精品久久久| 岛国视频午夜一区免费看| 成人欧美大片| 国产精品av久久久久免费| 欧美 亚洲 国产 日韩一| 精品免费久久久久久久清纯| 午夜激情av网站| 亚洲精品久久国产高清桃花| 女警被强在线播放| 午夜福利在线在线| 校园春色视频在线观看| 99热只有精品国产| 看片在线看免费视频| 久久久久久久午夜电影| 色婷婷久久久亚洲欧美| 一本久久中文字幕| www.自偷自拍.com| 午夜福利成人在线免费观看| 岛国视频午夜一区免费看| 免费在线观看日本一区| 天天添夜夜摸| 777久久人妻少妇嫩草av网站| 亚洲五月婷婷丁香| 国产精品久久久久久亚洲av鲁大| 国产亚洲欧美精品永久| 欧美黑人欧美精品刺激| 人人妻人人看人人澡| 日韩欧美免费精品| 欧美精品亚洲一区二区| 别揉我奶头~嗯~啊~动态视频| 国产男靠女视频免费网站| 午夜福利成人在线免费观看| 国内揄拍国产精品人妻在线 | 久久久久免费精品人妻一区二区 | 麻豆av在线久日| 日本熟妇午夜| 中文字幕另类日韩欧美亚洲嫩草| 中文资源天堂在线| 国内毛片毛片毛片毛片毛片| 国产激情欧美一区二区| 天堂√8在线中文| 久久国产精品人妻蜜桃| 男女下面进入的视频免费午夜 | 欧美性长视频在线观看| 亚洲国产欧洲综合997久久, | 久久亚洲精品不卡| 国产日本99.免费观看| 亚洲精品国产区一区二| 国产精品久久视频播放| 亚洲国产欧美网| 亚洲中文av在线| www.精华液| 久久狼人影院| xxxwww97欧美| 国产精品综合久久久久久久免费| 欧美成人一区二区免费高清观看 | 老司机午夜十八禁免费视频| 亚洲第一av免费看| 日韩欧美国产在线观看| 国产精品爽爽va在线观看网站 | 91av网站免费观看| 又紧又爽又黄一区二区| 无人区码免费观看不卡| 国产一区在线观看成人免费| xxx96com| 免费看美女性在线毛片视频| 中文亚洲av片在线观看爽| 美女 人体艺术 gogo| 男女下面进入的视频免费午夜 | 香蕉av资源在线| 精品久久久久久久人妻蜜臀av| 欧美成人性av电影在线观看| 成人亚洲精品av一区二区| 国产精品二区激情视频| 一本综合久久免费| 在线观看午夜福利视频| 精品电影一区二区在线| 国产激情久久老熟女| 亚洲久久久国产精品| netflix在线观看网站| 大型av网站在线播放| 色哟哟哟哟哟哟| 夜夜夜夜夜久久久久| 一进一出好大好爽视频| 真人做人爱边吃奶动态| 久久亚洲真实| 久久精品人妻少妇| 日本在线视频免费播放| 成人亚洲精品一区在线观看| 成年版毛片免费区| 午夜精品久久久久久毛片777| 18禁黄网站禁片免费观看直播| 九色国产91popny在线| 欧美性猛交╳xxx乱大交人| 国产精品98久久久久久宅男小说| 黄色片一级片一级黄色片| 99re在线观看精品视频| 看免费av毛片| 亚洲欧美一区二区三区黑人| 老司机靠b影院| 国产成人欧美在线观看| 日韩欧美三级三区| 老司机深夜福利视频在线观看| 国产色视频综合| 亚洲国产毛片av蜜桃av| 亚洲人成网站高清观看| 18禁美女被吸乳视频| 老汉色∧v一级毛片| 国产v大片淫在线免费观看| 十八禁网站免费在线| www日本在线高清视频| 麻豆国产av国片精品| 午夜福利欧美成人| 国产99久久九九免费精品| 大型av网站在线播放| 日韩免费av在线播放| 亚洲国产精品久久男人天堂| av有码第一页| 午夜激情av网站| 中文字幕精品亚洲无线码一区 | 特大巨黑吊av在线直播 | 熟妇人妻久久中文字幕3abv| 国产亚洲av嫩草精品影院| 精品久久久久久,| 欧美一级a爱片免费观看看 | 国产久久久一区二区三区| 成人亚洲精品一区在线观看| 亚洲五月色婷婷综合| 免费在线观看亚洲国产| 黄片小视频在线播放| 免费在线观看视频国产中文字幕亚洲| 欧美色视频一区免费| 一级a爱片免费观看的视频| 精品国内亚洲2022精品成人| 成人午夜高清在线视频 | 日本一区二区免费在线视频| 黄色女人牲交| 搡老熟女国产l中国老女人| 国产精华一区二区三区| 免费在线观看影片大全网站| 国产精品久久电影中文字幕| av有码第一页| 国产视频一区二区在线看| 国产极品粉嫩免费观看在线| avwww免费| 国内久久婷婷六月综合欲色啪| 淫秽高清视频在线观看| 日韩中文字幕欧美一区二区| 亚洲第一欧美日韩一区二区三区| 国产午夜精品久久久久久| 久热爱精品视频在线9| 国产97色在线日韩免费| 欧美黑人欧美精品刺激| 激情在线观看视频在线高清| 亚洲人成伊人成综合网2020| 亚洲男人天堂网一区| 亚洲国产精品合色在线| 午夜激情福利司机影院| 久久久久久久久久黄片| 欧美激情久久久久久爽电影| 久久久精品国产亚洲av高清涩受| 在线免费观看的www视频| 亚洲av中文字字幕乱码综合 | 久久久久亚洲av毛片大全| 两个人看的免费小视频| 香蕉丝袜av| 欧美一区二区精品小视频在线| 精品久久久久久久久久久久久 | 99久久99久久久精品蜜桃| 久久九九热精品免费| 巨乳人妻的诱惑在线观看| 日日爽夜夜爽网站| 99riav亚洲国产免费| 精品久久久久久,| 欧美一级a爱片免费观看看 | 国产人伦9x9x在线观看| 日本a在线网址| 日韩精品青青久久久久久| 精品久久久久久久久久免费视频| 亚洲黑人精品在线| 国产野战对白在线观看| 可以在线观看毛片的网站| 色精品久久人妻99蜜桃| 亚洲国产精品999在线| 一级毛片高清免费大全| 久久九九热精品免费| 男女做爰动态图高潮gif福利片|