• <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 ?

    一種基于神經(jīng)網(wǎng)絡(luò)的人臉圖像超分辨率重構(gòu)算法

    2016-04-22 00:54:59高志榮藍(lán)雯飛

    高志榮,藍(lán)雯飛

    (中南民族大學(xué) 計算機(jī)科學(xué)學(xué)院,武漢 430074)

    ?

    一種基于神經(jīng)網(wǎng)絡(luò)的人臉圖像超分辨率重構(gòu)算法

    高志榮,藍(lán)雯飛

    (中南民族大學(xué) 計算機(jī)科學(xué)學(xué)院,武漢 430074)

    摘要提出了一種基于神經(jīng)網(wǎng)絡(luò)的超分辨率重構(gòu)算法.首先用基于l1范數(shù)的最小全變分約束對輸入的低分辨率圖像進(jìn)行去模糊處理,得到初始復(fù)原圖像;再根據(jù)結(jié)構(gòu)相似度原則選擇初始復(fù)原圖像在訓(xùn)練集中最相近的M幅圖像,并加權(quán)求和作為神經(jīng)網(wǎng)絡(luò)的初始輸出;結(jié)合貝葉斯后驗概率,用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練,最后輸出復(fù)原的高分辨率圖像.算法充分利用了不同人臉圖像之間的相似性,并加入了最小全變分約束,以保持圖像邊緣的奇異性及非邊緣的平滑性.實驗結(jié)果表明:算法能有效提高下采樣及模糊人臉圖像的分辨率,具有一定的實用價值.

    關(guān)鍵詞人臉圖像;超分辨率;最小全變分;結(jié)構(gòu)相似度;徑向基函數(shù)

    Neural Network Based Super Resolution for Face Image

    GaoZhirong,LanWenfei

    (College of Computer Science, South-Central University for Nationalities, Wuhan 430074,China)

    AbstractThis paper proposed a new neural network based super-resolution reconstruction algorithm for blurring face image. The norm based minimum total variation was firstly used to deal with the problem of blurring in low-resolution image. The M images in the training database with the most similar to the initial restored image were following identified according to the structure similarity measure. Then the weighted sum of the M images was calculated for initial output of the neural network. Combining with Bayesian posterior probability, RBF neural network was trained iteratively for finally outputs of the high resolution image. The algorithm took full advantages of the similarity between different face images for reconstruction and the constraints of the minimum total variation for edge singularity and smoothness. The experimental results showed that the algorithm effectively improved the resolution of input low face image and had some practice value.

    Keywordsface image; super resolution; minimal total variation; SSIM; RBF

    在智能視頻監(jiān)控等應(yīng)用中,具有清晰細(xì)節(jié)特征的高分辨率人臉圖像對于提升系統(tǒng)性能十分重要.而在實際應(yīng)用中,由于采集目標(biāo)與相機(jī)的距離較遠(yuǎn),因此導(dǎo)致獲得的圖像分辨率及圖像質(zhì)量較低,給后續(xù)人臉識別和跟蹤等應(yīng)用帶來很大的困難.盡管通過減少傳感器大小、增加傳感器密度可進(jìn)一步提升獲取圖像的分辨率,但是這種方法不僅大大提高了系統(tǒng)的硬件實現(xiàn)成本,而且也導(dǎo)致散射噪聲的增加,因此難以滿足人們的應(yīng)用需求.基于軟件實現(xiàn)的圖像超分辨率(SR)技術(shù)[1]是提升圖像分辨率的一種有效方法,其基本思想是以若干模糊、有噪、頻譜混疊的低分辨率(LR)圖像為輸入,通過信號處理技術(shù)融合成一幅高分辨率(HR)圖像.這種技術(shù)可以彌補(bǔ)硬件方法的不足,從軟件角度顯著提高圖像的空間分辨率,目前已應(yīng)用于社會生活的許多領(lǐng)域,并成為獲取高質(zhì)量圖像的重要手段,也成為近年來圖像處理領(lǐng)域的重要熱點(diǎn)問題.人臉圖像的超分辨率也稱為人臉虛幻.

    過去的幾十年,圖像超分辨率已得到廣泛研究,并形成了許多的有用方法.這些方法大體可以分為三類:基于插值的方法,基于重構(gòu)的方法[2-4]和基于學(xué)習(xí)的方法.

    基于插值的方法是直觀且高效的,其主要包括傳統(tǒng)的基于雙線性插值和樣條插值等,然而在放大倍數(shù)較大時,這些方法的性能將不再令人滿意.基于重構(gòu)的方法建立在成像降質(zhì)模型的基礎(chǔ)上,其基本思想是組合包含在多幀低分辨率圖像中的非冗余信息以生成高分辨率圖像.基于重建的方法需要輸入足夠多的低分辨率圖像,才能恢復(fù)出原來的高頻信息.在實際應(yīng)用中,多數(shù)情況下無法滿足這個要求,當(dāng)只有一幅低分辨率圖像輸入時,得到對應(yīng)的高分辨率圖像就變得更加困難.同時由于傳統(tǒng)基于重建的方法在提高分辨率時,隨著分辨率提高倍數(shù)的增加,算法性能下降很快,會出現(xiàn)細(xì)節(jié)丟失、邊緣模糊等問題[5].近年提出的基于學(xué)習(xí)的方法也稱為基于樣本的方法,通過從一組低分辨率圖像和對應(yīng)高分辨率圖像組成的訓(xùn)練集尋找某種關(guān)系,并由此估計出低分辨輸入圖像丟失的高頻細(xì)節(jié).基于學(xué)習(xí)的方法利用樣本的先驗知識來提供更強(qiáng)的約束,因此往往能得到更好的結(jié)果.

