• <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 ?

    基于像元混合模型估計的高光譜圖像解混

    2016-03-20 02:45:31劉靜光張立毅孫彥慧
    紅外技術(shù) 2016年2期
    關(guān)鍵詞:搜索算法差分線性

    陳 雷,劉靜光,張立毅,,李 鏘,孫彥慧

    ?

    基于像元混合模型估計的高光譜圖像解混

    陳 雷1, 2, 3,劉靜光2,張立毅2,3,李 鏘2,孫彥慧2

    (1. 天津大學(xué) 精密儀器與光電子工程學(xué)院,天津 300072;2. 天津大學(xué) 電子信息工程學(xué)院,天津 300072;3. 天津商業(yè)大學(xué) 信息工程學(xué)院,天津 300134)

    在高光譜圖像中,線性混合像元和非線性混合像元同時存在,若采用基于單一混合模型的解混算法,會使解混精度降低。因此,提出采用神經(jīng)網(wǎng)絡(luò)對高光譜圖像中的像元混合模型進(jìn)行估計,然后針對不同的混合模型進(jìn)行相應(yīng)的像元解混。像元解混時,在目標(biāo)函數(shù)中添加豐度非負(fù)和豐度和為一約束項,利用差分搜索算法優(yōu)化求解目標(biāo)函數(shù)以實現(xiàn)高光譜圖像的解混。仿真和實際高光譜數(shù)據(jù)實驗表明,本算法提高了解混精度,適用于線性和非線性混合模型。

    高光譜圖像解混;神經(jīng)網(wǎng)絡(luò);像元混合模型;差分搜索算法

    0 引言

    由于高光譜成像儀器空間分辨率的限制,高光譜圖像中多數(shù)像元是由多種地物光譜組合而成,這些像元被稱為混合像元。如何從混合像元中提取出各種光譜成分(端元)和各光譜成分所占的比例(豐度),實現(xiàn)高光譜圖像解混,是目前高光譜遙感領(lǐng)域研究的重點。高光譜圖像中像元混合模型可以分為線性混合模型(Linear Mixing Model,LMM)和非線性混合模型(Nonlinear Mixing Model,NLMM)。線性混合模型建模簡單、物理意義明確,是研究高光譜圖像解混常用的模型。該模型假設(shè)在宏觀尺度上地物之間沒有相互作用,每個像元是各個端元的線性混合。但在實際高光譜圖像中,微觀尺度上的地物和宏觀尺度上存在多層結(jié)構(gòu)的地物之間會存在散射現(xiàn)象,此時需要利用非線性混合模型進(jìn)行描述[1]。

    與基于線性混合模型的解混算法相比,非線性混合模型的解混算法[2-5]取得了較好的效果。但在高光譜圖像中,往往同時存在線性和非線性混合的像元,單純采用基于非線性混合模型的解混算法對非線性混合的像元具有較好的解混效果,但由于模型不完全匹配,對線性混合像元的解混精度會有所下降。因此,本文首先采用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)對像元的混合模型進(jìn)行估計,然后分別對線性混合像元進(jìn)行線性解混,對非線性混合像元進(jìn)行非線性解混,以提高整體解混精度。在解混過程中,采用差分搜索(Differential Search,DS)算法[6]對目標(biāo)函數(shù)進(jìn)行優(yōu)化求解。

    1 高光譜圖像混合模型

    1.1 線性混合模型

    線性混合模型通常假設(shè)地物之間沒有相互作用,每個像元是端元光譜和相應(yīng)豐度的線性混合,其模型為:

    +(1)

    式中:是混合像元;=[1,2, …,m]是光譜矩陣,每一列是維的端元光譜,是端元個數(shù);=[1,2, …,]是豐度向量;是白噪聲。根據(jù)端元混合的實際意義,混合模型必須滿足豐度和為一約束(Abundance Sum-to-one Constraint,ASC)和豐度非負(fù)約束(Abundance Nonnegative Constraint,ANC),其定義為:

    1.2 非線性混合模型

    非線性混合模型大都基于輻射傳輸理論,比較典型的有Hapke模型[2]和SAIL模型[3]等。這些模型的物理意義明確,但需要大量的先驗知識,計算復(fù)雜,依賴于地物類型。為了簡化非線性模型,一些學(xué)者提出了雙線性混合模型,將兩種物質(zhì)之間的散射加入到線性模型中。該類模型包括NM模型[4](Nascimento Model)和Fan模型[5](Fan Model)等。其中Fan模型是較為典型的雙線性模型,它忽略3種及以上端元之間的散射現(xiàn)象,將兩種端元光譜的交叉乘積項加入到線性混合模型,并認(rèn)為該乘積項的幅度與所包含端元的豐度有關(guān)。該模型更好地保留了非線性模型的物理意義,能夠獲得更高的解混精度,被廣泛應(yīng)用于高光譜圖像非線性解混中,其模型為:

    式中:分別表示第個端元光譜向量和第個端元光譜向量在該像元中的豐度值;mm表示第個端元光譜向量和第個端元光譜向量的Hadamard乘積(對應(yīng)位置相乘)。非線性模型中的豐度同樣要求滿足式(2)的約束。

    2 像元混合模型估計

    人工神經(jīng)網(wǎng)絡(luò)有多種模型結(jié)構(gòu),其中前饋神經(jīng)網(wǎng)絡(luò)(Feed-Forward Neural Network,F(xiàn)NN)由于結(jié)構(gòu)簡單、計算量小而被廣泛應(yīng)用。其中,BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)。信號在前向傳遞過程中,通過誤差反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)中的傳輸誤差達(dá)到最小。

