• <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

    级片在线观看| 婷婷六月久久综合丁香| 欧美又色又爽又黄视频| 亚洲欧美精品综合一区二区三区| 女同久久另类99精品国产91| 日本黄色视频三级网站网址| 一区二区三区激情视频| 久久精品人妻少妇| 午夜影院日韩av| 国产精品久久久av美女十八| 人人妻人人澡欧美一区二区| 97碰自拍视频| 在线视频色国产色| 精品国产乱码久久久久久男人| 一进一出抽搐动态| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产欧美日韩在线播放| 女性生殖器流出的白浆| 美女 人体艺术 gogo| 人妻丰满熟妇av一区二区三区| 黑人巨大精品欧美一区二区mp4| 巨乳人妻的诱惑在线观看| 俄罗斯特黄特色一大片| 国产成人欧美在线观看| 欧美乱码精品一区二区三区| 亚洲自拍偷在线| 91成年电影在线观看| 国产欧美日韩一区二区精品| 久久 成人 亚洲| 不卡一级毛片| 19禁男女啪啪无遮挡网站| 香蕉国产在线看| 一本精品99久久精品77| 国产午夜福利久久久久久| 在线永久观看黄色视频| 18美女黄网站色大片免费观看| 熟女少妇亚洲综合色aaa.| 色婷婷久久久亚洲欧美| 久久精品国产亚洲av香蕉五月| 69av精品久久久久久| 欧美一级毛片孕妇| av免费在线观看网站| av在线播放免费不卡| 满18在线观看网站| √禁漫天堂资源中文www| 亚洲一区中文字幕在线| 国产蜜桃级精品一区二区三区| 欧美在线一区亚洲| 欧美大码av| 国产亚洲av高清不卡| 久久婷婷人人爽人人干人人爱| 亚洲aⅴ乱码一区二区在线播放 | 久久草成人影院| 国产精品亚洲美女久久久| 国产亚洲精品第一综合不卡| 最近最新中文字幕大全免费视频| 欧美另类亚洲清纯唯美| 久久香蕉精品热| 久久精品国产清高在天天线| 国产av又大| 欧美一级a爱片免费观看看 | 黄色视频,在线免费观看| 免费在线观看亚洲国产| 人人妻人人看人人澡| www.自偷自拍.com| 男女之事视频高清在线观看| 欧美国产日韩亚洲一区| 久久久久久免费高清国产稀缺| 日韩欧美三级三区| 日本一区二区免费在线视频| 亚洲中文日韩欧美视频| 搡老岳熟女国产| 性色av乱码一区二区三区2| 狂野欧美激情性xxxx| 亚洲自偷自拍图片 自拍| 97人妻精品一区二区三区麻豆 | 成人精品一区二区免费| 在线视频色国产色| 日韩高清综合在线| 精品久久久久久久久久免费视频| 大型av网站在线播放| 女人被狂操c到高潮| 久久精品亚洲精品国产色婷小说| 午夜福利高清视频| 91字幕亚洲| 麻豆国产av国片精品| 中国美女看黄片| 国产视频内射| 亚洲av电影不卡..在线观看| 一级毛片女人18水好多| 男男h啪啪无遮挡| 免费一级毛片在线播放高清视频| 搞女人的毛片| 国产高清视频在线播放一区| 99re在线观看精品视频| 99热只有精品国产| 日本免费a在线| 麻豆国产av国片精品| √禁漫天堂资源中文www| 中文资源天堂在线| 国产99白浆流出| 久久精品aⅴ一区二区三区四区| a级毛片a级免费在线| 91国产中文字幕| 国产亚洲欧美精品永久| 亚洲国产欧美网| 亚洲三区欧美一区| 久久狼人影院| 精品国产乱码久久久久久男人| 一进一出抽搐动态| 精品欧美一区二区三区在线| 麻豆成人av在线观看| 欧美黄色片欧美黄色片| 成年免费大片在线观看| 亚洲三区欧美一区| 久久中文字幕人妻熟女| 亚洲欧美激情综合另类| 国产单亲对白刺激| 国产主播在线观看一区二区| 亚洲熟妇熟女久久| 久久精品成人免费网站| 