• <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 ?

    基于爬山搜索的高斯模糊不變SIFT算子

    2016-07-19 02:07:23趙熙臨李超順
    計算機應用與軟件 2016年6期
    關鍵詞:點數(shù)高斯算子

    付 波 張 敏 趙熙臨 李超順

    1(湖北工業(yè)大學電氣與電子工程學院 湖北 武漢 430068)2(華中科技大學水電與數(shù)字化工程學院 湖北 武漢 430074)

    ?

    基于爬山搜索的高斯模糊不變SIFT算子

    付波1張敏1趙熙臨1李超順2

    1(湖北工業(yè)大學電氣與電子工程學院湖北 武漢 430068)2(華中科技大學水電與數(shù)字化工程學院湖北 武漢 430074)

    摘要針對SIFT算子對于高斯模糊環(huán)境下的特征匹配困難,提出基于目標圖像形變空間重采樣的高斯模糊不變SIFT算子GI-SIFT(Gaussian Invariant SIFT)。首先構建清晰目標的高斯模糊模型,重采樣模型參數(shù)重建目標圖像完備形變空間;其次,引入降采樣與爬山法,構建目標圖像的降采樣形變空間,在降采樣空間中以大采樣步長快速搜索當前峰值,對峰值鄰域進行曲線擬合,快速找到最優(yōu)匹配。實驗結果表明,所提算法不僅對高斯模糊目標能較好匹配,同時較大提升了目標的特征匹配效率。

    關鍵詞尺度不變特征變換形變空間重采樣高斯模糊降采樣爬山法特征匹配

    0引言

    高斯模糊形變常見于圖像復原領域中[1,2],由于其點擴展函數(shù)較難檢測,故特征提取與辨識較為困難。SIFT算子[3,4]信息量豐富,獨特性好且可擴展性強,具有旋轉、尺度、亮度變化等不變性,并對于視角變化、仿射變換、噪聲有一定的穩(wěn)定性[5],廣泛應用于各類圖像工程領域。例如運動目標跟蹤與檢測[6,7]、雷達影像配準[8]、紅外目標跟蹤[9]、手背靜脈識別[10]等。

    目前,多畸不變SIFT分為兩類。一類關注關鍵點局部區(qū)域特征模型與描述,如Harris-Affine[11]、MSER[12]、Hassian-Affine[13]等。劉向增等[14]針對大角度旋轉提出基于改進奇異值分解的仿射不變SIFT;Wang等[15]認為SIFT仿射不變性弱的原因在于DoG對關鍵點的關注區(qū)域是圓形,提出用MSER算子代替DoG算子;Zhao等[16]預估目標翻轉類型,使翻轉區(qū)域標準化,構建F-SIFT算子;Zhou等[17]提出基于采樣的局部描述子SLD,使圓形區(qū)域隨視點變化變成橢圓型區(qū)域,提升仿射穩(wěn)定性。

    關鍵點描述算子通過局部不變性統(tǒng)計特征反映目標的全局不變性,對現(xiàn)實場景中的變形目標匹配能力較弱。Morel等提出另一類基于形變空間重采樣的ASIFT(AffineScaleInvariantFeatureTransform)算子[18]。通過重采樣逼近仿射形變空間以尋找目標圖像的可能投影,大大提高算法的匹配準確度。但由于重構空間計算量較大,限制其應用,需要新的手段提高重構空間匹配效率。

    1高斯模糊環(huán)境下的SIFT特征匹配

    1.1SIFT算法

    SIFT特征算法主要包括三個步驟:

    1) 特征點檢測

    (1) 在DoG尺度空間中對檢測點及其相鄰26個點比較,確保在尺度空間和二維空間檢測到極值點。DoG空間由不同尺度圖像高斯差分函數(shù)卷積得:

    D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))×I(x,y)

    =L(x,y,kσ)-L(x,y,σ)

    (1)

    式中,G為二維高斯核函數(shù);L為圖像的高斯尺度空間。DoG空間由高斯金字塔相鄰兩層相減得到;I(x,y)為圖像(x,y)位置處的像素值,其中G為:

    (2)

    式中τ為高斯分布標準差,即尺度空間因子。

    (2)DoG空間中檢測到的候選極值點并不一定是真正的極值點,一般進行三維二次函數(shù)擬合,精確確定關鍵點的位置和尺度;引入2×2Hessian矩陣,剔除不穩(wěn)定邊緣響應點;最后使用圖像梯度方法為每個極值點求取穩(wěn)定方向,即對每個極值點的鄰域內像素的梯度和方向特征采集,使用36柱直方圖統(tǒng)計。直方圖峰值代表該極值點處鄰域梯度主方向,并將大于主方向峰值80%的方向作為輔方向。至此,檢測出的含有位置、尺度和方向的極值點即是SIFT特征點。

    2) 特征點描述

    SIFT一般采用128維特征向量對每個特征點描述,即在關鍵點周圍4×4窗口內計算8個方向的梯度信息,然后對該向量歸一化處理。

    3) 特征點匹配

    兩個SIFT描述子匹配一般采用歐氏距離法,Lowe針對128維特征向量維數(shù)較高的問題,對傳統(tǒng)k-d樹進行了改進。如果最近距離與次近距離的比值小于某個閾值,則認定這是一對匹配點。

    1.2ASIFT算法

    ASIFT算子構建待匹配圖像仿射形變空間,來模擬目標在不同參數(shù)的變形。其指出對于任意因視角變化引起的仿射變換,均可得到正定仿射變換矩陣A并且通過奇異值分解變換為:

    (3)其中,λ>0表示尺度變化,φ為相機方位旋轉角度,Ф∈[0,π),θ=arcos(1/t),t≥1。Rφ與RΦ為相機方位對應的旋轉矩陣。

    圖1為ASIFT仿射形變空間采樣規(guī)則,SIFT算子具有旋轉與尺度不變性,故只需對圖1中t與Φ采樣,以模擬所有可能的仿射形變。仿射形變空間構建完成后,空間中所有采樣圖像均與待匹配圖像進行SIFT特征匹配。記錄最優(yōu)匹配結果。

    圖1 t與Φ的采樣規(guī)則

    1.3高斯模糊環(huán)境下的SIFT特征匹配

    圖像的高斯模糊可通過以下模型實現(xiàn):

    (4)

    其中,m、n為二維模板矩陣大小,σ為高斯正態(tài)分布標準差,同時也代表模糊半徑。

    二維高斯函數(shù)圖像表現(xiàn)為從其中心點開始呈正態(tài)分布的同心圓,且離中心越遠的像素點權重越小,故二維模板矩陣的大小必須取適當值才能盡量減小計算量,同時保證模糊效果。一般模板矩陣大小取邊長為(1+2×3σ)的方陣,即(6σ+1)×(6σ+1),簡化計算的同時,也將三個參數(shù)m、n、σ減少至一個參數(shù)σ。

    在高斯模糊環(huán)境下,待匹配圖像相對于清晰圖像來說已十分“平滑”,對高斯模糊目標辨識不利。如圖2所示,高斯模糊圖像與清晰目標成功配117對,模糊圖像自身匹配成功245對,因此有必要提高SIFT算子在高斯模糊環(huán)境下的適應能力。

    圖2 高斯模糊環(huán)境下SIFT算子匹配效果對比

    2基于形變空間重采樣的高斯模糊目標特征匹配

    2.1形變空間重采樣基本原理

    設清晰目標S與待匹配圖像T在變換F下匹配建模,首先構造S的形變空間S′:

    S′=F{α1,α2,…,αn|S}

    (5)

    其中,A={α1,α2,…,αn}為模型參數(shù)集,n是模型參數(shù)個數(shù)。對模型參數(shù)αi離散化:

    αi→{αi1,αi2,…,αim}

    (6)

    其中,m為重采樣點數(shù),由n維離散化模型參數(shù){αij}(i=1,2,…,n,j=1,2,…,m)實現(xiàn)對形變空間的采樣,構成重采樣空間D逼近原始形變空間S′:

    D→S′={D1,D2,…,Dp}

    (7)

    其中,p=mn,再由Di與T的匹配點數(shù)排序得:

    D={Df1,Df2,…,Dfp}

    (8)

    其中,f1…fp是SIFT特征匹配點數(shù)從大到小排序,確定最優(yōu)模型參數(shù)組合Af1。該過程實際上是一個優(yōu)化過程,目標函數(shù):

    (9)

    約束條件:

    S′=F{α1,α2,…,αn|S}αi=Ri

    (10)

    其中,Ri是形變參數(shù)空間。

    2.2高斯模糊目標特征匹配步驟

    GI-SIFT算法流程如圖3所示。

    圖3 形變空間重采樣算法流程

    1) 構造清晰目標S的高斯模糊形變空間S′;

    2) 設離散模糊參數(shù)為σ,構建參數(shù)空間Σ={σ1,σ2,…,σm},進而由Σ構建S的高斯模糊重采樣空間D={D1,D2,…,Dm}逼近原始形變空間S′,Di為S與高斯模糊核函數(shù)F卷積后的圖像;

    3) 將待匹配圖像T與采樣空間D匹配,獲得目標匹配點數(shù)空間P={N1,N2,…,Nm};

    4) 空間P中最大匹配點數(shù)Nmax對應的樣本D*即為所求目標,同時確定T對應的參數(shù)σ*。

    3基于降采樣與爬山法的重采樣空間遍歷優(yōu)化

    單純的重采樣空間遍歷算法,例如ASIFT中所采用的將待匹配圖像T與重采樣空間D中的所有樣本一一匹配。雖然能準確搜尋最大匹配,但計算量過大,如圖4所示。

    圖4 σ=5的待匹配圖像與不同分辨率下的重采樣空間匹配結果

    圖4中,待匹配圖像T的高斯模糊參數(shù)σ0=5,其表示在不同分辨率條件下,模糊圖像與清晰目標的N-σ曲線。圖中降采樣下的曲線1在匹配點數(shù)上遠遠少于原分辨率下的曲線2,但兩條曲線的變化趨勢卻是相同的。N-σ曲線均可看作一幅單峰波形圖,說明降采樣方法在減少計算量的同時,并不會影響N-σ曲線的走勢。

    3.1圖像降采樣

    降采樣常用于圖像特征提取類算法,如SIFT算法DoG圖像金字塔的構建采用2×2降采樣,但參數(shù)過大的降采樣會導致圖片出現(xiàn)嚴重的失真。必須選擇合適的參數(shù),在保證N-σ曲線趨勢不變的同時,減少單幅圖像匹配計算量。本文采用3×3的降采樣。

    3.2爬山搜索

    將3×3降采樣后的待匹配圖像Ts與重采樣空間Ds中任意一幅圖像進行匹配。通過對高斯模糊參數(shù)σ的擾動,判斷擾動前后匹配點數(shù)N的變化情況,按照使匹配點數(shù)N增加的原則在重采樣空間中搜索與Ts的最大匹配。該方法思路簡單,且易實現(xiàn)。

    如圖4所示的N-σ曲線,用爬山法能輕易地找出當前曲線的峰值點,但該點可能與真實峰值點有所偏差。本文通過構建N-σ曲線,快速搜索曲線峰值點區(qū)域,然后采用局部曲線擬合確定峰值P點。該方法兼具搜索效率高與精確度高的優(yōu)點。

    3.3算法實現(xiàn)

