• <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 ?

    基于人工神經(jīng)網(wǎng)絡(luò)的圖像檢索平臺的設(shè)計與開發(fā)

    2016-04-12 00:00:00張偉華高昂
    現(xiàn)代電子技術(shù) 2016年21期

    摘 要: 用戶描述圖像的高層抽象語義與圖像內(nèi)在的底層特征之間存在差異,此時僅依靠圖像內(nèi)容特征進行檢索的系統(tǒng)無法準確完成用戶的檢索任務(wù)。針對以上問題,提出了使用神經(jīng)網(wǎng)絡(luò)進行圖像的匹配計算方法,通過樣例自動學習和用戶反饋學習兩種學習方式,形成圖像底層特征到圖像分類的正確映射,學習后的神經(jīng)網(wǎng)絡(luò)可以進行圖像的自動分類及檢索。該方法結(jié)合了圖像的底層特征描述及用戶的高層語義反饋,有效地彌補了語義鴻溝。最后,系統(tǒng)通過整合Web前端、圖像提取模塊、神經(jīng)網(wǎng)絡(luò)模塊及數(shù)據(jù)庫模塊,實現(xiàn)了神經(jīng)網(wǎng)絡(luò)學習及圖像檢索的完整流程。

    關(guān)鍵詞: 圖像檢索; 特征提??; 神經(jīng)網(wǎng)絡(luò); 機器學習; 相關(guān)反饋

    中圖分類號: TN711?34; TM417 文獻標識碼: A 文章編號: 1004?373X(2016)21?0078?05

    Design and development of image retrieval platform based on artificial neural network

    ZHANG Weihua, GAO Ang

    (Department of Information Engineering, Zhengzhou Chenggong University of Finance and Economics, Gongyi 451200, China)

    Abstract: Since the difference exists between the high?level abstract semantics and underlying feature of the user?description image, the retrieval system based on the image content feature can′t accurately accomplish the user′s retriecal task. To solve the above problem, an image matching calculation method based on neural network is proposed. The correct mapping from image low?level feature to image classification is formed by means of sample automatic learning and user feedback learning. The neural network after learning can classify and retrieve the image automatically. This method is combined with the image low?layer feature description and user high?level semantics feedback to effectively recover the semantic gap. The whole process of neural network learning and image retrieval was realized by integrating the Web front end, image extraction module, neural network module and database module.

    Keywords: image retrieval; feature extraction; neural network; machine learning; relevance feedback

    在利用神經(jīng)網(wǎng)絡(luò)進行圖像檢索的過程中,圖像的大小、精度及細節(jié)越來越豐富,信息含量相應(yīng)的也越來愈多,當使用大量的信息進行神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓練時,所需的時間和成本都大大增加,并且神經(jīng)網(wǎng)絡(luò)的檢索效率也會降低,這就使得其滿足不了用戶準確搜索圖像的需求[1]。同時,隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展,可以利用各種改進技術(shù)提高神經(jīng)網(wǎng)絡(luò)的學習效率和預(yù)測準確率,使得利用神經(jīng)網(wǎng)絡(luò)來模擬人腦對圖像的分類和檢索可以得到更好的效果。

    1 圖像特征的提取

    系統(tǒng)使用圖像分割方法對圖像的形狀特征進行描述,提取圖像中各個部分的形狀特征。

    1.1 形狀特征的提取

    使用K?均值聚類分割算法進行圖像的分割。將圖像分割后,由于每個簇中的像素在視覺特征上具有很強的相似性,因此對每一區(qū)域的特征進行簡單的描述,提取相應(yīng)的圖像特征然后保存結(jié)果,并將其作為圖像檢索系統(tǒng)的區(qū)域特征庫。系統(tǒng)針對不同的圖像特征選取不同的方法進行描述:

    (1) 區(qū)域顏色特征,提取該區(qū)域中像素點在Lab顏色空間中的均值來描述。

    (2) 區(qū)域位置特征,提取該區(qū)域中像素點在二維空間中的坐標的平均值來描述。

    (3) 區(qū)域紋理特征,提取該區(qū)域中像素的平均對比度及平均各向異性來描述。

    (4) 區(qū)域形狀特征,提取該區(qū)域的封閉輪廓,并將其分解為可由若干橢圓重構(gòu)的由橢圓參數(shù)組成的序列,然后通過傅里葉描述符來描述該封閉曲線[2]。

    1.2 顏色特征的提取

    由于顏色直方圖的限制,選擇顏色相關(guān)圖進行圖像顏色的提取。圖像的顏色相關(guān)圖就是由所有顏色對進行索引的表,在表中[(i, j)]的第[m]個條目表示找到與顏色為[i]的一個像素點距離為[m]的顏色為[j]的一個像素點的幾率。在計算顏色相關(guān)圖時需采用一些并行計算,這樣可以提高計算效率。

    1.3 紋理特征的提取

    通過對比基于Tamura紋理特征算法的檢索程序、基于灰度?梯度共生矩陣算法的檢索程序和基于Gabor小波變換算法,基于Tamura紋理特征提取算法的檢索程序的查詢準確率要比后兩者都高,且其查詢使用的時間也要少很多,因此系統(tǒng)選擇采用Tamura紋理特征提取算法。