    基于學(xué)習(xí)的超分辨率重構(gòu)算法最早由Freeman等人[6]提出,其基本思想是先學(xué)習(xí)低分辨率圖像與高分辨率圖像之間的關(guān)系,然后利用這種關(guān)系來指導(dǎo)對圖像進(jìn)行超分辨率.該方法運(yùn)用馬爾科夫網(wǎng)絡(luò)建立低分辨率圖像塊和高分辨率圖像塊之間的對應(yīng)關(guān)系,并使用貝葉斯置信算法尋找后驗概率的局部最大值進(jìn)行求解.這一算法需要耗費(fèi)大量的時間來構(gòu)造圖像訓(xùn)練集,整個重構(gòu)過程耗費(fèi)的時間很長.Chang等人[7]把流形學(xué)習(xí)中鄰域嵌入的思想引入超分辨率重構(gòu)算法中,從而假定低分辨率圖像塊和高分辨率圖像塊具有相似的局部流形結(jié)構(gòu).通過圖像訓(xùn)練,得到低分辨率圖像塊和高分辨率圖像塊的訓(xùn)練集,然后進(jìn)行匹配重建.Yang[8]把壓縮感知的部分思想引入到超分辨率算法中,他們利用線性規(guī)劃求解LR圖像塊的稀疏表示,并通過與HR圖像塊的線性組合得到高分辨率圖像.這種方法無需設(shè)定用于稀疏表示的低分辨率圖像塊的數(shù)目,但字典的構(gòu)建具有隨機(jī)性,很難泛化.

    近年來,專門針對人臉圖像的超分辨率重構(gòu)算法得到了研究者們的廣泛關(guān)注.人臉圖像作為一種特殊的、多維的非剛性模式,具有非常復(fù)雜的生理學(xué)構(gòu)造.相比于其他圖像形式,基于人臉圖像的超分辨率圖像重構(gòu)具有更大的挑戰(zhàn)性.在人臉圖像超分辨率重構(gòu)算法中,Baker等人[9]第一次提出“虛幻臉”算法,通過引入圖像的梯度先驗信息進(jìn)行訓(xùn)練.朱華生等人[10]結(jié)合稀疏表示理論,提出了一種基于局部約束的人臉圖像超分辨率重構(gòu)算法.張地等[11]在傳統(tǒng)基于像素空間超分辨率重構(gòu)算法的基礎(chǔ)了,提出了一種基于特征空間的人臉超分辨率圖像重構(gòu)算法.An等[12]提出了一種基于二維典型關(guān)聯(lián)分析人臉圖像超分辨率重構(gòu)算法.

    以上基于人臉圖像的超分辨率算法,在圖像降質(zhì)嚴(yán)重的情況下,重構(gòu)效果并不理想,例如在某些輪廓部分產(chǎn)生不規(guī)則邊緣,圖像清晰度不足等.為此,本文提出一種新的基于學(xué)習(xí)的人臉圖像超分辨率重構(gòu)算法.通過查找訓(xùn)練庫中與輸入圖像最接近的M幅人臉圖像,并加權(quán)求和作為初始的輸出;結(jié)合貝葉斯后驗概率,利用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以提高算法的效率和泛化特性;引入了基于l1范數(shù)的最小全變分對重構(gòu)過程進(jìn)行約束,以保持圖像邊緣的奇異性及非邊緣的平滑性.實驗結(jié)果表明,算法在忠實于原始圖像的同時,分辨率也得到了有效的提高.

    1圖像降質(zhì)模型

    超分辨率圖像序列的退化模型可用一個線性過程來描述[13].假設(shè)觀測到的低分辨率圖像序列包括K幅M×N大小的低分辨率圖像y={y1,y2,…,yn},其中yi(i=1,2,…,K)代表第i幅低分辨率圖像.從中復(fù)原一幅S1M×S2N的高分辨率圖像,這里s1、s2分別代表水平和垂直方向圖像的放大倍數(shù).在不考慮運(yùn)動退化的情形下,該模型可由式(1)的退化過程表示:

    yk=DHx+ek,k=1,2,…,K,

    (1)

    其中x是高分辨率圖像,D和H分別為下采樣算子和模糊算子.本文中假設(shè)采樣因子和模糊點(diǎn)擴(kuò)散函數(shù)(PSF)都是已知的;e表示加性噪聲.

    由已知的低分辨率圖像序列yk估計高分辨率圖像x是一個病態(tài)逆問題.解決病態(tài)逆問題的一個有效方法是采用正則化約束.如早期的Tikhonov正則化方法,全變分(TV)正則化和稀疏表示正則化方法等.其中,全變分方法可以在處理的過程中較好地保留圖像的邊緣信息,并對超分辨率重建中的去噪和去模糊有效,因此在圖像復(fù)原領(lǐng)域得到了廣泛的關(guān)注和使用.

    在不考慮下采樣的情況下,全變分正則化復(fù)原模型可以用式(2)來描述:

    (2)

    其中λ>0為正則化常數(shù),它在TV范數(shù)項和保真項之間起著重要的平衡作用,H為模糊算子,y為低分辨率圖像,Ω表示圖像區(qū)域.

    2基于學(xué)習(xí)的人臉圖像超分辨率重構(gòu)

    盡管TV正則化模型可以較好地保留圖像邊緣,并對超分辨率重建中的去噪和去模糊有效,但在圖像降質(zhì)嚴(yán)重的情況下,還需要進(jìn)一步的學(xué)習(xí)才能得到復(fù)原效果更好的圖像.本文將TV正則化模型用于人臉圖像超分辨率重構(gòu)的預(yù)處理,得到初始復(fù)原圖像,再經(jīng)過進(jìn)一步的學(xué)習(xí),以得到更加理想的高分辨率圖像.