    基于降采樣與爬山法的重采樣空間遍歷優(yōu)化算法流程如圖5所示。

    圖5 基于圖像降采樣及爬山法的改進算法流程圖

    算法實現(xiàn)步驟如下:

    1) 以采樣步長Δ重構清晰目標S的重采樣空間Da,對待匹配圖像T,Da進行3×3降采樣,得到Ts、Das,將Ts與空間Das中樣本的匹配點數(shù)N定義為樣本模糊參數(shù)σ的函數(shù):N=f(σ);

    2) 理論上來說,高斯模糊參數(shù)σ可以趨近于無窮大,但課題組經(jīng)過大量實驗后發(fā)現(xiàn),當模糊參數(shù)σ>8以后,肉眼已難以分辨目標形態(tài),不具備辨識價值,因此本文設置采樣參數(shù)范圍上限閾值σend≤8;

    3) 降采樣條件下,在步長Δ采樣重構空間Das內搜索峰值,令σ0=σend/2,得到匹配點數(shù)N0=f(σ0),對σ0擾動,設σ1=σ0+Δ,則N1=f(σ1),匹配點數(shù)增量:

    ΔN1=N1-N0=f(σ0+Δ)-f(σ0)

    (11)

    (1) 若ΔN1>0,說明峰值點在σ0右邊,繼續(xù)增加σ,直到σk+1=σk+Δ,如果:

    ΔNk+1=Nk+1-Nk=f(σk+1)-f(σk)<0

    (12)

    則Nk為對應步長Δ下的N-σ曲線峰值;

    (2) 若ΔN1<0,說明峰值點在σ0左邊,重定義σ1=σ0-Δ,持續(xù)減少σ,直到σk+1=σk-Δ,如果:

    ΔNk+1=Nk+1-Nk=f(σk+1)-f(σk)<0

    (13)

    則Nk為對應步長Δ下的N-σ曲線峰值;

    4) 此時回到原分辨率,在峰值點Nk對應的σk周圍半徑為ε的鄰域進行曲線擬合,求得擬合最優(yōu)參數(shù)(Nmax、σmax)。

    4實驗結果及分析

    匹配算法運行在IntelCore(TM)2 2.0GHz處理器上,編譯環(huán)境為VisualStudio2012。課題組在查閱大量文獻后發(fā)現(xiàn),目前學術界并沒有專門針對高斯模糊形變的SIFT衍生算法,故在此采用標準SIFT算子與GI-SIFT作對比實驗。實驗采用程序來自RobHess維護的SIFT算法庫(http://robwhess.github.io/opensift/)。實驗分為高斯模糊環(huán)境下的特征匹配效果對比,采樣空間遍歷算法優(yōu)化前后的計算效率對比以及實際應用效果對比。

    4.1高斯模糊環(huán)境下目標特征匹配效果對比

    圖6、圖7采用512×512分辨率的標準lena圖像,分別表示模糊參數(shù)σ為1、3的模糊圖像在三種算法下的匹配結果對比。(a)、(b)分別為SIFT、GI-SIFT對高斯模糊圖片的匹配結果,N為匹配點數(shù)。實驗結果顯示,本文提出的GI-SIFT,相比于SIFT在針對高斯模糊圖片的匹配點數(shù)上,有顯著提高。

    圖6 模糊圖像(上)σ=1在經(jīng)典SIFT算子與GI-SIFT算子的匹配效果

    圖7 模糊圖像(上)σ=3在經(jīng)典SIFT算子與GI-SIFT算子的匹配效果

    同時,課題組采用華盛頓大學GroundtruthDatabase圖片庫進行實驗。該圖片庫包含24類圖片,課題組選取其中巴塞羅那、劍橋、哥倫比亞峽谷、格陵蘭等九類圖片,每類50張,分別進行隨機參數(shù)的高斯模糊形變,對兩種算法匹配點數(shù)均值統(tǒng)計如圖8所示。橫坐標代表圖像的類別,縱坐標代表匹配點數(shù)。從統(tǒng)計結果可以看出,對每一類圖片,GI-SIFT的平均匹配點數(shù)明顯高于SIFT。但由于每類圖片內容與模糊度的不同,GI-SIFT相對于SIFT的匹配點數(shù)提升幅度也不一樣,由64.4%到253.3%,平均提升幅度在117.5%左右,說明GI-SIFT對圖片的高斯模糊形變匹配效果提高了很多。

    圖8 兩種算法匹配點數(shù)對比

    4.2遍歷算法優(yōu)化前后匹配運行時間對比

    由于算法的設計思路不同,GI-SIFT在算法效率上與MSER、PCA-SIFT、Harris-Affine等算法并不具有可比性,因此此處只考慮GI-SIFT算法優(yōu)化前后的時間對比。圖9是針對標準Lena圖片的高斯模糊特征匹配時間測試,其中鄰域半徑ε=1,步長Δ=1,σend=8,對目標圖像模糊參數(shù)σ每隔0.5進行一次時間采樣。

    圖9 遍歷算法優(yōu)化前后運行時間對比

    實驗結果顯示,當待匹配圖像模糊參數(shù)在2以下時,匹配時間由優(yōu)化前的400到750秒縮短至20秒左右;當模糊參數(shù)進一步增大時,優(yōu)化算法所需時間還能夠進一步的降低;相對于優(yōu)化前,GI-SIFT在特征匹配效率上有質的提升,且目標圖像的模糊度越小,效率提升越明顯。