    2 BP神經(jīng)網(wǎng)絡(luò)模型的搭建

    2.1 BP神經(jīng)網(wǎng)絡(luò)特點

    選擇BP神經(jīng)網(wǎng)絡(luò)作為圖像的神經(jīng)網(wǎng)絡(luò)分類器,其將[n]維圖像底層視覺特征映射為圖像的分類。通過實驗對BP神經(jīng)網(wǎng)絡(luò)進行一些改進和優(yōu)化,使其能有效地完成圖像檢索的任務(wù)。典型樣本集的選擇、學習復(fù)雜性、網(wǎng)絡(luò)結(jié)構(gòu)的選擇、輸入特征向量的選擇、預(yù)測能力的極限都是需要在搭建BP神經(jīng)網(wǎng)絡(luò)時需要考慮的問題[3]。

    2.2 BP神經(jīng)網(wǎng)絡(luò)的原理及拓撲結(jié)構(gòu)

    基于BP神經(jīng)網(wǎng)絡(luò)相關(guān)原理的學習與分析,確定了系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和構(gòu)建過程:首先定義輸入層、隱含層和輸出層的神經(jīng)元數(shù)目分別為[n,l]和[m,]則[(x1,x2,…,xn)]為網(wǎng)絡(luò)的輸入矢量,[(h1,h2,…,hl)]為隱含層神經(jīng)元的輸出矢量,[(y1,y2,…,ym)]為網(wǎng)絡(luò)的實際輸出矢量,同時定義[(d1,d2,…,dm)]為訓練樣本所對應(yīng)的預(yù)期輸出矢量。然后定義輸出層神經(jīng)元[i]與隱含層神經(jīng)元[j]的連接權(quán)值為[Vij,]隱含層神經(jīng)元[j]與輸出層神經(jīng)元[k]的連接權(quán)值為[Wjk,]隱含層神經(jīng)元[j]的閾值為[b,]輸出層神經(jīng)元[k]的閾值為[c。]由于傳遞函數(shù)需要表示具有線性特性的輸入信號與輸出信號的聯(lián)系,又根據(jù)BP神經(jīng)網(wǎng)絡(luò)要求傳遞函數(shù)必須連續(xù)可導(dǎo),因此其一般使用在(0,1)之間連續(xù)并可導(dǎo)的Sigmoid函數(shù)作為傳遞函數(shù),該函數(shù)公式為:

    [f(x)=11-e-x] (1)

    實際輸出矢量與預(yù)期輸出矢量的誤差計算公式為:

    [E=12j=1m(dk-yk)2] (2)

    隱含層神經(jīng)元輸出矢量的計算公式為:

    [hj=fj=1N-1Vijxi+?j] (3)

    輸出層神經(jīng)元輸出矢量的計算公式為:

    [yk=fj=0L-1Wjkhj+θk] (4)

    BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法調(diào)整權(quán)值,其權(quán)值修正公式為:

    [Wij(n+1)=Wij(n)+ηδjx′i] (5)

    在式(5)中,[Wij(n)]表示第[n]次學習后的神經(jīng)元[i]與神經(jīng)元[j]之間的連接權(quán)值,信號輸出的神經(jīng)元為[i,]信號輸入的神經(jīng)元為[j,][Xi]為神經(jīng)元[i]的實際輸出,[η]為網(wǎng)絡(luò)的學習速率,[δj]為神經(jīng)元[j]的學習誤差。

    系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建流程如下:

    (1) 初始化網(wǎng)絡(luò)的連接權(quán)值和閾值,其值為均勻分布的隨機數(shù)。

    (2) 對網(wǎng)絡(luò)使用一組樣例數(shù)據(jù)進行訓練。

    (3) 網(wǎng)絡(luò)搭建完成,將輸入矢量輸入網(wǎng)絡(luò)可仿真輸出符合預(yù)期的輸出矢量[4]。

    2.3 BP神經(jīng)網(wǎng)絡(luò)的學習過程

    通過對相關(guān)反饋算法的學習,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)進行學習的圖像檢索方法,它包含兩種學習過程:

    (1) 自動樣例學習,首先通過包含高層語義標注的樣例圖像的學習構(gòu)建圖像高層語義的分類器,其中對于圖像的每種語義分別構(gòu)造一個分類器,輸入樣例圖像后使系統(tǒng)提取圖像的底層特征作為神經(jīng)網(wǎng)絡(luò)的輸入,然后經(jīng)過一定時間的學習可以得到網(wǎng)絡(luò)的解,使分類器能夠初步完成分類任務(wù);

    (2) 用戶交互學習,首先通過用戶的指導(dǎo),將初步檢索結(jié)果進行分類,然后系統(tǒng)將用戶的反饋整理為學習樣本,同樣使用自動樣例學習過程進行學習,最后得出網(wǎng)絡(luò)最新的解,使分類器能更精確地完成分類任務(wù)。系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的學習流程如圖1所示。

    2.4 BP算法的改進

    使用附加動量法可以使網(wǎng)絡(luò)在修正連接權(quán)值時,不只考慮誤差在其梯度上的變化趨勢,還考慮誤差在其曲面上的變化趨勢。在沒有附加動量的情況中,網(wǎng)絡(luò)在訓練過程中有可能陷入局部極小狀態(tài),通過使用附加動量則可以在一定程度上繞過這些極小值,避免進入極小狀態(tài)[5]。附加動量法在反向傳播過程中,在每一個神經(jīng)元的連接權(quán)值及閾值的當次訓練的變化量上附加一個正比于上次訓練后的連接權(quán)值及閾值的變化量的項,根據(jù)新的變化量計算出新的連接權(quán)值及閾值。添加了附加動量因子的連接權(quán)值和閾值的變化量計算公式分別為:

    [Δwij(k+1)=(1-mc)ηδjpj+mcΔwij(k)] (6)

    [Δbj(k+1)=(1-mc)ηδj+mcΔbij(k)] (7)

    式中:[k]表示第[k]次訓練;[mc]表示動量因子,[mc]的取值一般在0.95附近。

    在結(jié)合附加動量法的網(wǎng)絡(luò)訓練過程中,需要根據(jù)不同條件判斷何時使用動量因子來修正權(quán)值,其判斷條件為:

    [mc=0,E(k)>E(k-1)×1.040.95,E(k)

    式中[E(k)]為第[k]步的誤差平方和。

    自適應(yīng)學習速率的調(diào)整公式為:

    [η(k+1)=1.05η(k),E(k+1)E(k)×1.04η(k),etc] (9)

    式中[E(k)]為第[k]步的誤差平方和。

    動量法可以幫助BP算法正確找到全局最優(yōu)解,自適應(yīng)學習速率法可以幫助BP算法縮短訓練時間,通過這兩種方法的使用,可以有效地提高神經(jīng)網(wǎng)絡(luò)的學習效果。

    2.5 實驗結(jié)果分析

    實驗?zāi)康臑榇_定系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)分類器的隱含層神經(jīng)元數(shù)目。首先根據(jù)研究獲得的圖像特征向量的元素個數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)分類器的學習樣例,此處每個樣例的輸入向量的元素個數(shù)為165個,因此構(gòu)建16組含有165個元素的輸入向量,4個一組劃分為一種類別,最終形成含有4種類別的16組訓練樣本,以此方法再生成該4種類別的4組測試樣本。然后根據(jù)經(jīng)驗公式獲得合適隱含層神經(jīng)元數(shù)目的取值范圍,此處為9~17個。最后將訓練樣本及測試樣本先后輸入隱含層神經(jīng)元數(shù)目不同的網(wǎng)絡(luò)中進行訓練和測試,記錄數(shù)據(jù)。

    表1記錄了隱含層神經(jīng)元數(shù)目及對應(yīng)的訓練誤差和測試誤差的數(shù)據(jù),由其數(shù)據(jù)可以看出,隨著隱含層神經(jīng)元數(shù)目的增加訓練誤差總體上逐漸減小,當個數(shù)超過15后訓練誤差出現(xiàn)一定程度的波動,出現(xiàn)小幅的增加,雖然不影響網(wǎng)絡(luò)的學習效果,但是過多的神經(jīng)元個數(shù)會增加學習時間,而此時測試誤差還是處于降低的趨勢。綜合分析實驗結(jié)果,本系統(tǒng)確定采用較合適的15個隱含層神經(jīng)元。

    3 檢索系統(tǒng)的設(shè)計與實現(xiàn)

    3.1 系統(tǒng)結(jié)構(gòu)分析

    3.1.1 系統(tǒng)結(jié)構(gòu)

    系統(tǒng)的結(jié)構(gòu)如圖2所示,圖中除了與用戶交互的Web前端,其余的圖像特征提取模塊、神經(jīng)網(wǎng)絡(luò)模塊及數(shù)據(jù)庫都在服務(wù)器端,這種瀏覽器?服務(wù)器結(jié)構(gòu)平臺搭建后,用戶可以通過不同客戶端的Web瀏覽器進行圖像檢索的功能,而不必安裝本地應(yīng)用程序,同時將主要的核心功能集中到服務(wù)器上,不僅大大簡化了系統(tǒng)的開發(fā)和維護流程,降低了成本,還增強了系統(tǒng)的擴展性。

    3.1.2 系統(tǒng)流程

    系統(tǒng)針對不同的功能需求設(shè)計了相應(yīng)的不同流程,這些流程包括系統(tǒng)樣例學習流程、用戶反饋學習流程、用戶查詢流程。

    如圖3所示,在系統(tǒng)的樣例學習過程中,系統(tǒng)接收到樣例數(shù)據(jù)后會先對數(shù)據(jù)進行分析,然后交給神經(jīng)網(wǎng)絡(luò)進行學習,最終生成對應(yīng)類別的分類器,這些分類器會在用戶檢索時對數(shù)據(jù)庫中的圖像進行分類,查找到符合用戶需求的圖像[6]。樣例學習的流程是本系統(tǒng)學習分類知識的關(guān)鍵步驟,在該步驟中用戶并不參與系統(tǒng)的學習過程,整個學習過程均為系統(tǒng)自動進行,因此需提供大量被正確標注的清晰圖像樣例,通過對這些優(yōu)質(zhì)樣例的學習,系統(tǒng)會自動生成針對圖像各種分類所對應(yīng)的分類器,且經(jīng)過長時間的學習,這些分類器的準確率會不斷上升,最終使查詢結(jié)果更符合用戶需求。