    2.1貝葉斯后驗概率法

    基于學(xué)習(xí)的超分辨率算法假定訓(xùn)練樣本與輸入圖像包含相同類型的信息,以輸入圖像為依據(jù),用學(xué)習(xí)過程從訓(xùn)練樣本集中獲取先驗知識作為超分辨率的依據(jù).因而能較好地用于人臉圖像的超分辨率重構(gòu)復(fù)原中.

    由前述圖像降質(zhì)模型可知,超分辨率復(fù)原需要解決的問題是在已知低分辨率圖像y的條件下,求出最優(yōu)的高分辨率圖像x,最常用的方法是最大后驗(MAP)估計.根據(jù)貝葉斯估計理論,x的后驗概率可由式(3)來描述:

    (3)

    其中,P(x)和P(y)分別是高分辨率圖像x和低分辨率圖像y的先驗概率;P(y|x)為給定了高分辨率圖像x時,觀測y的條件概率.滿足后驗概率P(x|y)取得最大值的x就是最優(yōu)的,即:

    (4)

    這里P(x)表示高分辨率圖像x出現(xiàn)的先驗概率,代表了對高分辨率圖像的一種評價標(biāo)準(zhǔn)以避免病態(tài)問題的出現(xiàn)[14].P(x)又稱為正則項,對控制最終結(jié)果的圖像質(zhì)量可起到關(guān)鍵作用.

    2.2徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型

    相比于統(tǒng)計方法和一般神經(jīng)網(wǎng)絡(luò)模型,RBF神經(jīng)網(wǎng)絡(luò)具有更快的學(xué)習(xí)速度和更強(qiáng)的泛化能力,它具有高度的非線性映射能力,可以任意準(zhǔn)確度地逼近一個給定的非線性函數(shù),具有全局最優(yōu)和最佳逼近性能.目前較少有文獻(xiàn)將該方法用于人臉圖像超分辨率重構(gòu)中.因此,本文采用RBF神經(jīng)網(wǎng)絡(luò)模型對人臉圖像進(jìn)行訓(xùn)練以重構(gòu)高分辨率人臉圖像,后續(xù)實驗證明了該方法的有效性.

    RBF神經(jīng)網(wǎng)絡(luò)是一種具有拓?fù)浣Y(jié)構(gòu)的前向神經(jīng)網(wǎng)絡(luò),主要由輸入層、隱含層和輸出層構(gòu)成.隱含層采用徑向基函數(shù)作為網(wǎng)絡(luò)的激活函數(shù),徑向基函數(shù)是一個高斯型函數(shù),它將該層權(quán)值矢量與輸入矢量之間的歐氏距離與偏差相乘后作為網(wǎng)絡(luò)激活函數(shù)的輸入.RBF神經(jīng)網(wǎng)絡(luò)的基本模型如圖1所示.

    圖1 RBF神經(jīng)網(wǎng)絡(luò)模型Fig.1 Model of RBF neural network

    (5)

    由式(5)可知,隨著w與x之間距離的減少,徑向基函數(shù)的輸出將增加;當(dāng)其輸入為0,即w和x之間的距離為0時,輸出最大值1;從而可以將一個徑向基函數(shù)神經(jīng)元作為一個當(dāng)輸入矢量x與其權(quán)值矢量w相同時,輸出為1的探測器.

    徑向基層中的偏差b可以用來調(diào)節(jié)其函數(shù)的靈敏度,常用伸展常數(shù)C來表示.它可以用來確定每一個徑向基層神經(jīng)元對其輸入矢量,也就是w與x之間距離的面積寬度.

    2.3算法描述

    本文算法的基本過程為:

    Step1訓(xùn)練庫的建立:根據(jù)式(1)的退化模型,將N幅原始圖像TR_HRi(i=1,2,…,N)進(jìn)行降采樣,得到對應(yīng)的低分辨率圖像TR_LRi(i=1,2,…,N),在這個過程中,假設(shè)退化模型是已知的.

    Step2 圖像配準(zhǔn):由于測試的低分辨率人臉圖像與訓(xùn)練庫中人臉圖像的獲取時間、傳感器及拍攝條件均存在不一致性,通過對輸入低分辨率人臉圖像TT_LR進(jìn)行空間幾何變換,使之與訓(xùn)練庫中的圖像具有幾何意義上的匹配.

    Step3圖像去模糊:采用基于l1范數(shù)的全變分方法對輸入的低分辨率圖像TT_LR進(jìn)行上采樣和去模糊處理,得到初始復(fù)原的圖像TT_HR0.

    Step5RBF網(wǎng)絡(luò)初始化:基于貝葉斯正則化優(yōu)化算法,創(chuàng)建RBF神經(jīng)網(wǎng)絡(luò),初始輸入為TT_HR0,初始輸出為WSM,擴(kuò)展常數(shù)C=0.8326.

    Step6迭代訓(xùn)練:經(jīng)過網(wǎng)絡(luò)的多次學(xué)習(xí)和訓(xùn)練,同時用梯度下降法對權(quán)值和擴(kuò)展常數(shù)進(jìn)行調(diào)整,最終得到輸入低分辨率圖像TT_LR的高分辨率圖像TT_HR_TOP,使得均方根誤差RSME(TT_HR0,TT_HR_TOP)小于給定的閾值T.

    3模擬實驗

    本文以AR人臉庫為例,在Windows7.0操作系統(tǒng)以及Matlab7.10.0平臺上進(jìn)行了模擬實驗.AR人臉庫包括訓(xùn)練庫和測試庫,分別有100個人,每人7幅圖像,共1400幅圖像.與bicubic插值及文獻(xiàn)[4](記為L1TV)進(jìn)行了模擬比對.隨機(jī)選取其中4幅圖像高斯低通濾波降質(zhì)后,再進(jìn)行下采樣,其重構(gòu)結(jié)果如圖2和圖3所示.其中圖2的高斯濾波窗口大小為3×3,標(biāo)準(zhǔn)差為1;圖3的高斯濾波窗口大小為5×5,標(biāo)準(zhǔn)差為2.