    4.3實際應用效果對比

    圖10為SIFT與GI-SIFT在實際生活中的應用效果對比。測試圖片來自課題組所拍攝的日常照片,其中N為匹配點數(shù)。由于日常生活中所遇到的絕大多數(shù)圖片所受到的均為復合形變,因此并不能完全依照其受到的形變種類來進行絕對的分類。本文在采集實驗所用的實際生活照片時,也不可避免會受到光照、視角、焦距等各種因素的影響。但課題組已盡量對除高斯模糊以外的形變進行了限制,以期達到預期的實驗效果。 同時,考慮到目標物體被部分遮擋這一情況并不會影響高斯形變的處理效果,在采集實驗圖片時也加入了目標遮擋這一情況。

    圖10 SIFT算子與GI-SIFT算子對于實際場景的高斯模糊特征匹配效果

    由圖10可以看出,(a)、(b)中,待匹配圖片模糊度σ1=0.7,目標物體進行了90度的旋轉,SIFT算子匹配點數(shù)為218,但能明顯看出有較多錯誤匹配點,GI-SIFT的匹配點數(shù)為245,且錯誤匹配點數(shù)量沒有較大變化。(c)、(d)中,待匹配圖片模糊度σ2=1.3,目標物體有一部分被遮擋,SIFT算子的匹配點數(shù)為54,GI-SIFT卻能找出94個匹配點。(e)(f)中,待匹配圖片模糊度σ3=2.7,目標物體有輕微的仿射形變,SIFT算子只能找出5個匹配點,GI-SIFT的匹配點數(shù)為13。以上結果說明,本算法在實際應用中也具有較好的匹配效果,與前文實驗結果相符。

    5結語

    針對SIFT算子對高斯模糊環(huán)境下的特征匹配能力弱的問題,提出了一種基于圖像形變空間重采樣的改進算法。通過高斯模糊模型構建待識別目標的重采樣形變空間,在該空間內搜尋與待匹配圖像具有最大匹配的圖像采樣,較大提升了特征匹配能力。在此基礎上又提出了基于降采樣與爬山法的遍歷優(yōu)化算法,在不影響匹配結果的情況下,顯著加快運算效率。

    參考文獻

    [1] 陳曦,汪彥剛,彭思龍.部分模糊核已知的混合模糊圖像復原算法[J].計算機輔助設計與圖形學學報,2010,22(2):272-278.

    [2] 王芳,李誼,陸建峰,等.模糊圖像盲復原的魯棒自適應濾波算法[J].計算機輔助設計與圖形學學報,2014,26(3):457-464.

    [3]LoweDG.Objectrecognitionfromlocalscale-invariantfeatures[C]//ProceedingsofInternationalConferenceonComputerVision.Kerkyra,Greece:IEEE,1999:1150-1157.

    [4]LoweDG.Distinctiveimagefeaturesfromscale-invariantkeypoints[J].InternationalJournalofComputerVision,2004,60(2):91-110.

    [5] 吳慧蘭,劉國棟,劉炳國,等.基于SIFT算法的圓心快速精確定位技術研究[J].光電子·激光,2008,19(11):1512-1515.

    [6] 藺海峰,馬宇峰,宋濤.基于SIFT特征目標跟蹤算法研究[J].自動化學報,2010,36(8):1204-1208.

    [7] 明安龍,馬華東.多攝像機之間基于區(qū)域SIFT描述子的目標匹配[J].計算機學報,2008,31(4):650-661.

    [8] 陳爾學,李增元,田昕,等.尺度不變特征變換法在SAR影像匹配中的應用[J].自動化學報,2008,34(8):861-868.

    [9] 鄭紅,鄭晨,閆秀生,等.基于SUKF與SIFT特征的紅外目標跟蹤算法研究[J].光電子·激光,2012,23(4):791-797.

    [10] 王云新,劉鐵根,江俊峰,等.基于局部SIFT分析的手背靜脈識別[J].光電子·激光,2009,20(5):681-684.

    [11]MikolajczykK,SchmidC.Scale&affineinvariantinterestpointdetectors[J].InternationalJournalofComputerVision,2004,60(1):63-86.

    [12]ForssénPE,LoweDG.Shapedescriptorsformaximallystableextremalregions[C]//ProceedingsofThe11thInternationalConferenceonComputerVision.RiodeJaneiro,Brazil:IEEE,2007:601-614.

    [13]RuanL,SridhaS,ClintonF.Hessian-Basedaffineadaptationofsalientlocalimagefeatures[J].JournalofMathematicalImagingandVision,2012,44(2):150-167.

    [14] 劉向增,田錚,溫金環(huán),等.基于仿射不變SIFT特征的SAR圖像配準[J].光電工程,2010,37(11):121-127.

    [15]ZhupingWang,HuiyuMo,HanWang,etal.AnAffineInvariantFeatureDetectionMethodBasedonSIFTandMSER[C]//Proceedingsof2012 7thIEEEConferenceonIndustrialElectronicsandApplications(ICIEA).Singapore:IEEE,2012:69-72.

    [16]WanleiZhao,ChongwahNgo.Flip-InvariantSIFTforCopyandObjectDetection[J].IEEETransactionsonImageProcessing,2013,22(3):980-991.

    [17]WenZhou,ChunhengWang,BaihuaXiao,etal.SLD:ANovelRobustDescriptorforImageMatching[J].IEEESignalProcessingLetters,2014,21(3):339-342.

    [18]MorelJM,YuG.ASIFT:anewframeworkforfullyaffineinvariantimagecomparison[J].SIAMJournalonImagingSciences,2009,2(2):438-469.