    本文采用BP神經(jīng)網(wǎng)絡(luò)來估計像元的混合模型,輸出數(shù)據(jù)由{-1,1}構(gòu)成。其中,1表示線性混合像元,-1表示非線性混合像元,網(wǎng)絡(luò)中采用雙曲正切函數(shù)作為隱層的傳輸函數(shù)。為了避免過度擬合并提高網(wǎng)絡(luò)適用性,在訓(xùn)練過程中使用正則化技術(shù),而不采用提前停止或交叉驗證的方法。與此同時,在正則化過程中加入網(wǎng)絡(luò)權(quán)值和偏差相關(guān)項。為了對實際高光譜圖像中像元的混合模型進(jìn)行估計,首先采用基于幾何理論的端元提取算法來提取實際數(shù)據(jù)中的端元,該種算法同樣適用于非線性混合模型[7]。然后根據(jù)式(1)和式(3)得到神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。本文采用貝葉斯反向傳播訓(xùn)練算法,該算法根據(jù)Levenberg-Marquardt方法優(yōu)化權(quán)值和偏差,能最大限度地減小權(quán)重和誤差平方組合的值,產(chǎn)生更具有適應(yīng)性的網(wǎng)絡(luò),從而提高對像元混合模型估計的準(zhǔn)確性。

    通過上述兩次調(diào)查我們發(fā)現(xiàn),解戒人員在社區(qū)康復(fù)過程中,初期確實有一定的效果,操守率遠(yuǎn)比沒有進(jìn)行社區(qū)康復(fù)的人員高,可隨著時間的推移,社區(qū)康復(fù)作用在慢慢弱化,實驗組和對照組人員操守率差距越來越小。筆者認(rèn)為,除了本身個人意志等主觀因素外,社區(qū)康復(fù)在一定程度上促成“毒友圈”的形成,在人員跟進(jìn)方面“虎頭蛇尾”,除了簽字、報到、驗?zāi)?,涉及心理咨詢、工作安置、疾病治療等全方位手段?zhí)行不到位、造成解戒人員對社區(qū)康復(fù)失去信心也是造成操守率持續(xù)下降的重要原因。因此,社區(qū)康復(fù)工作必須在為社區(qū)康復(fù)人員解決實際困難上下功夫,而非將“簽字、報到、驗?zāi)颉弊鳛橹髯スぷ?,這樣才能逐步降低復(fù)吸率。

    3 解混算法描述

    在得到像元混合模型估計后,針對不同的混合模型進(jìn)行相應(yīng)的解混。像元解混算法大都采用最小二乘估計[7-9]或基于神經(jīng)網(wǎng)絡(luò)[10-11],它們都是基于梯度類優(yōu)化的算法。而梯度類算法本身是一種局部極值搜索算法,易陷入局部收斂,并且添加約束項的方法復(fù)雜。為避免這一缺陷,本文提出采用差分搜索算法對可行解空間進(jìn)行全局極值搜索,并通過在目標(biāo)函數(shù)中添加豐度約束項來實現(xiàn)高光譜圖像的有效解混。

    3.1 差分搜索算法

    差分搜索算法[6]是土耳其學(xué)者Pinar Civicioglu于2012年根據(jù)生物體在遷徙過程中尋找有利生存區(qū)域(停歇地)而提出的一種新的仿生智能優(yōu)化算法。該算法為提高全局收斂性,在生物體尋找停歇地的過程中,根據(jù)布朗隨機(jī)運動原理定義遷徙規(guī)則如下:

    site=+×map(donor-) (4)

    式中:代表生物體當(dāng)前位置;是采用gamma分布生成器產(chǎn)生的隨機(jī)數(shù);map是一個由0和1構(gòu)成的選擇器;donor是生物個體隨機(jī)重新排序組成的矩陣;donor-表示生物體下一步要運動的方位指向。差分搜索算法的流程圖如圖1所示。

    圖1 差分搜索算法流程圖

    本文采用仿生智能優(yōu)化算法作為優(yōu)化方法進(jìn)行高光譜圖像的解混,算法的計算復(fù)雜性與所使用仿生智能優(yōu)化算法的搜索策略、生物個體數(shù)量和進(jìn)化代數(shù)相關(guān)。本文所采用的差分搜索算法搜索策略簡單、全局優(yōu)化能力強(qiáng),可以在少量的生物個體數(shù)量和較少的進(jìn)化代數(shù)的情況下有效地完成解混過程。

    3.2 解混算法的實現(xiàn)

    根據(jù)高光譜圖像豐度非負(fù)和豐度和為一特性,在差分搜索算法解混過程中添加相應(yīng)的約束項。針對每個像元,定義豐度非負(fù)約束項為:

    式中:為正整數(shù),本文取=1;s-表示豐度估計向量中小于零的元素。定義豐度和為一約束項為:

    式中:為正整數(shù),本文?。???梢?,當(dāng)像元滿足ANC和ASC時,ANC()和ASC()的值都為零。

    式中:1和2代表兩個約束項的權(quán)重值。利用差分搜索算法優(yōu)化式(8)得到像元的豐度估計。本文算法具體實現(xiàn)過程如下:

    步驟1 利用HySime算法[12]估計觀測數(shù)據(jù)中端元數(shù)目,并用VCA算法[13]提取端元,采用Dirichlet分布產(chǎn)生豐度。