    如圖4所示,在系統(tǒng)的用戶查詢流程中,用戶的查詢條件為圖像特征的語義描述,系統(tǒng)最終返回為包含該描述特征的圖像集,這個過程利用神經(jīng)網(wǎng)絡(luò)分類器學習的高層描述語義與低層圖像特征之間的映射,因此隨著神經(jīng)網(wǎng)絡(luò)學習時間的增大,這種映射也就越精確,系統(tǒng)完成的查詢也就越符合用戶要求。

    3.1.3 圖像特征提取模塊

    如圖5所示,當圖像輸入到圖像特征提取模塊中時,圖像會進行K?均值聚類分割算法處理、顏色相關(guān)圖算法處理及Tamura紋理特征算法處理,這三個處理過程并行進行。

    經(jīng)過K?均值聚類分割算法處理,圖像被分割為若干塊區(qū)域,每個區(qū)域中的像素都具有相似的屬性,對于每個區(qū)域,會提取其簡單的區(qū)域特征,如顏色特征、位置特征、紋理特征及形狀特征等;經(jīng)過顏色相關(guān)圖算法處理,生成當前圖像的顏色自相關(guān)圖;經(jīng)過Tamura紋理特征算法處理,計算出圖像的粗糙度、對比度、方向度、線性度等數(shù)值。將經(jīng)過三個算法處理后得到的數(shù)值整理后得到圖像的特征向量[7]。

    3.1.4 神經(jīng)網(wǎng)絡(luò)模塊

    系統(tǒng)中的圖像神經(jīng)網(wǎng)絡(luò)分類器由三層組成,分別為輸入層、隱含層及輸出層,其中輸入層的神經(jīng)元個數(shù)與歸一化后的圖像特征向量的個數(shù)相同,為固定值;隱含層的神經(jīng)元個數(shù)通過前文中的實驗得出,適合于本系統(tǒng)中神經(jīng)網(wǎng)絡(luò)的要求;輸出層只有一個神經(jīng)元進行分類,設(shè)定1為屬于該分類的學習期望,設(shè)定0為不屬于該分類的學習期望,但是實際運行時需要設(shè)定1為0.9,0為0.1,這是因為Sigmoid函數(shù)無法經(jīng)過有限的連接權(quán)值計算得到1與0的值[8]。

    3.1.5 Web 平臺模塊

    系統(tǒng)的Web界面包括用戶查詢輸入框、用戶圖像上傳框、查詢結(jié)果瀏覽框等。

    3.2 實驗結(jié)果分析

    為了檢驗圖像檢索平臺的性能,首先將系統(tǒng)設(shè)置為學習模式,然后從圖像庫中選取1 000幅已進行人工標注的樣例集輸入系統(tǒng),最后當系統(tǒng)發(fā)出已訓練完畢信號后,對系統(tǒng)已學習的分類當作查詢輸入系統(tǒng)進行檢索,記錄系統(tǒng)檢索結(jié)果。

    檢索結(jié)果可知經(jīng)過人工指導(dǎo)學習,系統(tǒng)可以仿真模擬更符合人類視覺感知的分類方式,并將其記憶于相應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器中,經(jīng)過不斷的學習,系統(tǒng)可以返回更準確的符合用戶需求的檢索結(jié)果。

    4 結(jié) 論

    本文主要研究包括基于內(nèi)容的圖像檢索技術(shù)及人工神經(jīng)網(wǎng)絡(luò)技術(shù)兩個方面。首先使用K?均值聚類分割算法、顏色相關(guān)圖算法及Tamura紋理特征提取算法提取圖像相應(yīng)的形狀、顏色及紋理特征,通過整合形成可以完整描述圖像信息的特征向量。同時,針對基于內(nèi)容的圖像檢索系統(tǒng)中用戶高層語義與圖像底層特征之間存在的問題,通過樣例自動學習和用戶反饋學習兩種學習方式,BP神經(jīng)網(wǎng)絡(luò)通過反向傳播學習算法調(diào)節(jié)網(wǎng)絡(luò)權(quán)值,從而形成圖像底層特征到圖像分類的正確映射,學習后的神經(jīng)網(wǎng)絡(luò)通過這種映射可以進行圖像的自動分類及檢索,該方法結(jié)合了圖像的底層特征描述及用戶的高層語義反饋,有效地彌補了語義鴻溝。

    參考文獻

    [1] KHERFI M L, ZIOU D. Relevance feedback for CBIR: a new approach based on probabilistic feature weighting with positive and negative examples [J]. IEEE transactions on image processing, 2006, 15(4): 1017?1030.

    [2] TRAINA A J M, MARQUES J. Fighting the semantic gap on CBIR systems through new relevance feedback techniques [C]// Proceedings of 2011 the 21th IEEE International Symposium on Computer?Based Medical Systems. [S.l.]: IEEE, 2006: 881?886.

    [3] 周資云.基于內(nèi)容的圖像檢索系統(tǒng)研發(fā)與應(yīng)用[J].華章,2012(29):22.

    [4] 劉麗,匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學報,2013,14(4):622?635.

    [5] KANUNGO T, MOUNT D M, NETANYAHU N S, et al. An efficient k?means clustering algorithm: analysis and implementation [J]. IEEE transactions on pattern analysis and machine intelligence, 2002, 24(7): 881?892.

    [6] WILLIAMS A, YOON P. Content?based image retrieval using joint correlograms [J]. Multimedia tools and applications, 2007, 34(2): 239?248.

    [7] PANDA S S, PRASAD M, PRASAD M N M, et al. Image compression using back propagation neural network [J]. International journal of engineering science advanced technology, 2012, 2(1): 74?78.