    GAUSSIAN BLUR INVARIANT SIFT OPERATOR BASED ONHILL-CLIMBINGSEARCHING

    Fu Bo1Zhang Min1Zhao Xilin1Li Chaoshun2

    1(School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan 430068,Hubei,China)2(School of Hydropower and Information Engineering,Huazhong University of Science and Technology, Wuhan 430074,Hubei,China)

    AbstractSIFT operator is difficult in feature matching in Gaussian blur environment. Aiming at this problem, we proposed a Gaussian blur invariant SIFT operator (GI-SIFT) which is based on resampling in deformation space of object image. First, we built the Gaussian blur model of the clear object and re-sampled the model parameters to reconstruct complete deformation space of the object image. Secondly, we introduced subsampling and hill climbing approaches to construct the subsampling deformation space of the object image, and rapidly searched the current peak value in subsampling space with large sampling step, and made curve fitting in peak neighbourhood to quickly find the optimal matching. Experimental results showed that the proposed algorithm can well match Gaussian blur object, at the same time it also greatly improves the efficiency of objects feature matching.

    KeywordsScale invariant feature transform (SIFT)Resampling of deformation spaceGaussian blurSubsamplingHill-climbingFeature matching

    收稿日期:2014-12-18。國家自然科學基金項目(61072130,5110 9088);武漢市科技攻關計劃項目(2013012401010845);湖北工業(yè)大學科研基金項目(BSQD12107);廣東省工業(yè)攻關項目(2011B010100037)。付波,教授,主研領域:圖像處理。張敏,碩士生。趙熙臨,副教授。李超順,副教授。