    步驟2 將端元和豐度按照式(1)或式(3)混合得到訓(xùn)練樣本,并用樣本進(jìn)行訓(xùn)練得到像元混合模型估計的網(wǎng)絡(luò)。

    步驟3 把觀測數(shù)據(jù)輸入到訓(xùn)練好的網(wǎng)絡(luò),得到像元混合模型的估計。

    步驟4 設(shè)置差分搜索算法中的種群數(shù)量、搜索維數(shù)、迭代次數(shù)和邊界限制范圍。

    步驟5 初始化生物群體所處的位置,得到初始的豐度估計。根據(jù)像元混合模型的估計結(jié)果,代入式(1)或式(3)得到重構(gòu)的觀測數(shù)據(jù),將其代入式(8)得到初始的適應(yīng)度值。

    步驟6 生物群體按照式(4)進(jìn)行尋優(yōu),并進(jìn)行邊界限制。

    步驟7 若生物個體尋找到的新位置的適應(yīng)度值優(yōu)于當(dāng)前位置,則將該個體當(dāng)前位置替換為新位置;否則保持當(dāng)前位置不變。

    步驟8 當(dāng)達(dá)到設(shè)置的迭代次數(shù)后,優(yōu)化結(jié)束,得到最終的豐度估計值;否則繼續(xù)進(jìn)行優(yōu)化求解過程。

    4 實驗結(jié)果與分析

    4.1 仿真實驗

    實驗中,采用均方根誤差(Root Mean Square Error,RMSE)和重構(gòu)誤差(Reconstruction Error,RE)兩個指標(biāo)來衡量算法性能。其中,RMSE用來衡量豐度估計的準(zhǔn)確度,定義為:

    式中:s分別表示真實豐度和估計出的豐度,是像元總數(shù)。RE定義為:

    仿真實驗數(shù)據(jù)中的端元光譜取自美國地質(zhì)勘測局(USGS)提供的礦物光譜庫,光譜數(shù)據(jù)為244個波段。從中選取3種光譜作為端元,豐度由Dirichlet分布產(chǎn)生,滿足ANC和ASC特性。神經(jīng)網(wǎng)絡(luò)樣本集選取5000個像元,測試數(shù)據(jù)為2000個像元,在混合過程中加入20dB高斯白噪聲,差分搜索算法中種群數(shù)量設(shè)為30,迭代次數(shù)設(shè)為200,上限值和下限值分別設(shè)為0和1,1=2=0.5。

    為了驗證神經(jīng)網(wǎng)絡(luò)估計像元混合模型的有效性,設(shè)計仿真數(shù)據(jù)由LMM和NLMM共同構(gòu)成,用本文提出的解混算法對該數(shù)據(jù)進(jìn)行3種形式的解混。第1種按照LMM解混;第2種按照NLMM解混;第3種按照用神經(jīng)網(wǎng)絡(luò)得到的像元混合模型估計,進(jìn)行相應(yīng)的LMM和NLMM解混,表1給出了這3種解混方案的RMSE和RE值。可見,后兩種方案解混性能優(yōu)于第1種,說明用線性算法解混非線性混合像元會產(chǎn)生較大誤差,證明了非線性解混的有效性。第3種方案的解混精度高于第2種,說明單一使用非線性算法解混混合特性模型光譜圖像時,解混精度會下降,證明了用神經(jīng)網(wǎng)絡(luò)估計像元混合模型的有效性。

    為了進(jìn)一步驗證本文算法的有效性,與文獻(xiàn)[14]提出的線性解混算法和文獻(xiàn)[5]提出的非線性解混算法作比較。采用3種混合數(shù)據(jù)進(jìn)行實驗,數(shù)據(jù)1由LMM構(gòu)成,數(shù)據(jù)2由NLMM構(gòu)成,數(shù)據(jù)3由LMM和NLMM共同構(gòu)成。表2和表3分別給出各算法的RMSE和RE值。數(shù)據(jù)1的結(jié)果表明,文獻(xiàn)[14]和本文提出的算法性能較好,而在有NLMM混合的數(shù)據(jù)2和數(shù)據(jù)3的結(jié)果中,文獻(xiàn)[14]的算法性能不如其他兩種算法。數(shù)據(jù)2的結(jié)果表明,本文采用差分搜索算法的解混效果優(yōu)于文獻(xiàn)[5]算法采用的梯度方法。該實驗同時表明,本文算法根據(jù)像元混合模型估計進(jìn)行相應(yīng)解混,它適用于線性和非線性混合模型,將更加適應(yīng)于解混實際環(huán)境光譜數(shù)據(jù)。

    表1 本文算法采取不同解混模型性能的比較

    表2 不同混合模型下各算法RMSE性能的比較

    表3 不同混合模型下各算法RE性能的比較

    4.2 實際高光譜數(shù)據(jù)實驗

    在本節(jié)中,采用高光譜數(shù)字圖像采集實驗(Hyperspectral Digital Imagery Collection Experi- ment,HYDICE)中的城市高光譜數(shù)據(jù)集,對算法性能進(jìn)行測試。該數(shù)據(jù)集由210個光譜波段構(gòu)成,光譜分辨率和空間分辨率分別為10nm和2m,圖像的大小為307×307,圖2是波段為80的灰度圖像。

    實驗中,去除水吸收和低信噪比的波段(波段1~4,76~87,101~111,136~153和198~210),只用剩下162個波段進(jìn)行實驗。該數(shù)據(jù)集被廣泛應(yīng)用于高光譜圖像解混和分類研究領(lǐng)域中,文獻(xiàn)[15]提供了該地面實況報告,其成像區(qū)域主要有4種地物:瀝青、草地、屋頂和樹木。圖3是用VCA算法[13]提取到的4種地物的光譜。圖4是利用本文算法得到的豐度圖像,結(jié)果與實際地物分布相符,通過觀察能夠確定這些端元所對應(yīng)的地物種類。表4給出了本文算法與文獻(xiàn)[14]和文獻(xiàn)[5]中算法各自的RE值。從中可以看出,本文提出的算法性能優(yōu)于其他算法。