    從圖2中可以看出,在模糊程度較輕的情況下,L1TV算法和本文算法都能較好地恢復(fù)降質(zhì)圖像,優(yōu)于bicubic算法.而在模糊程度進(jìn)一步加強(qiáng)時(如圖3),L1TV算法恢復(fù)效果有明顯下降,從視覺效果上看,與bicubic算法較為接近;而本文算法則在以上2種情況下,均輸出較為理想的高分辨率圖像,從人類視覺角度證明了本文算法的有效性.

    圖2 重構(gòu)結(jié)果(hsize=[3 3],sigma=1)Fig.2 Reconstruction result (hsize=[3 3],sigma=1)

    圖3 重構(gòu)結(jié)果(hsize=[5 5],sigma=2)Fig.3 Reconstruction result (hsize=[5 5],sigma=2)

    采用峰值信噪比(PSNR)和結(jié)構(gòu)相似度(SSIM)作為算法有效性的客觀評價標(biāo)準(zhǔn).分別對測試圖像加高斯低通濾波和下采樣,其比較結(jié)果如圖4~7所示.其中圖4、圖5是子窗大小為3×3,標(biāo)準(zhǔn)差為1時的PSNR和SSIM值,圖6、圖7是子窗大小為5×5,標(biāo)準(zhǔn)差為2時的PSNR和SSIM值.從圖4~7中可以看出,本文算法的PSNR和SSIM性能最好,L1TV算法次之,bicubic算法的性能最差.同時,當(dāng)模糊程度較輕時,L1TV算法和本文算法的PSNR及SSIM性能較為接近,本文算法效果更好;當(dāng)模糊程度進(jìn)一步加強(qiáng)(如圖6、7所示),L1TV算法的性能有明顯下降,與bicubic算法較為接近.說明L1TV算法僅能處理程度較輕的圖像模糊,但本文算法在較大程度模糊時仍具有較好的魯棒性,從客觀角度證明了本文算法的有效性.

    圖4 PSNR性能(hsize=[3 3],sigma=1)Fig.4 PSNR (hsize=[3 3],sigma=1)

    圖5 SSIM性能(hsize=[3 3],sigma=1)Fig.5 SSIM (hsize=[3 3],sigma=1)

    4結(jié)語

    針對人臉圖像采集過程中硬件設(shè)備等方面的不足,導(dǎo)致圖像分辨率低的問題,本文提出一種新的基于學(xué)習(xí)的模糊人臉圖像超分辨率重構(gòu)算法.首先對輸入的低分辨率圖像上采樣后,再用基于l1范數(shù)的最小全變分約束進(jìn)行去模糊處理,得到初始復(fù)原圖像.根據(jù)結(jié)構(gòu)相似度原則選擇初始復(fù)原圖像在訓(xùn)練集中最相近的M幅圖像,并加權(quán)求和作為神經(jīng)網(wǎng)絡(luò)的初始輸出.結(jié)合貝葉斯后驗概率,用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練,最后輸出復(fù)原的高分辨率圖像.算法充分利用了不同人臉圖像之間的相似性,并加入了最小全變分約束,以保持圖像邊緣的奇異性及非邊緣的平滑性.實驗結(jié)果表明,算法在忠實于原始圖像的同時,分辨率也得到了有效的提高.

    圖6 PSNR性能(hsize=[5 5],sigma=2)Fig.6 PSNR(hsize=[5 5],sigma=2)

    圖7 SSIM性能(hsize=[5 5],sigma=2)Fig.7 SSIM (hsize=[5 5],sigma=2)

    目前有關(guān)基于學(xué)習(xí)的圖像超分辨率技術(shù)的研究尚處于理論研究階段,遠(yuǎn)遠(yuǎn)沒有達(dá)到使用階段.未來研究方向主要集中在以下幾個方面:(1)建立更有效的學(xué)習(xí)模型,以提供更完備的先驗知識;(2)完善學(xué)習(xí)算法和搜索算法,提高學(xué)習(xí)訓(xùn)練速度和匹配速度,減小運(yùn)算量.隨著各應(yīng)用領(lǐng)域的發(fā)展,相關(guān)理論和技術(shù)的不斷提高,必將推動基于學(xué)習(xí)的超分辨率技術(shù)的進(jìn)一步發(fā)展.

    參考文獻(xiàn)

    [1]Park S C, Park M K, Kang M G. Super-resolution image reconstruction: a technical overview [J]. IEEE Signal Processing Magazine, 2003, 20(3):21-36.

    [2]Gunturk B K,Gevrekci M.High-resolution image recon-

    struction from multiple differently exposed images [J]. IEEE Signal Processing Letters, 2006, 13(4):197-200.

    [3]Choi B, Ra J B. Region-based super-resolution using multiple blurred and noisy undersampled images[C]//IEEE. International Conference on Acoustics, Speech and Signal Processing. Toulouse: IEEE, 2006: 609-612.

    [4]Zhan M Q, Deng Z L. L_1 norm of total variation regularization based super resolution reconstruction for Images[J]. Science Technology & Engineering, 2010,10(28):6903-6906.

    [5]Baker S, Kanade T. Limits on super-resolution and how to break them[J]. IEEE Trans On Pattern Analysis and Machine Intelligence, 2002, 24(9):1167-1183.

    [6]Freeman W T, Jones T R, Pasztor E C. Example-based super-resolution[J]. Computer Graphics & Applications IEEE, 2002, 22(2):56-65.

    [7]Chang H, Yeung D Y, Xiong Y. Super-resolution through neighbor embedding [C]//IEEE. International Conference on Computer Vision and Pattern Recognition. Washington DC:IEEE,2004: 275-282.