久久久久国产一级毛片高清牌| 一本精品99久久精品77| 久久精品国产99精品国产亚洲性色| 久久久精品国产亚洲av高清涩受| 国产成人欧美在线观看| 怎么达到女性高潮| 亚洲精品一卡2卡三卡4卡5卡| 久久久国产欧美日韩av| 视频区欧美日本亚洲| 香蕉国产在线看| 国产久久久一区二区三区| 国产成+人综合+亚洲专区| 国产爱豆传媒在线观看 | 亚洲精品一区av在线观看| 亚洲精品粉嫩美女一区| av超薄肉色丝袜交足视频| 久久久久久亚洲精品国产蜜桃av| 热re99久久国产66热| 国产熟女xx| 亚洲国产看品久久| 麻豆成人午夜福利视频| 美女国产高潮福利片在线看| 亚洲精品粉嫩美女一区| 欧美日韩亚洲国产一区二区在线观看| ponron亚洲| 国内毛片毛片毛片毛片毛片| 精品久久久久久久久久免费视频| 搡老岳熟女国产| 视频在线观看一区二区三区| 国产熟女xx| 国内揄拍国产精品人妻在线 | 成人国产综合亚洲| 岛国视频午夜一区免费看| 在线观看免费午夜福利视频| 欧美精品亚洲一区二区| 成人亚洲精品一区在线观看| 制服人妻中文乱码| 91成人精品电影| a级毛片在线看网站| 黄色a级毛片大全视频| 欧美+亚洲+日韩+国产| 国产黄色小视频在线观看| 久久久久精品国产欧美久久久| 欧美亚洲日本最大视频资源| 搡老妇女老女人老熟妇| 91老司机精品| 欧美在线黄色| 国产极品粉嫩免费观看在线| 亚洲精品一卡2卡三卡4卡5卡| 日韩三级视频一区二区三区| www.熟女人妻精品国产| 亚洲美女黄片视频| 麻豆国产av国片精品| 无限看片的www在线观看| 午夜免费观看网址| 在线观看免费日韩欧美大片| 亚洲欧美激情综合另类| 极品教师在线免费播放| 久久亚洲真实| 在线观看免费午夜福利视频| 黄色a级毛片大全视频| 中文亚洲av片在线观看爽| 日本 av在线| 免费人成视频x8x8入口观看| 精品日产1卡2卡| 超碰成人久久| 午夜影院日韩av| 国产蜜桃级精品一区二区三区| 欧美性猛交╳xxx乱大交人| 黄片大片在线免费观看| 午夜成年电影在线免费观看| 国产亚洲精品一区二区www| 老汉色∧v一级毛片| 一区福利在线观看| 国产亚洲精品久久久久5区| 18美女黄网站色大片免费观看| 亚洲一区高清亚洲精品| 人妻丰满熟妇av一区二区三区| 久热爱精品视频在线9| 亚洲精品美女久久av网站| 国内精品久久久久久久电影| 日韩欧美国产在线观看| 日本成人三级电影网站| 日韩欧美一区二区三区在线观看| 亚洲av第一区精品v没综合| 国产成人av激情在线播放| 一区二区三区国产精品乱码| 亚洲午夜精品一区,二区,三区| 黄网站色视频无遮挡免费观看| 久久国产乱子伦精品免费另类| 久久中文字幕一级| 首页视频小说图片口味搜索| 757午夜福利合集在线观看| 在线永久观看黄色视频| 别揉我奶头~嗯~啊~动态视频| 精品卡一卡二卡四卡免费| 亚洲人成网站在线播放欧美日韩| 国产av不卡久久| 非洲黑人性xxxx精品又粗又长| 超碰成人久久| 国产精品免费一区二区三区在线| 久99久视频精品免费| 一本大道久久a久久精品| 国产精品久久久人人做人人爽| 欧美色视频一区免费| 国产伦在线观看视频一区| 久热这里只有精品99| 久久亚洲真实| 国产久久久一区二区三区| 757午夜福利合集在线观看| 国产一区在线观看成人免费| 国产成人影院久久av| 日韩大尺度精品在线看网址| 嫩草影视91久久| 黄色视频,在线免费观看| aaaaa片日本免费| 人妻丰满熟妇av一区二区三区| 精品一区二区三区视频在线观看免费| 日韩三级视频一区二区三区| 亚洲一区高清亚洲精品| 成年版毛片免费区| 国产一区在线观看成人免费| 日韩大码丰满熟妇| 成人欧美大片| 好男人电影高清在线观看| 欧美性猛交╳xxx乱大交人| 国产高清videossex| 老汉色∧v一级毛片| 国产欧美日韩精品亚洲av| 好男人在线观看高清免费视频 | 国产爱豆传媒在线观看 | 欧美成人一区二区免费高清观看 | 国产高清videossex| 国产精品免费视频内射| 一a级毛片在线观看| a在线观看视频网站| 亚洲在线自拍视频| www.