    5 結(jié)束語

    本文提出一種基于像元混合模型估計的高光譜圖像解混算法,利用神經(jīng)網(wǎng)絡(luò)對像元混合模型進(jìn)行估計,克服了非線性算法解混線性混合像元時,使解混精度下降的缺陷。同時,采用差分搜索算法對解混目標(biāo)函數(shù)進(jìn)行優(yōu)化求解,以克服梯度類優(yōu)化方法全局收斂性不佳的問題,從而有效實現(xiàn)了高光譜圖像的解混。仿真數(shù)據(jù)和真實場景數(shù)據(jù)的實驗結(jié)果表明,本文基于模型估計的解混算法較之其他解混算法具有更高的精度,對于實際高光譜圖像具有更好的適應(yīng)性。本文只采用了兩種混合模型進(jìn)行估計,在今后的研究中,可以增加對更多種像元混合模型的估計,從而更準(zhǔn)確地描述實際地物的混合情況,更好地提高解混精度。

    圖2 HYDICE城市高光譜數(shù)據(jù)(波段80)

    圖3 VCA算法提取出的光譜曲線

    圖4 HYDICE城市數(shù)據(jù)的豐度結(jié)果

    表4 HYDICE城市數(shù)據(jù)的RE比較

    [1] KESHAVA N, MUSTARD J F. Spectral unmixing[J]., 2002, 19(1): 44-57.

    [2] HAPKE B. Bidirectional reflectance spectroscopy: 1. Theory[J].:(1978-2012), 1981, 86(B4): 3039-3054.

    [3] VERHOEF W. Light scattering by leaf layers with application to canopy reflectance modeling: the SAIL model[J]., 1984, 16(2): 125-141.

    [4] NASCIMENTO J M P, BIOUCAS-Dias J M. Nonlinear mixture model for hyperspectral unmixing[C]//XV, 2009, 7477: doi: 10.1117 /12.830492.

    [5] FAN W, HU B, MILLER J, et al. Comparative study between a new nonlinear model and common linear model for analysing laboratory simulated-forest hyperspectral data[J]., 2009, 30(11): 2951-2962.

    [6] CIVICIOGLU P. Transforming geocentric cartesian coordinates to geodetic coordinates by using differential search algorithm[J]., 2012, 46: 229-247.

    [7] ALTMAN Y, HALIMI A, DOBIGEON N, et al. Supervised nonlinear spectral unmixing using a post nonlinear mixing model for hyper- spectral imagery[J]., 2012, 21(6): 3017-3025.

    [8] COMBE J P, LAUNEAU P, CARRèRE V, et al. Mapping micro- phytobenthos biomass by non-linear inversion of visible-infrared hyperspectral images[J]., 2005, 98(4): 371-387.

    [9] 普晗曄, 王斌, 夏威. 約束最小二乘的高光譜圖像非線性解混[J]. 紅外與毫米波學(xué)報, 2014, 33(5): 552-559.

    PU H H, WANG B, XIA W. Nonlinear unmixing of hyperspectral imagery based on constrained least squares[J]., 2014, 33(5): 552-559.

    [10] 吳柯, 張良培, 李平湘. 一種端元變化的神經(jīng)網(wǎng)絡(luò)混合像元分解方法[J]. 遙感學(xué)報, 2007, 11(1): 20-26.

    WU K, ZHANG L P, LI P X. A neural network method of selective endmember for pixel unmixing[J]., 2007, 11(1): 20-26.

    [11] KARATHANASSI V, SYKASs D, TOPOUZELIS K N. Develop- ment of a network-Based method for unmixing of hyperspectral data[J]., 2012, 50(3): 839-849.

    [12] BIOUCAS-Dias J M, NASCIMENTO J M P. Hyperspectral subspace identification[J]., 2008, 46(8): 2435-2445.

    [13] NASCIMENTO J M P, DIAS J M B. Vertex component analysis: a fast algorithm to unmix hyperspectral data[J]., 2005, 43(4): 898-910.

    [14] HEINZD C, CHANG C I. Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery[J]., 2001, 39(3): 529-545.

    [15] GUO Z, WITTMAN T, OSHER S. L1 unmixing and its application to hyperspectral image enhancement[C]//,,XV, 2009, 7334: 73341M.

    Hyperspectral Unmixing Based on Estimation of Pixels Mixing Models

    CHEN Lei1, 2, 3,LIU Jingguang2,ZHANG Liyi2, 3,LI Qiang2,SUN Yanhui2

    (1.,,300072,; 2.,,300072,; 3.,,300134,)

    Both linear and nonlinear mixing pixels exist in the hyperspectral images. The unmixing accuracy will decrease if the unmixing algorithm is only based on a single mixing model. In this paper, we propose to adopt neural network to estimate the pixels mixing model in the hyperspectral images, and then unmix the pixels under different mixing models. To achieve the hyperspectral unmixing, we introduce the abundance non-negative constraint and abundance sum-to-one constraint to the objective function, and then the differential search algorithm is used to optimize the objective function. The experimental results on simulated data and real hyperspectral data demonstrate that the proposed algorithm can improve the accuracy of the unmixing, and it can be applied to linear and nonlinear mixing models.

    hyperspectral images unmixing,neural network,pixels mixing model,differential search algorithm

    TP751

    A

    1001-8891(2016)02-0132-06

    2015-08-03;

    2015-10-07.