    [8]Yang J, Wright J, Huang T, et al. Image super-resolution as sparse representation of raw image patches [C]//IEEE. International Conference on Computer Vision and Pattern Recognition. Anchorage:AK, 2008:1-8.

    [9]Kanade T, Baker S. Hallucinating Faces[C]//IEEE. International Conference & Workshops on Automatic Face & Gesture Recognition. Grenoble:IEEE, 2000:83-89.

    [10]朱華生, 徐晨光. 基于局部約束的人臉圖像超分辨率重構(gòu)算法[J]. 激光與紅外, 2014, (2):217-221.

    [11]張 地, 何家忠. 基于特征空間的人臉超分辨率重構(gòu)[J]. 自動化學(xué)報, 2012, 38(7).

    [12]An L, Bhanu B. Face image super-resolution using 2D CCA[J]. Signal Processing, 2014, 103(10):184-194.

    [13]安耀祖, 陸耀, 趙紅. 一種自適應(yīng)正則化的圖像超分辨率算法[J]. 自動化學(xué)報, 2012, 38(4).

    [14]蘇衡, 周杰, 張志浩. 超分辨率圖像重建方法綜述[J]. 自動化學(xué)報, 2013, 39(8):1202-1213.

    中圖分類號TP183;TP391.4

    文獻(xiàn)標(biāo)識碼A

    文章編號1672-4321(2016)01-0114-05

    基金項目國家自然科學(xué)基金資助項目(61471400, 61201268);湖北省自然科學(xué)基金資助項目(2013CFC118)

    作者簡介高志榮(1972-),女,副教授,博士生,研究方向:智能計算、機(jī)器學(xué)習(xí).E-mail:gaozhirong@mail.scuec.edu.cn