    中圖分類號TP391.4

    文獻標識碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.045

    猜你喜歡
    點數(shù)高斯算子
    小高斯的大發(fā)現(xiàn)
    擬微分算子在Hp(ω)上的有界性
    各向異性次Laplace算子和擬p-次Laplace算子的Picone恒等式及其應用
    天才數(shù)學家——高斯
    一類Markov模算子半群與相應的算子值Dirichlet型刻畫
    看不到的總點數(shù)
    Roper-Suffridge延拓算子與Loewner鏈
    畫點數(shù)
    破解“心靈感應”
    多核并行的大點數(shù)FFT、IFFT設計
    欧美国产日韩亚洲一区| 在线永久观看黄色视频| cao死你这个sao货| 99久久综合精品五月天人人| 美国免费a级毛片| 悠悠久久av| 欧美老熟妇乱子伦牲交| 电影成人av| 91麻豆av在线| 岛国在线观看网站| 99re在线观看精品视频| 日韩av在线大香蕉| 自拍欧美九色日韩亚洲蝌蚪91| 91在线观看av| 最好的美女福利视频网| 美女高潮到喷水免费观看| 成年人黄色毛片网站| 国产亚洲欧美精品永久| 国产乱人伦免费视频| 亚洲国产毛片av蜜桃av| cao死你这个sao货| 国产人伦9x9x在线观看| 一级黄色大片毛片| 国产精品,欧美在线| 亚洲国产欧美一区二区综合| av天堂久久9| 午夜激情av网站| 久久国产精品男人的天堂亚洲| 俄罗斯特黄特色一大片| 欧美中文日本在线观看视频| 欧美精品啪啪一区二区三区| 黄色女人牲交| a在线观看视频网站| 久久久久精品国产欧美久久久| 亚洲国产精品合色在线| 精品人妻在线不人妻| 欧美成人性av电影在线观看| 午夜成年电影在线免费观看| 一边摸一边做爽爽视频免费| 十八禁网站免费在线| 国产成人影院久久av| 亚洲五月色婷婷综合| 午夜影院日韩av| 午夜福利免费观看在线| 性欧美人与动物交配| 精品国产国语对白av| 成人国产一区最新在线观看| 欧美日本中文国产一区发布| 18禁黄网站禁片午夜丰满| 久久青草综合色| 妹子高潮喷水视频| av有码第一页| 最新在线观看一区二区三区| 久久久久国产精品人妻aⅴ院| 成人三级黄色视频| 午夜亚洲福利在线播放| 午夜久久久在线观看| 日韩精品中文字幕看吧| 他把我摸到了高潮在线观看| 午夜精品在线福利| 真人做人爱边吃奶动态| 午夜影院日韩av| 久久中文字幕人妻熟女| 亚洲免费av在线视频| 91在线观看av| 日韩精品免费视频一区二区三区| 大型av网站在线播放| 99久久综合精品五月天人人| 精品福利观看| 亚洲久久久国产精品| 给我免费播放毛片高清在线观看| 精品国内亚洲2022精品成人| 亚洲精品在线观看二区| 两个人视频免费观看高清| 成年女人毛片免费观看观看9| 国产成+人综合+亚洲专区| 国产野战对白在线观看| 亚洲国产精品成人综合色| 老司机福利观看| 亚洲一区中文字幕在线| 色综合亚洲欧美另类图片| 视频在线观看一区二区三区| 一级毛片女人18水好多| 男女午夜视频在线观看| 欧美日韩亚洲综合一区二区三区_| 最新在线观看一区二区三区| 九色亚洲精品在线播放| www.999成人在线观看| 制服诱惑二区| 亚洲一区二区三区不卡视频| 久久亚洲精品不卡| 禁无遮挡网站| 脱女人内裤的视频| 亚洲成人精品中文字幕电影| 一级,二级,三级黄色视频| 高清在线国产一区| 午夜视频精品福利| 欧美激情极品国产一区二区三区| 中出人妻视频一区二区| 亚洲人成网站在线播放欧美日韩| 欧美日韩中文字幕国产精品一区二区三区 | 88av欧美| 一区在线观看完整版| 夜夜躁狠狠躁天天躁| 久久婷婷成人综合色麻豆| 国产精品日韩av在线免费观看 | 啦啦啦免费观看视频1| 大型av网站在线播放| 色尼玛亚洲综合影院| 亚洲欧美精品综合一区二区三区| АⅤ资源中文在线天堂| 久久久国产成人精品二区| 亚洲va日本ⅴa欧美va伊人久久| 美女免费视频网站| 桃红色精品国产亚洲av| 国产熟女xx| 丁香欧美五月| 桃红色精品国产亚洲av| 好看av亚洲va欧美ⅴa在| 精品久久久久久,| 日日干狠狠操夜夜爽| 美女扒开内裤让男人捅视频| 欧美亚洲日本最大视频资源| 午夜亚洲福利在线播放| 我的亚洲天堂| 久久久国产欧美日韩av| 亚洲人成电影观看| 国产精品亚洲美女久久久| 国产又爽黄色视频| 男人操女人黄网站| 久久精品亚洲熟妇少妇任你| 亚洲av美国av| 女人精品久久久久毛片| 精品不卡国产一区二区三区| 午夜福利免费观看在线| 成熟少妇高潮喷水视频| 日韩中文字幕欧美一区二区| 久久中文字幕人妻熟女| 国产片内射在线| 99久久久亚洲精品蜜臀av| 国产精品自产拍在线观看55亚洲| 成人18禁在线播放| 国产午夜福利久久久久久| 国产三级黄色录像| 国产亚洲欧美精品永久| 日韩免费av在线播放| 久久人妻福利社区极品人妻图片| 精品第一国产精品| 色在线成人网| 成人手机av| 一级毛片高清免费大全| 在线观看一区二区三区| 亚洲精品久久国产高清桃花| 精品卡一卡二卡四卡免费| 中文字幕人成人乱码亚洲影| 久久香蕉激情| 亚洲av五月六月丁香网| 国产一区二区激情短视频| 国产区一区二久久| 亚洲国产高清在线一区二区三 | 欧美日韩乱码在线| 最近最新中文字幕大全电影3 | 亚洲美女黄片视频| 嫁个100分男人电影在线观看| 中文字幕久久专区| 国产一区在线观看成人免费| 别揉我奶头~嗯~啊~动态视频| 午夜福利影视在线免费观看| 国产精品一区二区三区四区久久 | 欧美中文综合在线视频| 久久久久久人人人人人| 亚洲一码二码三码区别大吗| 国产99久久九九免费精品| 亚洲成人精品中文字幕电影| 一区二区三区精品91| 99国产精品99久久久久| 一区二区日韩欧美中文字幕| 国产成人一区二区三区免费视频网站| 美女国产高潮福利片在线看| 日韩三级视频一区二区三区| 午夜久久久在线观看| 麻豆久久精品国产亚洲av| 亚洲成人精品中文字幕电影| 高清毛片免费观看视频网站| 色播在线永久视频| 在线永久观看黄色视频| 首页视频小说图片口味搜索| 亚洲精品中文字幕在线视频| 国产精品久久久久久人妻精品电影| 国产精品一区二区免费欧美| 国产又色又爽无遮挡免费看| 