    陳雷(1980-),男,博士后,副教授,主要從事信號高光譜圖像處理,盲信號處理。E-mail:article.com.cn@126.com。

    張立毅,E-mail:zhangliyi@tjcu.edu.cn。

    國家自然科學(xué)基金資助項目(61401307);中國博士后科學(xué)基金資助項目(2014M561184);天津市應(yīng)用基礎(chǔ)與前沿技術(shù)研究計劃資助項目(15JCYBJC17100)。

    猜你喜歡
    搜索算法差分線性
    漸近線性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
    數(shù)列與差分
    改進(jìn)的和聲搜索算法求解凸二次規(guī)劃及線性規(guī)劃
    線性回歸方程的求解與應(yīng)用
    二階線性微分方程的解法
    基于汽車接力的潮流轉(zhuǎn)移快速搜索算法
    基于逐維改進(jìn)的自適應(yīng)步長布谷鳥搜索算法
    基于差分隱私的大數(shù)據(jù)隱私保護(hù)
    相對差分單項測距△DOR
    太空探索(2014年1期)2014-07-10 13:41:50
    基于跳點搜索算法的網(wǎng)格地圖尋路
    午夜久久久在线观看| 亚洲五月婷婷丁香| 国产精品,欧美在线| 亚洲真实伦在线观看| 国产精品综合久久久久久久免费| 亚洲最大成人中文| 国产激情偷乱视频一区二区| 亚洲天堂国产精品一区在线| 欧美一级毛片孕妇| 久久草成人影院| 97超级碰碰碰精品色视频在线观看| 高清毛片免费观看视频网站| 欧美又色又爽又黄视频| 午夜两性在线视频| 757午夜福利合集在线观看| 亚洲欧美日韩高清在线视频| 最近最新中文字幕大全电影3 | 国产成人精品久久二区二区91| 色综合站精品国产| 国产精品日韩av在线免费观看| 亚洲国产看品久久| 伊人久久大香线蕉亚洲五| 久热爱精品视频在线9| 白带黄色成豆腐渣| 国产熟女xx| 可以在线观看毛片的网站| 日韩大尺度精品在线看网址| 正在播放国产对白刺激| 老司机福利观看| 欧美国产日韩亚洲一区| 级片在线观看| 日韩大尺度精品在线看网址| 亚洲国产日韩欧美精品在线观看 | 老司机深夜福利视频在线观看| 午夜日韩欧美国产| 国产精品电影一区二区三区| 啦啦啦观看免费观看视频高清| 怎么达到女性高潮| 精品卡一卡二卡四卡免费| 搡老熟女国产l中国老女人| 亚洲国产欧美网| 国产精品亚洲美女久久久| 精品高清国产在线一区| 中文字幕高清在线视频| 日韩精品中文字幕看吧| 变态另类成人亚洲欧美熟女| 悠悠久久av| 波多野结衣高清无吗| 亚洲自拍偷在线| 女人高潮潮喷娇喘18禁视频| 巨乳人妻的诱惑在线观看| 欧美av亚洲av综合av国产av| 在线观看一区二区三区| 国产不卡一卡二| 男人舔女人下体高潮全视频| 国产高清激情床上av| 婷婷六月久久综合丁香| 久久精品国产亚洲av香蕉五月| 黄色女人牲交| 亚洲av美国av| 欧美黑人欧美精品刺激| 午夜福利一区二区在线看| 日本精品一区二区三区蜜桃| 露出奶头的视频| 久久中文字幕人妻熟女| 久久精品国产亚洲av高清一级| 两个人视频免费观看高清| 亚洲七黄色美女视频| 啪啪无遮挡十八禁网站| 麻豆av在线久日| 久久九九热精品免费| 一进一出抽搐动态| 国产日本99.免费观看| 欧美中文日本在线观看视频| 老司机午夜十八禁免费视频| 可以免费在线观看a视频的电影网站| 非洲黑人性xxxx精品又粗又长| 国产精品美女特级片免费视频播放器 | 久久狼人影院| 国产高清激情床上av| 一区福利在线观看| 少妇被粗大的猛进出69影院| 久久婷婷人人爽人人干人人爱| 美女午夜性视频免费| 国产真人三级小视频在线观看| 99re在线观看精品视频| 丰满的人妻完整版| 日韩精品免费视频一区二区三区| 村上凉子中文字幕在线| 99国产极品粉嫩在线观看| 亚洲真实伦在线观看| 黄色 视频免费看| 精品人妻1区二区| 在线视频色国产色| 久久欧美精品欧美久久欧美| 亚洲精品在线观看二区| 啦啦啦免费观看视频1| 国产野战对白在线观看| 老司机靠b影院| 男人舔奶头视频| 无遮挡黄片免费观看| 一级a爱片免费观看的视频| 国内少妇人妻偷人精品xxx网站 | 日韩精品中文字幕看吧| 9191精品国产免费久久| 性色av乱码一区二区三区2| 黄频高清免费视频| 搡老妇女老女人老熟妇| 日本 欧美在线| 禁无遮挡网站| 18禁黄网站禁片午夜丰满| www国产在线视频色| 欧美丝袜亚洲另类 | 国产亚洲欧美精品永久| 亚洲av电影不卡..