    收稿日期2015-12-20

    中亚洲国语对白在线视频| 亚洲精品国产精品久久久不卡| 日韩三级视频一区二区三区| 在线观看日韩欧美| 黑人欧美特级aaaaaa片| 日韩国内少妇激情av| 亚洲精品在线美女| 欧美黄色片欧美黄色片| 黄片大片在线免费观看| 久久久久久亚洲精品国产蜜桃av| 亚洲av成人一区二区三| 9热在线视频观看99| 97碰自拍视频| 叶爱在线成人免费视频播放| 精品一区二区三区四区五区乱码| 精品久久久久久久人妻蜜臀av | 亚洲七黄色美女视频| 别揉我奶头~嗯~啊~动态视频| 黄色丝袜av网址大全| 欧美乱色亚洲激情| 午夜福利欧美成人| 国产精品久久视频播放| 色尼玛亚洲综合影院| 美女国产高潮福利片在线看| 波多野结衣高清无吗| 国产亚洲精品第一综合不卡| 成在线人永久免费视频| 97超级碰碰碰精品色视频在线观看| 看片在线看免费视频| 色哟哟哟哟哟哟| 免费在线观看完整版高清| 国产精品久久视频播放| 级片在线观看| 老汉色∧v一级毛片| 深夜精品福利| 日本一区二区免费在线视频| 亚洲国产日韩欧美精品在线观看 | 久久久国产精品麻豆| 可以在线观看的亚洲视频| 免费观看精品视频网站| 一区二区三区激情视频| av有码第一页| 十分钟在线观看高清视频www| netflix在线观看网站| 亚洲伊人色综图| 国产一区二区三区在线臀色熟女| 美女 人体艺术 gogo| 久久 成人 亚洲| ponron亚洲| 亚洲精品粉嫩美女一区| 97超级碰碰碰精品色视频在线观看| 中文字幕av电影在线播放| 成人av一区二区三区在线看| 19禁男女啪啪无遮挡网站| tocl精华| 国产极品粉嫩免费观看在线| 亚洲精品在线美女| 免费无遮挡裸体视频| 欧美激情久久久久久爽电影 | 国产欧美日韩精品亚洲av| 性色av乱码一区二区三区2| 十八禁人妻一区二区| 97超级碰碰碰精品色视频在线观看| 国产精品永久免费网站| 精品久久久久久久人妻蜜臀av | 亚洲欧美日韩无卡精品| 久久精品国产亚洲av香蕉五月| 变态另类丝袜制服| cao死你这个sao货| 老汉色av国产亚洲站长工具| 禁无遮挡网站| 成人欧美大片| 男女午夜视频在线观看| 99国产精品一区二区蜜桃av| 国产精品久久电影中文字幕| 999精品在线视频| 久久精品影院6| av福利片在线| 少妇熟女aⅴ在线视频| 亚洲五月色婷婷综合| 久久中文看片网| 久久久久九九精品影院| 精品高清国产在线一区| 亚洲欧美日韩无卡精品| 一本久久中文字幕| 波多野结衣巨乳人妻| 神马国产精品三级电影在线观看 | 美女高潮喷水抽搐中文字幕| 一区二区三区精品91| 国产成人av激情在线播放| 国产一区二区三区视频了| 中文字幕人妻丝袜一区二区| 女警被强在线播放| 色播在线永久视频| 午夜福利欧美成人| 久久九九热精品免费| 精品国产乱子伦一区二区三区| 一区二区三区激情视频| 欧美激情极品国产一区二区三区| 久久久精品国产亚洲av高清涩受| 搡老熟女国产l中国老女人| 亚洲自拍偷在线| 亚洲一码二码三码区别大吗| 精品久久久久久久久久免费视频| 免费看a级黄色片| 日本免费a在线| 欧美成人免费av一区二区三区| 手机成人av网站| 国产91精品成人一区二区三区| 午夜精品在线福利| 窝窝影院91人妻| 97碰自拍视频| 国产精品 国内视频| 正在播放国产对白刺激| 欧美+亚洲+日韩+国产| 99国产综合亚洲精品| 欧美成人免费av一区二区三区| 国产精品免费视频内射| 免费在线观看完整版高清| 久久九九热精品免费| 亚洲国产中文字幕在线视频| 天天添夜夜摸| 黄片小视频在线播放| 俄罗斯特黄特色一大片| 热99re8久久精品国产| 欧美最黄视频在线播放免费| 在线十欧美十亚洲十日本专区| 亚洲国产精品999在线| 午夜福利,免费看| 国产精品av久久久久免费| 久久性视频一级片| 成人亚洲精品av一区二区| 看黄色毛片网站| 久久影院123| 精品久久久久久久人妻蜜臀av | 日本免费一区二区三区高清不卡 | 自拍欧美九色日韩亚洲蝌蚪91| 9色porny在线观看| 欧美精品亚洲一区二区| 久久婷婷成人综合色麻豆| 每晚都被弄得嗷嗷叫到高潮| 亚洲全国av大片| 日韩视频一区二区在线观看| 后天国语完整版免费观看| 美女扒开内裤让男人捅视频| 天堂影院成人在线观看| 波多野结衣巨乳人妻| 在线观看舔阴道视频| 国产一区二区三区视频了| 亚洲激情在线av| 亚洲av熟女| 久久这里只有精品19| 免费观看精品视频网站| 国产视频一区二区在线看| 巨乳人妻的诱惑在线观看| 国产av精品麻豆| 免费在线观看黄色视频的| 亚洲精品国产色婷婷电影| 国产乱人伦免费视频| 在线视频色国产色| 99国产综合亚洲精品| 久久久精品国产亚洲av高清涩受| 国产激情欧美一区二区| 妹子高潮喷水视频| 欧美黑人欧美精品刺激| 极品人妻少妇av视频| 久久久久国产精品人妻aⅴ院| 国产一卡二卡三卡精品| 黑人欧美特级aaaaaa片| 成人av一区二区三区在线看| 老鸭窝网址在线观看| 校园春色视频在线观看| 人人澡人人妻人| 欧美日韩乱码在线| 亚洲黑人精品在线| 99久久国产精品久久久| 一级毛片女人18水好多| 激情视频va一区二区三区| av视频免费观看在线观看| 亚洲七黄色美女视频| 性欧美人与动物交配| 黑人操中国人逼视频| 乱人伦中国视频| 欧美日韩中文字幕国产精品一区二区三区 | 精品人妻在线不人妻| 日韩av在线大香蕉| 亚洲欧美精品综合久久99| 搡老熟女国产l中国老女人| 亚洲成人久久性| 午夜精品在线福利| 又黄又粗又硬又大视频| 亚洲熟妇中文字幕五十中出| 成年女人毛片免费观看观看9| 亚洲电影在线观看av| 90打野战视频偷拍视频| 国产成人啪精品午夜网站| 免费在线观看影片大全网站| 一级,二级,三级黄色视频| 国产激情欧美一区二区| 1024香蕉在线观看| 十分钟在线观看高清视频www| 亚洲精品国产区一区二| 