    [8] 李忠武,陳麗清.計算機網(wǎng)絡(luò)安全評價中神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J].現(xiàn)代電子技術(shù),2014,37(10):80?82.

    亚洲成人中文字幕在线播放| 久久久国产成人免费| 熟女人妻精品中文字幕| 亚洲国产精品成人久久小说 | 国产成人福利小说| 日韩欧美一区二区三区在线观看| av在线观看视频网站免费| 国内少妇人妻偷人精品xxx网站| 精品一区二区三区人妻视频| 男人狂女人下面高潮的视频| 亚洲国产精品sss在线观看| 成人鲁丝片一二三区免费| 日韩av不卡免费在线播放| 欧美日本视频| 变态另类成人亚洲欧美熟女| 国产成人一区二区在线| 国内精品一区二区在线观看| 亚洲人成网站在线播放欧美日韩| 日本在线视频免费播放| 国产精品三级大全| 亚洲欧美日韩东京热| 亚洲精品影视一区二区三区av| 69人妻影院| 性色avwww在线观看| 亚洲最大成人中文| 91在线精品国自产拍蜜月| or卡值多少钱| 女人十人毛片免费观看3o分钟| 国产一区二区在线av高清观看| 精品午夜福利在线看| 亚洲精品色激情综合| 亚洲电影在线观看av| 老女人水多毛片| 欧美精品国产亚洲| 亚洲在线自拍视频| 神马国产精品三级电影在线观看| 禁无遮挡网站| 两个人视频免费观看高清| 草草在线视频免费看| 国产老妇女一区| 人妻久久中文字幕网| 日韩欧美精品免费久久| 男女之事视频高清在线观看| 嫩草影院新地址| 欧美性感艳星| 久久久久久国产a免费观看| av福利片在线观看| 成熟少妇高潮喷水视频| 性色avwww在线观看| 午夜福利在线观看吧| 亚洲av熟女| 成人漫画全彩无遮挡| 12—13女人毛片做爰片一| 真人做人爱边吃奶动态| av女优亚洲男人天堂| 国产视频内射| 97超碰精品成人国产| 国产免费一级a男人的天堂| 久久精品国产亚洲av香蕉五月| 亚洲七黄色美女视频| av在线播放精品| 激情 狠狠 欧美| 亚洲无线在线观看| 亚洲欧美日韩卡通动漫| 国产人妻一区二区三区在| 搡老岳熟女国产| 国产伦精品一区二区三区四那| 欧美最黄视频在线播放免费| 亚洲在线自拍视频| 伦精品一区二区三区| 久久久久免费精品人妻一区二区| 免费av毛片视频| 一进一出抽搐gif免费好疼| 成人综合一区亚洲| 久久午夜亚洲精品久久| 3wmmmm亚洲av在线观看| 小说图片视频综合网站| av天堂中文字幕网| 成人亚洲欧美一区二区av| 一进一出抽搐gif免费好疼| 久久婷婷人人爽人人干人人爱| 日本与韩国留学比较| 午夜福利在线在线| 国产探花极品一区二区| 久久精品国产亚洲网站| 男女之事视频高清在线观看| or卡值多少钱| 97超视频在线观看视频| 99久久精品一区二区三区| 精品日产1卡2卡| 久久亚洲国产成人精品v| 日韩精品青青久久久久久| 在线免费观看的www视频| 性插视频无遮挡在线免费观看| 人妻久久中文字幕网| 少妇熟女aⅴ在线视频| av在线观看视频网站免费| a级毛片免费高清观看在线播放| 毛片一级片免费看久久久久| 在线免费十八禁| 老司机影院成人| 精品乱码久久久久久99久播| 国产精品人妻久久久久久| av在线老鸭窝| 亚洲精品乱码久久久v下载方式| 国产精品嫩草影院av在线观看| 国产精品久久久久久久久免| 国产亚洲欧美98| 美女内射精品一级片tv| 久久婷婷人人爽人人干人人爱| 熟妇人妻久久中文字幕3abv| 精品午夜福利视频在线观看一区| 国产激情偷乱视频一区二区| 国产高清有码在线观看视频| 亚洲一区高清亚洲精品| 国语自产精品视频在线第100页| 欧美日韩精品成人综合77777| 国产精品精品国产色婷婷| 午夜激情福利司机影院| 久久久久免费精品人妻一区二区| 搡老岳熟女国产| 少妇裸体淫交视频免费看高清| 美女高潮的动态| 91在线观看av| 午夜福利18| 亚洲av第一区精品v没综合| 夜夜夜夜夜久久久久| 国产伦一二天堂av在线观看| 日本 av在线| 卡戴珊不雅视频在线播放| 国产久久久一区二区三区| 大香蕉久久网| 国产成人91sexporn| 性色avwww在线观看| 十八禁国产超污无遮挡网站| 在线观看av片永久免费下载| 成人漫画全彩无遮挡| 干丝袜人妻中文字幕| 日韩成人伦理影院| 国内揄拍国产精品人妻在线| 一边摸一边抽搐一进一小说| 久久久a久久爽久久v久久| 午夜福利在线观看免费完整高清在 | 最近在线观看免费完整版| 国产精品电影一区二区三区| 