在线观看| 在线av久久热| 国产精品一区二区免费欧美| 亚洲午夜理论影院| 午夜激情av网站| 精品一区二区三区视频在线观看免费| 色哟哟哟哟哟哟| 村上凉子中文字幕在线| 亚洲片人在线观看| 美女高潮到喷水免费观看| 51午夜福利影视在线观看| 亚洲精华国产精华精| 欧美在线一区亚洲| 大香蕉久久成人网| 亚洲成国产人片在线观看| 伦理电影免费视频| 少妇粗大呻吟视频| 国产亚洲精品第一综合不卡| АⅤ资源中文在线天堂| 国产精华一区二区三区| 亚洲欧美精品综合久久99| √禁漫天堂资源中文www| 中文字幕高清在线视频| 亚洲五月色婷婷综合| av天堂在线播放| 男女午夜视频在线观看| 久久久水蜜桃国产精品网| 俄罗斯特黄特色一大片| 国产精品久久视频播放| 国产日本99.免费观看| 久久午夜综合久久蜜桃| 看免费av毛片| 波多野结衣巨乳人妻| 精品福利观看| 18禁观看日本| 老司机在亚洲福利影院| 国产亚洲av高清不卡| 色哟哟哟哟哟哟| 2021天堂中文幕一二区在线观 | 无人区码免费观看不卡| 最新在线观看一区二区三区| 欧美国产日韩亚洲一区| 两个人看的免费小视频| 亚洲va日本ⅴa欧美va伊人久久| 国产乱人伦免费视频| 久久久久久九九精品二区国产 | 久久狼人影院| 亚洲精品美女久久av网站| 久久人妻福利社区极品人妻图片| 国产成人精品无人区| 在线观看日韩欧美| www.精华液| 日日夜夜操网爽| 国产视频一区二区在线看| 国产av在哪里看| 午夜a级毛片| 亚洲九九香蕉| 久久性视频一级片| 成熟少妇高潮喷水视频| 日韩大尺度精品在线看网址| 一边摸一边做爽爽视频免费| 村上凉子中文字幕在线| 久久久久久久午夜电影| 成人手机av| 首页视频小说图片口味搜索| 亚洲 欧美一区二区三区| 一级黄色大片毛片| 亚洲成人精品中文字幕电影| 国产三级黄色录像| 亚洲黑人精品在线| www国产在线视频色| 国产精品电影一区二区三区| 久热爱精品视频在线9| 精品久久久久久,| 亚洲中文av在线| 欧美激情高清一区二区三区| 免费在线观看黄色视频的| 国产片内射在线| 又黄又爽又免费观看的视频| 欧美又色又爽又黄视频| 久久精品影院6| 成人手机av| 日本在线视频免费播放| 女性被躁到高潮视频| 好男人电影高清在线观看| 亚洲精品美女久久久久99蜜臀| 69av精品久久久久久| 国产日本99.免费观看| 久久久久久久久中文| 不卡一级毛片| 亚洲成人国产一区在线观看| 夜夜爽天天搞| 亚洲第一欧美日韩一区二区三区| 精品久久久久久久人妻蜜臀av| 动漫黄色视频在线观看| 久久精品国产亚洲av香蕉五月| 两个人视频免费观看高清| 999久久久国产精品视频| 身体一侧抽搐| 久热这里只有精品99| 丝袜美腿诱惑在线| 无人区码免费观看不卡| 91老司机精品| 久久香蕉精品热| 1024香蕉在线观看| 久久久久久久精品吃奶| 久久久久国产一级毛片高清牌| 亚洲av成人一区二区三| 999久久久国产精品视频| 日韩三级视频一区二区三区| 一本久久中文字幕| 久久午夜综合久久蜜桃| 午夜激情av网站| 成人三级黄色视频| 中文字幕另类日韩欧美亚洲嫩草| 久久这里只有精品19| 可以在线观看毛片的网站| 欧美成人午夜精品| av在线播放免费不卡| 国产黄色小视频在线观看| 午夜老司机福利片| 高潮久久久久久久久久久不卡| 久久精品91蜜桃| 宅男免费午夜| 一边摸一边抽搐一进一小说| 国产av一区在线观看免费| 亚洲专区国产一区二区| 国产又色又爽无遮挡免费看| 久久人妻福利社区极品人妻图片| 狂野欧美激情性xxxx| 欧美日本视频| 人人妻人人澡欧美一区二区| 免费高清在线观看日韩| aaaaa片日本免费| 黑人操中国人逼视频| 此物有八面人人有两片| 亚洲精品美女久久av网站| 国产熟女午夜一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 亚洲av五月六月丁香网| 亚洲国产精品sss在线观看| 国产黄色小视频在线观看| 特大巨黑吊av在线直播 | 一二三四社区在线视频社区8| 99riav亚洲国产免费| 最新美女视频免费是黄的| 日韩精品中文字幕看吧| 国内揄拍国产精品人妻在线 | 女人被狂操c到高潮| 黑人操中国人逼视频| 2021天堂中文幕一二区在线观 | 国产av一区在线观看免费| 两性午夜刺激爽爽歪歪视频在线观看 | 久久 成人 亚洲| 麻豆久久精品国产亚洲av| 啦啦啦 在线观看视频| 久久午夜亚洲精品久久| 午夜久久久在线观看| 国产乱人伦免费视频| 亚洲国产看品久久| 一个人观看的视频www高清免费观看 | 欧美丝袜亚洲另类 | 午夜福利在线在线| a级毛片a级免费在线| 免费在线观看亚洲国产| av电影中文网址| 国产又爽黄色视频| 性色av乱码一区二区三区2| 亚洲第一欧美日韩一区二区三区| 美女国产高潮福利片在线看| 国产又色又爽无遮挡免费看| 亚洲精品中文字幕一二三四区| 99久久综合精品五月天人人| 成人国产综合亚洲| 在线永久观看黄色视频| 久久亚洲真实| 久久人妻av系列| 