自偷自拍.com| 亚洲精品色激情综合| 自线自在国产av| 国产精品,欧美在线| 国产精品久久久久久人妻精品电影| 国产欧美日韩一区二区精品| 中文在线观看免费www的网站 | 欧美精品啪啪一区二区三区| 99热只有精品国产| 18禁黄网站禁片午夜丰满| 免费无遮挡裸体视频| 亚洲成人精品中文字幕电影| 老司机在亚洲福利影院| 欧美在线黄色| 叶爱在线成人免费视频播放| 成年免费大片在线观看| 日韩大尺度精品在线看网址| 久久久国产成人免费| 欧美另类亚洲清纯唯美| 一本大道久久a久久精品| 国产男靠女视频免费网站| 免费高清在线观看日韩| bbb黄色大片| 亚洲欧美日韩高清在线视频| 日本熟妇午夜| 一本大道久久a久久精品| 少妇粗大呻吟视频| 亚洲精品色激情综合| 免费看十八禁软件| 成年女人毛片免费观看观看9| 麻豆一二三区av精品| 每晚都被弄得嗷嗷叫到高潮| 国产亚洲欧美在线一区二区| 免费在线观看亚洲国产| 亚洲va日本ⅴa欧美va伊人久久| 欧美黑人精品巨大| 亚洲成av人片免费观看| 精品高清国产在线一区| 丁香欧美五月| 大香蕉久久成人网| 久久久久久久久中文| www日本黄色视频网| 高清毛片免费观看视频网站| 99精品在免费线老司机午夜| 久久人人精品亚洲av| 夜夜爽天天搞| 免费在线观看日本一区| 午夜福利18| 18美女黄网站色大片免费观看| 国产精品野战在线观看| 欧美在线黄色| 青草久久国产| 亚洲av片天天在线观看| 变态另类丝袜制服| 窝窝影院91人妻| 欧美黑人欧美精品刺激| 欧美久久黑人一区二区| 在线免费观看的www视频| 欧美国产日韩亚洲一区| 国产精品久久久久久精品电影 | 男人舔奶头视频| 别揉我奶头~嗯~啊~动态视频| 亚洲中文字幕日韩| 嫁个100分男人电影在线观看| 国语自产精品视频在线第100页| 搡老妇女老女人老熟妇| 色婷婷久久久亚洲欧美| 人成视频在线观看免费观看| 亚洲av五月六月丁香网| 日韩av在线大香蕉| 老司机在亚洲福利影院| 中亚洲国语对白在线视频| 亚洲一区中文字幕在线| 免费女性裸体啪啪无遮挡网站| 91在线观看av| 中文字幕另类日韩欧美亚洲嫩草| 美国免费a级毛片| 嫩草影院精品99| 一区二区三区国产精品乱码| or卡值多少钱| 中文资源天堂在线| 国产亚洲精品久久久久5区| 国产亚洲精品av在线| 国产精品爽爽va在线观看网站 | 日韩精品青青久久久久久| 国产真实乱freesex| 亚洲精品中文字幕在线视频| 99精品久久久久人妻精品| 久久婷婷成人综合色麻豆| 两性夫妻黄色片| 久久精品91蜜桃| 日韩高清综合在线| 黄网站色视频无遮挡免费观看| 视频在线观看一区二区三区| 在线观看66精品国产| 日本 欧美在线| 国语自产精品视频在线第100页| 日韩av在线大香蕉| 久久国产精品影院| 十八禁人妻一区二区| 在线观看66精品国产| 色精品久久人妻99蜜桃| 熟女电影av网| a在线观看视频网站| 一边摸一边做爽爽视频免费| 91国产中文字幕| 在线观看www视频免费| 久久性视频一级片| 少妇粗大呻吟视频| 99热6这里只有精品| 欧美又色又爽又黄视频| 首页视频小说图片口味搜索| 美女午夜性视频免费| 久久久久国产一级毛片高清牌| 