一进一出抽搐动态| 精品不卡国产一区二区三区| 男女之事视频高清在线观看| 国产精品电影一区二区三区| 久久精品aⅴ一区二区三区四区| 精品欧美国产一区二区三| 香蕉久久夜色| 岛国视频午夜一区免费看| 精品一区二区三区四区五区乱码| 欧美不卡视频在线免费观看 | 精品国产美女av久久久久小说| 亚洲人成电影免费在线| 侵犯人妻中文字幕一二三四区| 久久香蕉国产精品| 日韩欧美在线二视频| 午夜精品国产一区二区电影| av超薄肉色丝袜交足视频| 国产激情欧美一区二区| av在线播放免费不卡| 99香蕉大伊视频| 亚洲va日本ⅴa欧美va伊人久久| 99精品欧美一区二区三区四区| 免费在线观看亚洲国产| 每晚都被弄得嗷嗷叫到高潮| 69av精品久久久久久| 啦啦啦观看免费观看视频高清 | 国产在线精品亚洲第一网站| 在线观看免费视频网站a站| 国产色视频综合| 成人永久免费在线观看视频| 久久久久久久午夜电影| 精品第一国产精品| 两个人免费观看高清视频| 欧美日韩福利视频一区二区| 亚洲欧美精品综合一区二区三区| 精品免费久久久久久久清纯| 丝袜美足系列| 变态另类丝袜制服| 成人18禁高潮啪啪吃奶动态图| 男女午夜视频在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲最大成人中文| 叶爱在线成人免费视频播放| 高潮久久久久久久久久久不卡| 国产精品久久久av美女十八| 国产精品秋霞免费鲁丝片| 国产精品98久久久久久宅男小说| 久久久精品欧美日韩精品| 亚洲精品国产色婷婷电影| 波多野结衣高清无吗| 1024视频免费在线观看| 色老头精品视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 免费在线观看视频国产中文字幕亚洲| 长腿黑丝高跟| 亚洲国产中文字幕在线视频| 色在线成人网| 热99re8久久精品国产| 老熟妇乱子伦视频在线观看| 性色av乱码一区二区三区2| 免费观看精品视频网站| 亚洲视频免费观看视频| 精品日产1卡2卡| 老熟妇仑乱视频hdxx| 1024视频免费在线观看| 成年版毛片免费区| 国产高清有码在线观看视频 | 69精品国产乱码久久久| 亚洲电影在线观看av| 中文字幕另类日韩欧美亚洲嫩草| 精品久久久久久久人妻蜜臀av | 久久草成人影院| 午夜精品国产一区二区电影| 国产欧美日韩一区二区精品| 激情视频va一区二区三区| 日本a在线网址| 日日爽夜夜爽网站| 99精品欧美一区二区三区四区| 精品久久久久久成人av| 成人三级黄色视频| 操出白浆在线播放| 欧美亚洲日本最大视频资源| 午夜免费激情av| 亚洲va日本ⅴa欧美va伊人久久| 成人免费观看视频高清| 亚洲精品av麻豆狂野| 国产免费av片在线观看野外av| 性欧美人与动物交配| 精品电影一区二区在线| 麻豆国产av国片精品| 少妇 在线观看| 精品国产乱码久久久久久男人| 免费在线观看日本一区| 亚洲成人国产一区在线观看| svipshipincom国产片| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品美女特级片免费视频播放器 | 国产成人精品在线电影| 国产精品电影一区二区三区| 国产欧美日韩精品亚洲av| 国产成人啪精品午夜网站| 欧美av亚洲av综合av国产av| 国产区一区二久久| 国产三级在线视频| 桃色一区二区三区在线观看| 此物有八面人人有两片| 久久久精品国产亚洲av高清涩受| 自线自在国产av| 高清毛片免费观看视频网站| 黑人巨大精品欧美一区二区mp4| 国产成人精品久久二区二区91| 看黄色毛片网站| 亚洲久久久国产精品| 黄色丝袜av网址大全| 成人三级黄色视频| 国产单亲对白刺激| 国产野战对白在线观看| 亚洲一区高清亚洲精品| 久久国产乱子伦精品免费另类| 热99re8久久精品国产| 老汉色∧v一级毛片| 午夜福利在线观看吧| 亚洲一区二区三区不卡视频| 国产精品av久久久久免费| 久久国产亚洲av麻豆专区| 国产精品二区激情视频| 久久热在线av| 99精品欧美一区二区三区四区| 国产人伦9x9x在线观看| 精品人妻在线不人妻| 91麻豆av在线| 午夜福利欧美成人| 熟女少妇亚洲综合色aaa.| 亚洲国产精品999在线| 很黄的视频免费| 亚洲国产欧美日韩在线播放| 成年人黄色毛片网站| 亚洲欧美激情在线| a在线观看视频网站| 亚洲欧美精品综合一区二区三区| 久久天躁狠狠躁夜夜2o2o| 午夜福利影视在线免费观看| 精品久久久久久久毛片微露脸| 中文字幕久久专区| 国产精品九九99| 看免费av毛片| 美女高潮到喷水免费观看| 免费观看精品视频网站| 国产成年人精品一区二区| 欧美大码av| 国产精品久久久人人做人人爽| 亚洲欧美精品综合久久99| 久久久国产欧美日韩av| 大码成人一级视频| 免费少妇av软件| 桃色一区二区三区在线观看| 日韩成人在线观看一区二区三区| 精品久久蜜臀av无| 男女下面进入的视频免费午夜 | 日韩免费av在线播放| 高清毛片免费观看视频网站| 妹子高潮喷水视频| 别揉我奶头~嗯~啊~动态视频| 亚洲精品国产区一区二| 一级作爱视频免费观看| 午夜福利高清视频| 国产欧美日韩综合在线一区二区| 日韩欧美国产一区二区入口| x7x7x7水蜜桃| 精品人妻1区二区| 免费在线观看亚洲国产| 波多野结衣av一区二区av| bbb黄色大片| 一区二区三区高清视频在线| 午夜老司机福利片| 色在线成人网| 欧美成人免费av一区二区三区| 国产又爽黄色视频| 亚洲国产精品久久男人天堂| 久热这里只有精品99| 午夜福利成人在线免费观看| 午夜a级毛片| 欧美中文综合在线视频| 国产91精品成人一区二区三区| 欧美大码av| 亚洲,欧美精品.