亚洲精品中文字幕在线视频| 99在线人妻在线中文字幕| 午夜激情福利司机影院| 一级毛片精品| 神马国产精品三级电影在线观看 | 亚洲第一青青草原| 午夜精品久久久久久毛片777| 中文字幕高清在线视频| 搡老岳熟女国产| 一个人观看的视频www高清免费观看 | 脱女人内裤的视频| 国产一区二区三区视频了| 老汉色av国产亚洲站长工具| 亚洲成av人片免费观看| 午夜免费鲁丝| 韩国精品一区二区三区| 亚洲九九香蕉| 91麻豆av在线| 国产亚洲av高清不卡| 国产av不卡久久| 国产成人一区二区三区免费视频网站| 好看av亚洲va欧美ⅴa在| 神马国产精品三级电影在线观看 | 亚洲一码二码三码区别大吗| 午夜成年电影在线免费观看| 妹子高潮喷水视频| 99精品欧美一区二区三区四区| 欧美人与性动交α欧美精品济南到| 精品卡一卡二卡四卡免费| 搡老岳熟女国产| www.www免费av| 国产av一区在线观看免费| 999精品在线视频| 一个人免费在线观看的高清视频| 精品日产1卡2卡| 亚洲三区欧美一区| 99在线人妻在线中文字幕| 很黄的视频免费| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美乱妇无乱码| 成人18禁高潮啪啪吃奶动态图| 亚洲一区二区三区色噜噜| 亚洲无线在线观看| 国产亚洲欧美精品永久| 精品一区二区三区视频在线观看免费| 美女高潮到喷水免费观看| 在线av久久热| 亚洲色图av天堂| 老汉色av国产亚洲站长工具| 久久久久久亚洲精品国产蜜桃av| www日本在线高清视频| 香蕉av资源在线| bbb黄色大片| 女人爽到高潮嗷嗷叫在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 哪里可以看免费的av片| 欧美丝袜亚洲另类 | 美女免费视频网站| 久久天躁狠狠躁夜夜2o2o| 欧美一级a爱片免费观看看 | 日韩欧美国产一区二区入口| 欧美在线一区亚洲| 精品国产乱子伦一区二区三区| 一进一出抽搐gif免费好疼| 叶爱在线成人免费视频播放| 成人亚洲精品av一区二区| 国产视频一区二区在线看| 精品乱码久久久久久99久播| 可以在线观看的亚洲视频| 少妇 在线观看| 欧美性猛交黑人性爽| 午夜福利成人在线免费观看| 国产一区二区三区视频了| 亚洲精品中文字幕一二三四区| 亚洲欧洲精品一区二区精品久久久| 免费在线观看影片大全网站| 欧美zozozo另类| 丁香六月欧美| 亚洲片人在线观看| 精品熟女少妇八av免费久了| 亚洲一区中文字幕在线| 国产黄a三级三级三级人| 色尼玛亚洲综合影院| 神马国产精品三级电影在线观看 | 后天国语完整版免费观看| 激情在线观看视频在线高清| 黄色视频不卡| 午夜久久久在线观看| 午夜影院日韩av| 精品熟女少妇八av免费久了| 亚洲av五月六月丁香网| 亚洲狠狠婷婷综合久久图片| 亚洲欧洲精品一区二区精品久久久| 久久国产精品男人的天堂亚洲| 18禁黄网站禁片午夜丰满| 国产视频一区二区在线看| 性色av乱码一区二区三区2| 一级毛片女人18水好多| 一a级毛片在线观看| 97超级碰碰碰精品色视频在线观看| 老汉色∧v一级毛片| 丝袜人妻中文字幕| 色婷婷久久久亚洲欧美| 久久久精品欧美日韩精品| 一级毛片女人18水好多| 久久婷婷人人爽人人干人人爱| 老司机午夜十八禁免费视频| 身体一侧抽搐| 两个人视频免费观看高清| 天堂影院成人在线观看| 午夜免费成人在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇 在线观看| а√天堂www在线а√下载| 免费一级毛片在线播放高清视频| 国产主播在线观看一区二区| 亚洲成a人片在线一区二区| 亚洲中文字幕一区二区三区有码在线看 | 成人三级做爰电影| 999久久久国产精品视频| 男女视频在线观看网站免费 | 岛国在线观看网站| 久久久水蜜桃国产精品网| 精品日产1卡2卡| 大型黄色视频在线免费观看| 母亲3免费完整高清在线观看| 久久 成人 亚洲| av在线播放免费不卡| 三级毛片av免费| 在线观看www视频免费| 两个人视频免费观看高清| 成人18禁在线播放| 黄色成人免费大全| 琪琪午夜伦伦电影理论片6080| 国产在线精品亚洲第一网站| 国产一区在线观看成人免费| 99在线视频只有这里精品首页| 搞女人的毛片| 免费电影在线观看免费观看| 国产区一区二久久| 久久香蕉精品热| 夜夜爽天天搞| 国产伦一二天堂av在线观看| 国产精品一区二区三区四区久久 | 成人永久免费在线观看视频| 亚洲激情在线av| 非洲黑人性xxxx精品又粗又长| 亚洲国产欧美网| 久久欧美精品欧美久久欧美| 嫁个100分男人电影在线观看| 女性被躁到高潮视频| 黑丝袜美女国产一区| 我的亚洲天堂| 亚洲国产精品sss在线观看| 一进一出抽搐动态| 