亚洲第一av免费看| 欧洲精品卡2卡3卡4卡5卡区| 精品国产一区二区三区四区第35| 美女扒开内裤让男人捅视频| 香蕉av资源在线| 国内久久婷婷六月综合欲色啪| 久久婷婷人人爽人人干人人爱| 国产精品永久免费网站| 黄片小视频在线播放| 日本一本二区三区精品| 亚洲精品美女久久av网站| 日日夜夜操网爽| 国产一区二区激情短视频| 99国产精品99久久久久| 精品国产乱码久久久久久男人| 熟妇人妻久久中文字幕3abv| 免费搜索国产男女视频| 又紧又爽又黄一区二区| 久久午夜亚洲精品久久| 欧美+亚洲+日韩+国产| 免费在线观看成人毛片| 亚洲国产毛片av蜜桃av| 国产精品久久电影中文字幕| 在线免费观看的www视频| 黄色a级毛片大全视频| 久久久水蜜桃国产精品网| 看片在线看免费视频| a级毛片a级免费在线| 国产亚洲精品一区二区www| 国产黄色小视频在线观看| 少妇熟女aⅴ在线视频| 国产精品久久久久久人妻精品电影| 国产精品99久久99久久久不卡| 欧美黑人巨大hd| 欧美成人午夜精品| 1024手机看黄色片| 日韩欧美国产一区二区入口| 国产v大片淫在线免费观看| avwww免费| 日本三级黄在线观看| 亚洲激情在线av| 两个人看的免费小视频| 女生性感内裤真人,穿戴方法视频| 波多野结衣巨乳人妻| 国产精品av久久久久免费| 欧美国产精品va在线观看不卡| 啪啪无遮挡十八禁网站| 精品国产超薄肉色丝袜足j| 国产真实乱freesex| 在线观看免费视频日本深夜| 亚洲av第一区精品v没综合| 亚洲国产欧美网| 欧美黄色片欧美黄色片| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲精品第一综合不卡| 后天国语完整版免费观看| 欧美 亚洲 国产 日韩一| 亚洲精品粉嫩美女一区| 中文字幕最新亚洲高清| 午夜福利欧美成人| 国内精品久久久久久久电影| 日韩欧美 国产精品| 久久午夜亚洲精品久久| 成人特级黄色片久久久久久久| 日日干狠狠操夜夜爽| 午夜日韩欧美国产| 亚洲久久久国产精品| 久久伊人香网站| 久久国产精品男人的天堂亚洲| 亚洲人成伊人成综合网2020| 国产在线精品亚洲第一网站| 十八禁网站免费在线| 热re99久久国产66热| 少妇裸体淫交视频免费看高清 | 欧美三级亚洲精品| 热99re8久久精品国产| 亚洲国产毛片av蜜桃av| 亚洲天堂国产精品一区在线| 国产亚洲欧美在线一区二区| 日本熟妇午夜| 禁无遮挡网站| 午夜免费成人在线视频| 人妻久久中文字幕网| 国产精品久久久久久精品电影 | 性色av乱码一区二区三区2| 国语自产精品视频在线第100页| 成人手机av| 国产高清视频在线播放一区| 少妇的丰满在线观看| 一区二区日韩欧美中文字幕| 国产99久久九九免费精品| 俄罗斯特黄特色一大片| 侵犯人妻中文字幕一二三四区| 真人一进一出gif抽搐免费| 婷婷精品国产亚洲av在线| 女警被强在线播放| 国产一区在线观看成人免费| 黄片播放在线免费| 亚洲av成人av| 欧美一级a爱片免费观看看 | 国产伦人伦偷精品视频| 亚洲自偷自拍图片 自拍| 一夜夜www| 国产精品乱码一区二三区的特点| 丝袜美腿诱惑在线| 婷婷精品国产亚洲av| 日韩av在线大香蕉| 在线十欧美十亚洲十日本专区| 国产精品乱码一区二三区的特点| 露出奶头的视频| 91大片在线观看| 中文字幕人成人乱码亚洲影| av福利片在线| 亚洲精品中文字幕在线视频| 亚洲五月婷婷丁香| 亚洲熟女毛片儿| 这个男人来自地球电影免费观看| 国产精品免费视频内射| 老鸭窝网址在线观看| 婷婷亚洲欧美| 欧美zozozo另类| 