欧美日本亚洲视频在线播放| 一个人观看的视频www高清免费观看| 内地一区二区视频在线| 免费在线观看影片大全网站| 我要搜黄色片| 亚洲欧美日韩高清专用| 能在线免费观看的黄片| 男人和女人高潮做爰伦理| 国产人妻一区二区三区在| 18禁裸乳无遮挡免费网站照片| 午夜亚洲福利在线播放| 亚洲无线在线观看| 天天躁日日操中文字幕| 99热6这里只有精品| 午夜激情福利司机影院| 欧美色欧美亚洲另类二区| 亚洲一级一片aⅴ在线观看| 久久人人爽人人爽人人片va| 高清毛片免费观看视频网站| av黄色大香蕉| 大香蕉久久网| 国产高清激情床上av| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久av不卡| 国产麻豆成人av免费视频| 最近2019中文字幕mv第一页| 啦啦啦韩国在线观看视频| 国产精品亚洲美女久久久| av在线观看视频网站免费| 黄色视频,在线免费观看| 国产麻豆成人av免费视频| 精品久久久久久久久久免费视频| 亚洲成人av在线免费| 欧美日韩精品成人综合77777| 国产一区二区亚洲精品在线观看| 能在线免费观看的黄片| 成人欧美大片| 精品熟女少妇av免费看| 亚洲美女视频黄频| 偷拍熟女少妇极品色| 久久精品国产亚洲网站| 国产精品一区二区免费欧美| 国产熟女欧美一区二区| 3wmmmm亚洲av在线观看| 久久综合国产亚洲精品| 精品日产1卡2卡| 国产亚洲精品综合一区在线观看| 亚洲色图av天堂| 男人舔奶头视频| 欧美日韩在线观看h| 久久99热这里只有精品18| 欧美精品国产亚洲| 天堂√8在线中文| 97在线视频观看| 精品久久久久久久末码| 日本撒尿小便嘘嘘汇集6| 亚洲精华国产精华液的使用体验 | 久久久久久久午夜电影| 亚洲av成人精品一区久久| 亚洲av成人精品一区久久| 久久久国产成人精品二区| 中文字幕免费在线视频6| 国产成人影院久久av| 免费人成视频x8x8入口观看| 久久6这里有精品| 嫩草影院入口| 又黄又爽又免费观看的视频| 亚洲天堂国产精品一区在线| 欧美成人a在线观看| 99九九线精品视频在线观看视频| 长腿黑丝高跟| 午夜亚洲福利在线播放| 色综合站精品国产| 九九热线精品视视频播放| 美女大奶头视频| 99热网站在线观看| 美女大奶头视频| 日韩中字成人| 亚洲一级一片aⅴ在线观看| 久久亚洲精品不卡| 一个人看视频在线观看www免费| 日韩在线高清观看一区二区三区| 在线国产一区二区在线| 两性午夜刺激爽爽歪歪视频在线观看| 12—13女人毛片做爰片一| 99久久精品热视频| 久久人人爽人人爽人人片va| 国产高潮美女av| 婷婷色综合大香蕉| 99久久精品热视频| 国产av不卡久久| 18禁在线播放成人免费| 日本一二三区视频观看| 精品久久久久久成人av| 国产在线男女| 欧美+日韩+精品| 婷婷精品国产亚洲av| 欧美色视频一区免费| 女人被狂操c到高潮| 国产精品人妻久久久久久| 免费在线观看影片大全网站| 在线免费观看的www视频| 九九热线精品视视频播放| 日韩精品青青久久久久久| 日产精品乱码卡一卡2卡三| 国产精品av视频在线免费观看| 九色成人免费人妻av| 69av精品久久久久久| 99riav亚洲国产免费| 看非洲黑人一级黄片| 嫩草影院新地址| 免费在线观看成人毛片| 亚洲国产日韩欧美精品在线观看| 精品一区二区三区视频在线观看免费| 亚洲美女黄片视频| 黄色视频,在线免费观看| 最近的中文字幕免费完整| 老师上课跳d突然被开到最大视频| 久久久久精品国产欧美久久久| 伦理电影大哥的女人| 男女下面进入的视频免费午夜| 亚洲熟妇熟女久久| av卡一久久| 国产v大片淫在线免费观看| 九九爱精品视频在线观看| 久久午夜亚洲精品久久| 乱系列少妇在线播放| 一卡2卡三卡四卡精品乱码亚洲| 欧美最黄视频在线播放免费| 日韩一本色道免费dvd| 国产成人91sexporn| 亚洲无线在线观看| 久久久久性生活片| 可以在线观看毛片的网站| 亚洲av中文av极速乱| 99久久精品热视频| 精品免费久久久久久久清纯| 精品日产1卡2卡| 赤兔流量卡办理| 九九在线视频观看精品| 国产亚洲91精品色在线| 男女视频在线观看网站免费| 麻豆乱淫一区二区| 欧美人与善性xxx| 成人毛片a级毛片在线播放| 丰满的人妻完整版| 成人无遮挡网站| 国产精品伦人一区二区| 国产v大片淫在线免费观看| 波野结衣二区三区在线| 午夜福利在线在线| 十八禁网站免费在线| 午夜激情欧美在线| 老女人水多毛片| 