一区二区三区激情视频| 亚洲七黄色美女视频| 9191精品国产免费久久| 国产欧美日韩精品亚洲av| 国产精品久久电影中文字幕| 久久精品人妻少妇| 欧美乱妇无乱码| 一二三四在线观看免费中文在| 欧美成人性av电影在线观看| 91在线观看av| 亚洲精品国产精品久久久不卡| 亚洲天堂国产精品一区在线| 国产精品久久久人人做人人爽| 欧美日韩亚洲国产一区二区在线观看| 美女大奶头视频| 最新在线观看一区二区三区| 久久欧美精品欧美久久欧美| 久9热在线精品视频| 757午夜福利合集在线观看| 国产一区二区激情短视频| 国产成人av激情在线播放| 宅男免费午夜| 在线播放国产精品三级| 一区福利在线观看| 成人亚洲精品av一区二区| 国产野战对白在线观看| bbb黄色大片| 嫩草影视91久久| 一本久久中文字幕| 曰老女人黄片| 日日干狠狠操夜夜爽| 中文字幕高清在线视频| 免费电影在线观看免费观看| 亚洲av电影不卡..在线观看| 久久国产精品男人的天堂亚洲| e午夜精品久久久久久久| 精品少妇一区二区三区视频日本电影| 88av欧美| 久久伊人香网站| 欧美又色又爽又黄视频| 久久性视频一级片| 亚洲精品av麻豆狂野| 亚洲精品粉嫩美女一区| 久久伊人香网站| 在线观看一区二区三区| 日本撒尿小便嘘嘘汇集6| 欧美亚洲日本最大视频资源| 在线观看免费日韩欧美大片| 国产亚洲av高清不卡| av视频在线观看入口| 香蕉久久夜色| 天堂√8在线中文| 黄色a级毛片大全视频| 久久国产精品男人的天堂亚洲| 国产麻豆成人av免费视频| 精品福利观看| 中文字幕另类日韩欧美亚洲嫩草| 色综合婷婷激情| 国产精品一区二区三区四区久久 | 99久久99久久久精品蜜桃| 变态另类丝袜制服| 啦啦啦韩国在线观看视频| 日本 av在线| 国产精品美女特级片免费视频播放器 | 亚洲黑人精品在线| 手机成人av网站| cao死你这个sao货| 亚洲色图av天堂| av超薄肉色丝袜交足视频| 777久久人妻少妇嫩草av网站| 18美女黄网站色大片免费观看| 成人国产综合亚洲| 日韩av在线大香蕉| 精品少妇一区二区三区视频日本电影| 日韩大码丰满熟妇| 亚洲电影在线观看av| 欧美乱妇无乱码| 每晚都被弄得嗷嗷叫到高潮| 日本一区二区免费在线视频| 老汉色∧v一级毛片| 麻豆国产av国片精品| 不卡一级毛片| 欧美人与性动交α欧美精品济南到| 一进一出抽搐gif免费好疼| 18美女黄网站色大片免费观看| 在线观看免费视频日本深夜| 青草久久国产| 麻豆久久精品国产亚洲av| a级毛片在线看网站| 亚洲精品一卡2卡三卡4卡5卡| 人成视频在线观看免费观看| 香蕉久久夜色| а√天堂www在线а√下载| 亚洲av成人一区二区三| 日韩三级视频一区二区三区| 性欧美人与动物交配| 亚洲av成人不卡在线观看播放网| 亚洲人成电影免费在线| 韩国精品一区二区三区| 精品一区二区三区四区五区乱码| 亚洲熟女毛片儿| 啪啪无遮挡十八禁网站| 在线十欧美十亚洲十日本专区| 性色av乱码一区二区三区2| 757午夜福利合集在线观看| 欧美日韩亚洲综合一区二区三区_| 欧美绝顶高潮抽搐喷水| 久久亚洲真实| 国产免费男女视频| 免费搜索国产男女视频| 又紧又爽又黄一区二区| 又大又爽又粗| 久久香蕉精品热| 中国美女看黄片| 亚洲最大成人中文| 99riav亚洲国产免费| 国产精品综合久久久久久久免费| 国产国语露脸激情在线看| 国产精品影院久久| 欧美丝袜亚洲另类 | 在线永久观看黄色视频| 国产成年人精品一区二区| 国产精品亚洲av一区麻豆| 91成人精品电影| 亚洲欧美精品综合久久99| 国产av在哪里看| 首页视频小说图片口味搜索| www日本黄色视频网| 日韩欧美在线二视频| 国产精品,欧美在线| 黄色a级毛片大全视频| 亚洲熟妇熟女久久| 9191精品国产免费久久| 欧美日韩乱码在线| 欧美不卡视频在线免费观看 | 日本免费a在线| 在线十欧美十亚洲十日本专区| 51午夜福利影视在线观看| 亚洲专区国产一区二区| 国产精华一区二区三区| 免费在线观看影片大全网站| 可以在线观看的亚洲视频| 成人国产一区最新在线观看| 国产国语露脸激情在线看| 99国产极品粉嫩在线观看| 欧美色欧美亚洲另类二区| 日韩成人在线观看一区二区三区| 夜夜夜夜夜久久久久| 中文字幕人成人乱码亚洲影| 欧美中文日本在线观看视频| 久久亚洲精品不卡| svipshipincom国产片| 国产不卡一卡二| 午夜福利成人在线免费观看| 国产又色又爽无遮挡免费看| 最近最新中文字幕大全电影3 | 亚洲国产欧美一区二区综合| 久久香蕉精品热| av福利片在线| 日韩欧美 国产精品| 免费在线观看亚洲国产| 无遮挡黄片免费观看| 久久草成人影院| 久热这里只有精品99| av视频在线观看入口| 超碰成人久久| 国产成人精品无人区| 久久久久久久久免费视频了| 哪里可以看免费的av片|