757午夜福利合集在线观看| 亚洲av第一区精品v没综合| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品国产综合久久久| 国产一区二区三区在线臀色熟女| 麻豆一二三区av精品| 久久久久久国产a免费观看| 久久 成人 亚洲| 色综合站精品国产| 男男h啪啪无遮挡| 视频区欧美日本亚洲| 欧美乱色亚洲激情| 高清毛片免费观看视频网站| 国产男靠女视频免费网站| 国产成人啪精品午夜网站| 亚洲精品美女久久久久99蜜臀| 亚洲一区二区三区不卡视频| 一区二区三区精品91| 免费看a级黄色片| 在线播放国产精品三级| 亚洲无线在线观看| 在线观看66精品国产| 午夜老司机福利片| 国产免费av片在线观看野外av| 亚洲av中文字字幕乱码综合 | 夜夜看夜夜爽夜夜摸| 国产视频内射| 在线免费观看的www视频| 国产亚洲精品一区二区www| 国产成人影院久久av| 国产av在哪里看| 丰满人妻熟妇乱又伦精品不卡| 成人免费观看视频高清| 黄色成人免费大全| 动漫黄色视频在线观看| 中文字幕人妻熟女乱码| av欧美777| 日日爽夜夜爽网站| 久久亚洲真实| 神马国产精品三级电影在线观看 | 午夜两性在线视频| 欧美丝袜亚洲另类 | 欧美日本亚洲视频在线播放| 久久人妻av系列| 精品国产乱码久久久久久男人| 亚洲国产高清在线一区二区三 | 韩国精品一区二区三区| 国产片内射在线| 欧美性猛交黑人性爽| 亚洲精品一卡2卡三卡4卡5卡| 美女 人体艺术 gogo| 国产精品久久久久久精品电影 | 欧美成人一区二区免费高清观看 | 久久久久久人人人人人| 亚洲国产中文字幕在线视频| 成人亚洲精品一区在线观看| 欧美成人午夜精品| av片东京热男人的天堂| 精品国产一区二区三区四区第35| 久久久久精品国产欧美久久久| 日韩 欧美 亚洲 中文字幕| 久久中文看片网| svipshipincom国产片| 欧美黑人精品巨大| 黑人欧美特级aaaaaa片| 久热这里只有精品99| 日本三级黄在线观看| 日韩欧美三级三区| 免费一级毛片在线播放高清视频| 99在线人妻在线中文字幕| 91在线观看av| 一级片免费观看大全| 麻豆成人av在线观看| 欧美成人一区二区免费高清观看 | 99在线人妻在线中文字幕| 国产高清videossex| 色综合亚洲欧美另类图片| 91老司机精品| 琪琪午夜伦伦电影理论片6080| 欧美乱码精品一区二区三区| 91成年电影在线观看| 人妻丰满熟妇av一区二区三区| 亚洲成人国产一区在线观看| 国产99久久九九免费精品| 国产精品二区激情视频| 日本三级黄在线观看| 国产免费av片在线观看野外av| 精品一区二区三区av网在线观看| 女性生殖器流出的白浆| 国产成+人综合+亚洲专区| 老鸭窝网址在线观看| 亚洲电影在线观看av| 中文字幕精品亚洲无线码一区 | 人成视频在线观看免费观看| 亚洲国产高清在线一区二区三 | 韩国av一区二区三区四区| 成人手机av| 国产精品香港三级国产av潘金莲| 国产1区2区3区精品| 久久久久国内视频| 美女大奶头视频| 亚洲av中文字字幕乱码综合 | 久久久久亚洲av毛片大全| 成人18禁高潮啪啪吃奶动态图| 日本a在线网址| 18禁观看日本| 欧美大码av| 成人午夜高清在线视频 | 亚洲国产精品久久男人天堂| 久久中文字幕人妻熟女| 亚洲国产欧美日韩在线播放| 高清在线国产一区| 性色av乱码一区二区三区2| 999久久久国产精品视频| 制服人妻中文乱码| 最近最新中文字幕大全免费视频| 波多野结衣高清无吗| 久久热在线av| 亚洲av熟女| 亚洲精品在线观看二区| 午夜免费鲁丝| 中国美女看黄片|