| 天堂影院成人在线观看| 国产精品免费一区二区三区在线| 黄片播放在线免费| 99在线人妻在线中文字幕| 免费在线观看日本一区| 90打野战视频偷拍视频| 久久精品亚洲精品国产色婷小说| 男女下面插进去视频免费观看| 成人国产综合亚洲| 亚洲五月天丁香| 九色亚洲精品在线播放| 禁无遮挡网站| 丝袜在线中文字幕| 很黄的视频免费| 欧美日本亚洲视频在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 日韩 欧美 亚洲 中文字幕| 亚洲精品国产一区二区精华液| 一区二区日韩欧美中文字幕| 久久热在线av| 国产三级黄色录像| 国产亚洲精品一区二区www| 国产精品精品国产色婷婷| 在线观看舔阴道视频| 日本免费a在线| 久久久久国产精品人妻aⅴ院| av网站免费在线观看视频| 在线观看66精品国产| 嫁个100分男人电影在线观看| 999久久久精品免费观看国产| 久久久久九九精品影院| 成人av一区二区三区在线看| 精品国产一区二区久久| 久久久国产欧美日韩av| 欧洲精品卡2卡3卡4卡5卡区| 1024香蕉在线观看| 精品国产乱子伦一区二区三区| 久久香蕉国产精品| 国产成+人综合+亚洲专区| av视频在线观看入口| 国产精品98久久久久久宅男小说| 久久九九热精品免费| 亚洲一区二区三区色噜噜| 69精品国产乱码久久久| 欧美日本亚洲视频在线播放| 午夜久久久在线观看| 国产私拍福利视频在线观看| 成人欧美大片| 制服丝袜大香蕉在线| 少妇熟女aⅴ在线视频| 久久久久久久久久久久大奶| 亚洲人成网站在线播放欧美日韩| 国产熟女午夜一区二区三区| 免费看a级黄色片| 亚洲欧美精品综合久久99| 两个人免费观看高清视频| 国产日韩一区二区三区精品不卡| 亚洲中文av在线| 国产成人免费无遮挡视频| 叶爱在线成人免费视频播放| 97人妻天天添夜夜摸| 18禁裸乳无遮挡免费网站照片 | 久久香蕉国产精品| 中文字幕久久专区| 久久中文字幕一级| 激情在线观看视频在线高清| 久久久久九九精品影院| 好男人电影高清在线观看| 十分钟在线观看高清视频www| 日韩 欧美 亚洲 中文字幕| 高清在线国产一区| 国产黄a三级三级三级人| 国产成人精品久久二区二区免费| 国产高清有码在线观看视频 | 淫妇啪啪啪对白视频| 亚洲熟妇熟女久久| 欧美乱色亚洲激情| 色精品久久人妻99蜜桃| 一区二区三区高清视频在线| 国产成人欧美在线观看| 久久天堂一区二区三区四区| 精品国内亚洲2022精品成人| 免费观看人在逋| 欧美不卡视频在线免费观看 | 夜夜爽天天搞| 夜夜看夜夜爽夜夜摸| 可以在线观看的亚洲视频| 亚洲精品一区av在线观看| 精品午夜福利视频在线观看一区| 国产精品免费一区二区三区在线| 色综合婷婷激情| av视频在线观看入口| 一区二区三区激情视频| 老司机午夜十八禁免费视频| 日本 av在线| 9色porny在线观看| 黑丝袜美女国产一区| 在线十欧美十亚洲十日本专区| 在线观看午夜福利视频| 成人国产一区最新在线观看| 亚洲avbb在线观看| 亚洲熟妇中文字幕五十中出| 亚洲国产日韩欧美精品在线观看 | 国内久久婷婷六月综合欲色啪| 岛国视频午夜一区免费看| 久久久久久久久中文| 亚洲av熟女| 黄网站色视频无遮挡免费观看| 国产成人一区二区三区免费视频网站| 日韩精品免费视频一区二区三区| 人妻丰满熟妇av一区二区三区| 亚洲九九香蕉| 欧美成人午夜精品| 免费在线观看亚洲国产| 国产av一区二区精品久久| 国产精品电影一区二区三区| 国产高清有码在线观看视频 | 50天的宝宝边吃奶边哭怎么回事| 国产一区二区三区在线臀色熟女| 欧美不卡视频在线免费观看 | 亚洲精品久久国产高清桃花| 999久久久国产精品视频| 中出人妻视频一区二区| 欧美黑人欧美精品刺激| 在线观看舔阴道视频| 中亚洲国语对白在线视频| 丝袜在线中文字幕| 婷婷丁香在线五月| 88av欧美| 熟妇人妻久久中文字幕3abv| 日韩大码丰满熟妇| 亚洲少妇的诱惑av| av天堂久久9| 嫩草影院精品99| 一级黄色大片毛片| 精品无人区乱码1区二区| 国产高清激情床上av| 国产激情欧美一区二区| 69av精品久久久久久| 老司机靠b影院| 欧美黄色淫秽网站| 久久中文看片网| 国产熟女xx| a在线观看视频网站| 99国产极品粉嫩在线观看| 成人18禁在线播放| 久久久久久大精品| 国产乱人伦免费视频| 国产精品美女特级片免费视频播放器 | 免费在线观看黄色视频的| 中文字幕人成人乱码亚洲影| 亚洲 欧美一区二区三区| 满18在线观看网站| ponron亚洲| www.精华液| 国产黄a三级三级三级人| 日韩精品中文字幕看吧| 操出白浆在线播放| 精品人妻在线不人妻| 看片在线看免费视频| 亚洲一码二码三码区别大吗| 纯流量卡能插随身wifi吗| 欧美成人免费av一区二区三区| 亚洲精品美女久久av网站| 欧美激情久久久久久爽电影 | 啦啦啦免费观看视频1| 免费观看精品视频网站| cao死你这个sao货| 欧美+亚洲+日韩+国产| 亚洲第一电影网av| 淫秽高清视频在线观看| 两个人视频免费观看高清| 国产成人欧美| 欧美另类亚洲清纯唯美| 国产亚洲欧美在线一区二区| 免费无遮挡裸体视频| 99香蕉大伊视频| 国产主播在线观看一区二区| 国产精品野战在线观看| 1024视频免费在线观看| 最好的美女福利视频网| 国产av一区在线观看免费| 成在线人永久免费视频| 国产视频一区二区在线看| 亚洲免费av在线视频| 男女床上黄色一级片免费看| 亚洲自偷自拍图片 自拍| 两性夫妻黄色片| 久久国产精品男人的天堂亚洲| 日日夜夜操网爽| 亚洲五月天丁香| 日本五十路高清| 久久人人爽av亚洲精品天堂| 黄频高清免费视频| 欧美一区二区精品小视频在线| 国产精品 欧美亚洲| 成在线人永久免费视频| 国产一级毛片七仙女欲春2 | 免费无遮挡裸体视频| 精品国产一区二区久久| 欧美激情 高清一区二区三区| 成人永久免费在线观看视频| 一区在线观看完整版| 亚洲片人在线观看| 看黄色毛片网站| 在线观看免费日韩欧美大片| 亚洲国产毛片av蜜桃av| 丁香六月欧美| 亚洲精华国产精华精| 亚洲 国产 在线| 国产高清videossex| 国产亚洲精品久久久久5区| 亚洲精品国产区一区二| 国产成人啪精品午夜网站| 成在线人永久免费视频| 亚洲一区二区三区色噜噜| 国产成人啪精品午夜网站| 黄色视频,在线免费观看| 色哟哟哟哟哟哟| 熟女少妇亚洲综合色aaa.| 免费高清在线观看日韩| 黄网站色视频无遮挡免费观看| 自拍欧美九色日韩亚洲蝌蚪91| videosex国产| 妹子高潮喷水视频| 欧美中文综合在线视频| 丝袜美腿诱惑在线| 每晚都被弄得嗷嗷叫到高潮| www.熟女人妻精品国产| 男女之事视频高清在线观看| 91字幕亚洲| 国产aⅴ精品一区二区三区波| а√天堂www在线а√下载| 嫩草影视91久久| 国产日韩一区二区三区精品不卡| 99国产精品一区二区蜜桃av| 精品人妻1区二区| 免费在线观看日本一区|