午夜福利免费观看在线| 亚洲精品国产色婷婷电影| 大型黄色视频在线免费观看| 亚洲五月天丁香| 麻豆一二三区av精品| av在线播放免费不卡| 欧美色视频一区免费| 国产精品乱码一区二三区的特点 | 一级毛片高清免费大全| 亚洲激情在线av| 精品一区二区三区四区五区乱码| 亚洲人成网站在线播放欧美日韩| av视频在线观看入口| 中文字幕久久专区| 久久婷婷人人爽人人干人人爱 | 国产又色又爽无遮挡免费看| 国产熟女午夜一区二区三区| 国语自产精品视频在线第100页| 亚洲中文av在线| 色av中文字幕| 12—13女人毛片做爰片一| 亚洲av熟女| 成人欧美大片| 国产成年人精品一区二区| 久久久国产成人精品二区| 亚洲中文字幕一区二区三区有码在线看 | 人人澡人人妻人| 乱人伦中国视频| 国产精品久久视频播放| 久久久久国产精品人妻aⅴ院| 国产精品九九99| 美女扒开内裤让男人捅视频| 久久国产乱子伦精品免费另类| 欧美成狂野欧美在线观看| 757午夜福利合集在线观看| 啦啦啦 在线观看视频| 亚洲男人的天堂狠狠| 成人国产一区最新在线观看| 麻豆av在线久日| 色综合亚洲欧美另类图片| 男人操女人黄网站| 成人国产综合亚洲| 黄频高清免费视频| 9191精品国产免费久久| 深夜精品福利| 在线播放国产精品三级| 国产成人系列免费观看| 操美女的视频在线观看| 亚洲全国av大片| 99riav亚洲国产免费| 超碰成人久久| 久久久精品欧美日韩精品| 成人18禁高潮啪啪吃奶动态图| 无遮挡黄片免费观看| 欧美在线一区亚洲| 91老司机精品| 久久婷婷人人爽人人干人人爱 | 日韩 欧美 亚洲 中文字幕| 国产麻豆成人av免费视频| 色综合婷婷激情| 久久人人精品亚洲av| 禁无遮挡网站| 啦啦啦观看免费观看视频高清 | 亚洲第一电影网av| 午夜福利18| 99在线视频只有这里精品首页| 激情在线观看视频在线高清| 欧美日韩亚洲综合一区二区三区_| 国产精品永久免费网站| 在线观看免费视频网站a站| 欧美色欧美亚洲另类二区 | 女人被狂操c到高潮| 亚洲国产欧美日韩在线播放| 国产精华一区二区三区| 日韩三级视频一区二区三区| www.精华液| 91成人精品电影| 后天国语完整版免费观看| 欧美精品亚洲一区二区| 亚洲精品中文字幕一二三四区| 麻豆一二三区av精品| 午夜福利,免费看| 午夜久久久在线观看| 国产野战对白在线观看| 国产麻豆69| 丝袜在线中文字幕| 又大又爽又粗| 久热爱精品视频在线9| 国产亚洲精品久久久久5区| 国产在线精品亚洲第一网站| 欧美午夜高清在线| 国产av一区在线观看免费| 欧美在线黄色| 大码成人一级视频| 天天躁狠狠躁夜夜躁狠狠躁| 免费不卡黄色视频| 乱人伦中国视频| 欧美人与性动交α欧美精品济南到| 曰老女人黄片| 亚洲aⅴ乱码一区二区在线播放 | 一级毛片精品| 日韩三级视频一区二区三区| 久久青草综合色| 亚洲视频免费观看视频| 色尼玛亚洲综合影院| 国产真人三级小视频在线观看| 亚洲人成电影免费在线| 悠悠久久av| 桃红色精品国产亚洲av| 亚洲 欧美 日韩 在线 免费| 日韩高清综合在线| 又紧又爽又黄一区二区| 最近最新免费中文字幕在线| 国产精品99久久99久久久不卡| 国产精品精品国产色婷婷| 亚洲色图综合在线观看| 天堂动漫精品| 午夜影院日韩av| 久久人妻熟女aⅴ| 多毛熟女@视频| 搞女人的毛片| 麻豆久久精品国产亚洲av| 国产一区二区激情短视频| 久久香蕉激情| 亚洲中文日韩欧美视频| 97人妻精品一区二区三区麻豆 | 中文字幕人妻丝袜一区二区| e午夜精品久久久久久久| 亚洲欧美精品综合一区二区三区| 天堂√8在线中文| 中出人妻视频一区二区| 亚洲三区欧美一区| 天天添夜夜摸| 久久伊人香网站| 老熟妇仑乱视频hdxx| 亚洲一码二码三码区别大吗| 中文字幕av电影在线播放| 在线观看免费视频网站a站| 可以在线观看的亚洲视频| 亚洲精品中文字幕在线视频| 欧美人与性动交α欧美精品济南到| 久久九九热精品免费| 一二三四在线观看免费中文在| 男女下面插进去视频免费观看| 亚洲自偷自拍图片 自拍| 国产精品av久久久久免费| 亚洲国产欧美网| 美女高潮到喷水免费观看| 亚洲色图综合在线观看| 天堂√8在线中文| 怎么达到女性高潮| 19禁男女啪啪无遮挡网站| 欧美一级a爱片免费观看看 | 国产私拍福利视频在线观看| 国产aⅴ精品一区二区三区波| 婷婷六月久久综合丁香| 国内久久婷婷六月综合欲色啪| 日韩欧美一区视频在线观看| 天堂影院成人在线观看| 宅男免费午夜| 淫妇啪啪啪对白视频| 欧美黑人精品巨大| 后天国语完整版免费观看| 一级毛片精品| 成人亚洲精品av一区二区| 夜夜看夜夜爽夜夜摸| 十八禁网站免费在线| 亚洲成国产人片在线观看| 国产成人欧美| 国产精品av久久久久免费| 两性夫妻黄色片| 亚洲av片天天在线观看| 免费在线观看完整版高清| 女人被狂操c到高潮| 午夜日韩欧美国产| 少妇被粗大的猛进出69影院| 国产色视频综合| 久久 成人 亚洲| 久久精品国产清高在天天线| 欧美日韩福利视频一区二区| 久久久久国产精品人妻aⅴ院| 黄色视频不卡| 日本在线视频免费播放| 自线自在国产av| 视频在线观看一区二区三区| 人妻丰满熟妇av一区二区三区| 老司机靠b影院| 国产伦人伦偷精品视频| 一级毛片女人18水好多| 在线观看免费视频网站a站| 精品国产一区二区久久| 国产精品1区2区在线观看.