欧美性感艳星| 秋霞在线观看毛片| 日韩,欧美,国产一区二区三区 | 亚洲av中文字字幕乱码综合| 又粗又爽又猛毛片免费看| 日韩欧美三级三区| 天堂√8在线中文| 成人特级黄色片久久久久久久| 日本成人三级电影网站| 亚洲av二区三区四区| 两个人的视频大全免费| 欧美潮喷喷水| 久久久久久久久久久丰满| 亚洲不卡免费看| 精品人妻一区二区三区麻豆 | 此物有八面人人有两片| 日本 av在线| 亚洲精品国产成人久久av| 国产精品久久久久久av不卡| 校园春色视频在线观看| 赤兔流量卡办理| 18禁黄网站禁片免费观看直播| 欧美性猛交黑人性爽| 国产精品嫩草影院av在线观看| 久久久欧美国产精品| 22中文网久久字幕| АⅤ资源中文在线天堂| 少妇熟女欧美另类| 啦啦啦韩国在线观看视频| 在线天堂最新版资源| АⅤ资源中文在线天堂| 国内精品宾馆在线| 级片在线观看| 亚洲精品亚洲一区二区| 深夜精品福利| 中国美女看黄片| 啦啦啦观看免费观看视频高清| 日本成人三级电影网站| 亚洲美女黄片视频| 97热精品久久久久久| 成人二区视频| 搡老妇女老女人老熟妇| 干丝袜人妻中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 国产一区二区在线观看日韩| 欧美一区二区亚洲| 免费黄网站久久成人精品| 亚洲无线观看免费| 嫩草影视91久久| 日日干狠狠操夜夜爽| 最新在线观看一区二区三区| 亚洲人成网站在线观看播放| 在线观看一区二区三区| 亚洲国产精品成人综合色| 黄色欧美视频在线观看| av在线蜜桃| 国产精品国产三级国产av玫瑰| 国产精品美女特级片免费视频播放器| 联通29元200g的流量卡| 欧美日韩在线观看h| 黄色视频,在线免费观看| 秋霞在线观看毛片| 成人一区二区视频在线观看| 12—13女人毛片做爰片一| 国产亚洲91精品色在线| 免费看av在线观看网站| 18禁裸乳无遮挡免费网站照片| 长腿黑丝高跟| 国产高清视频在线观看网站| 亚洲第一区二区三区不卡| 久久久久久久久中文| 日韩欧美国产在线观看| 久久久久精品国产欧美久久久| 亚洲精品456在线播放app| 成人二区视频| 在线播放无遮挡| 午夜日韩欧美国产| 欧美最新免费一区二区三区| 少妇丰满av| 日韩精品中文字幕看吧| 自拍偷自拍亚洲精品老妇| 中文字幕熟女人妻在线| 成年免费大片在线观看| 成人亚洲欧美一区二区av| 菩萨蛮人人尽说江南好唐韦庄 | 成年女人永久免费观看视频| 简卡轻食公司| 久久久精品大字幕| 国产一级毛片七仙女欲春2| 亚洲内射少妇av| 午夜激情欧美在线| 国产高清不卡午夜福利| 免费不卡的大黄色大毛片视频在线观看 | 国产高清视频在线播放一区| 成人高潮视频无遮挡免费网站| 国产成人aa在线观看| 久久久久久久久久久丰满| 欧美中文日本在线观看视频| 小蜜桃在线观看免费完整版高清| 在线观看免费视频日本深夜| 国产一区二区在线观看日韩| 超碰av人人做人人爽久久| 午夜福利成人在线免费观看| 99热精品在线国产| 我的老师免费观看完整版| 亚洲性久久影院| 欧美一区二区精品小视频在线| 99久久无色码亚洲精品果冻| 国产av一区在线观看免费| 亚洲欧美精品自产自拍| 狠狠狠狠99中文字幕| 欧美中文日本在线观看视频| a级一级毛片免费在线观看| 国产三级中文精品| 最近视频中文字幕2019在线8| 级片在线观看| 国内少妇人妻偷人精品xxx网站| 露出奶头的视频| 级片在线观看| 少妇被粗大猛烈的视频| 国产淫片久久久久久久久| 黄色一级大片看看| 男人舔女人下体高潮全视频| 最近的中文字幕免费完整| 欧美人与善性xxx| 亚洲av成人av| 亚洲国产精品国产精品| 一本精品99久久精品77| av在线蜜桃| 欧美性感艳星| 欧美最黄视频在线播放免费| 亚洲精品日韩在线中文字幕 | 国产高清三级在线| 精品不卡国产一区二区三区| 久久精品国产亚洲av香蕉五月| 麻豆成人午夜福利视频| 免费看日本二区| 日本熟妇午夜| 国产伦精品一区二区三区视频9| 国产精品精品国产色婷婷| 午夜福利成人在线免费观看| 中文字幕av成人在线电影| 舔av片在线| 亚洲av电影不卡..在线观看| 22中文网久久字幕| 超碰av人人做人人爽久久| 亚洲一区高清亚洲精品| 中文亚洲av片在线观看爽| 哪里可以看免费的av片| 一进一出抽搐动态| 亚洲人成网站在线观看播放| 村上凉子中文字幕在线| 男女边吃奶边做爰视频| 干丝袜人妻中文字幕| 少妇高潮的动态图| 哪里可以看免费的av片| 欧美丝袜亚洲另类| 亚洲经典国产精华液单| 亚洲中文字幕日韩| 九九在线视频观看精品| 精品乱码久久久久久99久播| 国内揄拍国产精品人妻在线| 人人妻人人看人人澡| 日本五十路高清| 亚洲国产精品成人综合色| 在线播放国产精品三级| 久久欧美精品欧美久久欧美| 男女之事视频高清在线观看| 成人鲁丝片一二三区免费| 国产精品综合久久久久久久免费| 国产一区二区激情短视频| 免费在线观看成人毛片| 国产老妇女一区| 亚洲最大成人av| 青春草视频在线免费观看| 婷婷精品国产亚洲av在线| 69av精品久久久久久| 亚洲无线观看免费| 黄片wwwwww| 中国美女看黄片| 天堂av国产一区二区熟女人妻| 97碰自拍视频| 国产高清激情床上av| 精品欧美国产一区二区三| 变态另类成人亚洲欧美熟女| 亚洲内射少妇av| 最近手机中文字幕大全| 国内精品一区二区在线观看| 国产一区二区在线观看日韩| 春色校园在线视频观看| 熟妇人妻久久中文字幕3abv| 色综合亚洲欧美另类图片| 成人二区视频| 在线天堂最新版资源| 中文字幕熟女人妻在线| 免费人成在线观看视频色| 日韩精品青青久久久久久| 欧美激情在线99| 91狼人影院| 国产私拍福利视频在线观看| 国产成人影院久久av| av专区在线播放| 精品国产三级普通话版| 国产v大片淫在线免费观看| 国产午夜福利久久久久久| 成年女人永久免费观看视频| 国产色婷婷99| 国产三级在线视频| 少妇熟女欧美另类| 黄色日韩在线| 欧美精品国产亚洲| 真实男女啪啪啪动态图| 99国产极品粉嫩在线观看| 国产麻豆成人av免费视频| 成年版毛片免费区| 亚洲av免费在线观看| 亚洲天堂国产精品一区在线| 久久热精品热| 欧美在线一区亚洲| 特级一级黄色大片| 一夜夜www| 久久精品国产鲁丝片午夜精品| 亚洲一区二区三区色噜噜| 高清毛片免费观看视频网站| 日韩在线高清观看一区二区三区| 亚洲成人中文字幕在线播放| 麻豆乱淫一区二区| 亚洲人成网站在线播放欧美日韩| 免费看美女性在线毛片视频| 老女人水多毛片| 国产私拍福利视频在线观看| 国产日本99.免费观看| 欧美极品一区二区三区四区| 亚洲性久久影院| 一进一出好大好爽视频| 别揉我奶头 嗯啊视频| 色哟哟哟哟哟哟| 成年版毛片免费区| 精品久久久久久久久av| 精品久久久久久久久久免费视频| 亚洲乱码一区二区免费版| 久久午夜亚洲精品久久| 久久鲁丝午夜福利片| 亚洲国产欧美人成| 亚洲av中文字字幕乱码综合| www.色视频.com| 国产av一区在线观看免费| 神马国产精品三级电影在线观看| 能在线免费观看的黄片| 婷婷精品国产亚洲av| 欧美一区二区国产精品久久精品| 国产探花在线观看一区二区| 亚洲国产精品sss在线观看| 男人狂女人下面高潮的视频| av在线蜜桃| 亚洲欧美日韩卡通动漫| 大香蕉久久网| 中文字幕熟女人妻在线| 搡老熟女国产l中国老女人| 久久人人爽人人爽人人片va| 啦啦啦韩国在线观看视频| 成人国产麻豆网| 狂野欧美白嫩少妇大欣赏| 亚洲精品日韩在线中文字幕 | 日本色播在线视频| 国产片特级美女逼逼视频| 一进一出抽搐gif免费好疼| 一个人观看的视频www高清免费观看| 成人综合一区亚洲| 亚洲精品粉嫩美女一区| 国内久久婷婷六月综合欲色啪| 午夜a级毛片| 亚洲一区高清亚洲精品| 美女免费视频网站| 最近2019中文字幕mv第一页| 老熟妇乱子伦视频在线观看| 99久久无色码亚洲精品果冻| 亚洲性久久影院| 少妇的逼好多水| 老司机福利观看| 三级经典国产精品| 免费高清视频大片| 一级毛片aaaaaa免费看小| 国产老妇女一区| 两个人视频免费观看高清| 国产又黄又爽又无遮挡在线| 熟女电影av网| 亚洲18禁久久av| 国产精品一二三区在线看| 97超碰精品成人国产| 深夜精品福利| 精品无人区乱码1区二区| 久久久久久久久久成人| 国产av不卡久久| 在线免费观看不下载黄p国产| 国产精品乱码一区二三区的特点| 少妇人妻一区二区三区视频| 性插视频无遮挡在线免费观看| 一本精品99久久精品77| 成人特级黄色片久久久久久久| 校园人妻丝袜中文字幕| 乱码一卡2卡4卡精品| 我的老师免费观看完整版| 亚洲内射少妇av| 久久精品国产99精品国产亚洲性色| 在线a可以看的网站| 女人十人毛片免费观看3o分钟| 国产成人a区在线观看| 午夜影院日韩av| 久99久视频精品免费| 国产单亲对白刺激| 欧美三级亚洲精品| 狂野欧美激情性xxxx在线观看| 色视频www国产| 免费av不卡在线播放| 亚洲av熟女|