| 露出奶头的视频| 两个人看的免费小视频| 美女午夜性视频免费| av福利片在线| 在线观看免费视频日本深夜| 91av网站免费观看| 99精品在免费线老司机午夜| 国产高清激情床上av| 欧美色欧美亚洲另类二区 | 少妇裸体淫交视频免费看高清 | 久久精品成人免费网站| 欧美成人午夜精品| 午夜精品久久久久久毛片777| 国产高清视频在线播放一区| 免费在线观看亚洲国产| 日本欧美视频一区| 亚洲欧洲精品一区二区精品久久久| 久久天堂一区二区三区四区| 久久青草综合色| 久久久久久国产a免费观看| 看黄色毛片网站| 日韩欧美免费精品| 一边摸一边抽搐一进一出视频| 亚洲国产精品成人综合色| 一级a爱视频在线免费观看| a级毛片在线看网站| 久久精品亚洲精品国产色婷小说| 久久精品人人爽人人爽视色| 不卡一级毛片| 午夜福利视频1000在线观看 | x7x7x7水蜜桃| 亚洲美女黄片视频| 欧美国产日韩亚洲一区| 十八禁网站免费在线| 成人精品一区二区免费| 精品免费久久久久久久清纯| 在线观看免费视频日本深夜| 亚洲人成电影免费在线| 在线视频色国产色| 亚洲第一电影网av| 在线天堂中文资源库| 久久久久久久久中文| 久久人妻熟女aⅴ| 欧美精品亚洲一区二区| 后天国语完整版免费观看| 韩国精品一区二区三区| 色av中文字幕| 深夜精品福利| 亚洲国产日韩欧美精品在线观看 | 多毛熟女@视频| 岛国视频午夜一区免费看| 日日爽夜夜爽网站| 制服丝袜大香蕉在线| 亚洲一区中文字幕在线| 久久九九热精品免费| 成人国产一区最新在线观看| 老司机福利观看| 1024香蕉在线观看| 一级毛片高清免费大全| 亚洲一码二码三码区别大吗| 亚洲精品在线美女| 免费不卡黄色视频| 久热这里只有精品99| 级片在线观看| 精品国产美女av久久久久小说| 欧美中文综合在线视频| 久久青草综合色| 操美女的视频在线观看| 一边摸一边做爽爽视频免费| 一个人观看的视频www高清免费观看 | 中文字幕人妻丝袜一区二区| 丰满人妻熟妇乱又伦精品不卡| 欧美另类亚洲清纯唯美| 国产精品一区二区精品视频观看| 国产一区二区三区在线臀色熟女| 看免费av毛片| 国产欧美日韩精品亚洲av| 国产99久久九九免费精品| 国产精品九九99| 一级毛片高清免费大全| 露出奶头的视频| 欧美乱色亚洲激情| 亚洲性夜色夜夜综合| 无限看片的www在线观看| 成在线人永久免费视频| 欧美 亚洲 国产 日韩一| 国产成人精品无人区| 女性被躁到高潮视频| 最近最新中文字幕大全免费视频| 又黄又爽又免费观看的视频| 久久精品国产亚洲av高清一级| 美女国产高潮福利片在线看| av网站免费在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 又大又爽又粗| 亚洲三区欧美一区| a在线观看视频网站| 黑人巨大精品欧美一区二区mp4| 在线观看午夜福利视频| 日韩欧美国产在线观看| 日本欧美视频一区| 精品午夜福利视频在线观看一区| 男人舔女人下体高潮全视频| 色尼玛亚洲综合影院| 午夜免费观看网址| 欧美另类亚洲清纯唯美| 日韩欧美一区视频在线观看| 国产片内射在线| 欧美黄色片欧美黄色片| 人人妻人人澡人人看| 每晚都被弄得嗷嗷叫到高潮| 欧美色视频一区免费| 女人被躁到高潮嗷嗷叫费观| 91国产中文字幕| 精品国产超薄肉色丝袜足j| 国产精华一区二区三区| 侵犯人妻中文字幕一二三四区| 亚洲黑人精品在线| 免费在线观看视频国产中文字幕亚洲| or卡值多少钱| 国产亚洲精品综合一区在线观看 | 50天的宝宝边吃奶边哭怎么回事| 在线永久观看黄色视频| 亚洲国产精品久久男人天堂| avwww免费| 日韩欧美在线二视频| 久久精品aⅴ一区二区三区四区| 亚洲avbb在线观看| 日本欧美视频一区| 99久久综合精品五月天人人| 97人妻精品一区二区三区麻豆 | 一级作爱视频免费观看| 国产成人欧美| 操出白浆在线播放| www.自偷自拍.com| 美女 人体艺术 gogo| 女人高潮潮喷娇喘18禁视频| 老司机午夜福利在线观看视频| 日本精品一区二区三区蜜桃| 亚洲最大成人中文| 国产av又大| 啦啦啦免费观看视频1| 免费在线观看日本一区| 大型av网站在线播放| ponron亚洲| 午夜久久久在线观看| videosex国产| 国产亚洲av高清不卡| 国产区一区二久久| 88av欧美| 色婷婷久久久亚洲欧美| 久99久视频精品免费| 国产主播在线观看一区二区| 一区二区三区国产精品乱码| 一边摸一边抽搐一进一小说| 91成人精品电影| 黄色a级毛片大全视频| 亚洲七黄色美女视频| 黄色 视频免费看| 熟女少妇亚洲综合色aaa.| 亚洲中文av在线| 亚洲专区国产一区二区| 两人在一起打扑克的视频| 国产91精品成人一区二区三区| 久久精品亚洲精品国产色婷小说| 亚洲天堂国产精品一区在线| 中文字幕人妻丝袜一区二区| 色老头精品视频在线观看| 日本一区二区免费在线视频| 日韩欧美一区二区三区在线观看| 国产熟女xx| 给我免费播放毛片高清在线观看| 啦啦啦免费观看视频1| 丁香六月欧美| 麻豆av在线久日| 欧美日本亚洲视频在线播放| 高潮久久久久久久久久久不卡| 99国产精品一区二区蜜桃av| 97碰自拍视频| 国产aⅴ精品一区二区三区波| 午夜亚洲福利在线播放| 一进一出抽搐gif免费好疼| svipshipincom国产片| 黄色视频,在线免费观看| 国产99白浆流出| 色av中文字幕| 亚洲av电影在线进入| 亚洲三区欧美一区| 大码成人一级视频| 亚洲精品粉嫩美女一区| 麻豆成人av在线观看| 欧美中文日本在线观看视频| 黄色视频不卡| 精品不卡国产一区二区三区| 国产成人欧美在线观看| 亚洲精品粉嫩美女一区| 女同久久另类99精品国产91| 国产成人欧美在线观看| 亚洲中文av在线| 黄网站色视频无遮挡免费观看| 老司机午夜福利在线观看视频| 国产一区二区激情短视频| 国产精品亚洲一级av第二区| 亚洲成国产人片在线观看| 久久香蕉国产精品| 国产视频一区二区在线看| 大码成人一级视频| 视频区欧美日本亚洲| 亚洲三区欧美一区| 色av中文字幕| 日韩视频一区二区在线观看| 久久婷婷成人综合色麻豆| 国内久久婷婷六月综合欲色啪| 欧美激情高清一区二区三区| 午夜精品国产一区二区电影| 国产片内射在线| 亚洲欧美一区二区三区黑人| 91字幕亚洲| 国产片内射在线| 女性生殖器流出的白浆| 色尼玛亚洲综合影院|