• <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 ?

    基于顯著性檢測的黃瓜葉部病害圖像分割算法

    2016-10-27 02:03:45任守綱陸海飛袁培森徐煥良
    農(nóng)業(yè)機械學(xué)報 2016年9期

    任守綱 陸海飛 袁培森 薛 衛(wèi) 徐煥良,2

    (1.南京農(nóng)業(yè)大學(xué)信息科技學(xué)院, 南京 210095; 2.國家信息農(nóng)業(yè)工程技術(shù)中心, 南京 210095)

    ?

    基于顯著性檢測的黃瓜葉部病害圖像分割算法

    任守綱1陸海飛1袁培森1薛衛(wèi)1徐煥良1,2

    (1.南京農(nóng)業(yè)大學(xué)信息科技學(xué)院, 南京 210095; 2.國家信息農(nóng)業(yè)工程技術(shù)中心, 南京 210095)

    針對復(fù)雜背景下黃瓜葉部病害分割精度不高的問題,提出了一種基于顯著性檢測的黃瓜葉部病害圖像分割算法。首先利用超像素將黃瓜圖像分塊,獲取黃瓜葉片的邊緣,并提出了一種超像素間權(quán)重計算方法和顯著種子選取方法;然后通過流形排序計算顯著圖,對得到的顯著圖進行閾值分割,得到二值圖像;再將二值圖像與原圖像進行掩碼運算,得到黃瓜病害葉片;最后利用超綠特征和數(shù)學(xué)形態(tài)學(xué)對病害葉片進行分割得到病斑。對常見的黃瓜病害(白粉病、褐斑病、霜霉病、炭疽病)圖像進行測試,結(jié)果表明該算法與Otsu算法和k-means算法相比,有效解決了冗余分割問題,錯分率均在5%以內(nèi),算法平均執(zhí)行時間均小于4 000 ms,分割效果更加精確,為后續(xù)構(gòu)建黃瓜病害自動識別系統(tǒng)奠定了基礎(chǔ)。

    黃瓜; 病害圖像; 顯著性檢測; 流形排序; 圖像分割

    引言

    農(nóng)作物病害嚴(yán)重威脅著作物的健康生長,大量使用農(nóng)藥又影響了農(nóng)產(chǎn)品的健康品質(zhì),因此對農(nóng)作物病害早發(fā)現(xiàn)、早防治,是提高農(nóng)作物產(chǎn)量、減少農(nóng)藥使用量的關(guān)鍵。利用機器視覺進行農(nóng)作物病害自動識別已成為農(nóng)業(yè)信息化和智能化研究的重要課題。在識別過程中,如何在復(fù)雜背景下實現(xiàn)高精度的圖像分割對提取作物葉部病害圖像至關(guān)重要,病斑分割的精度直接影響到后期特征提取與病害識別的效果。

    近年來,在作物病害分割方面,已開展了一系列的研究工作[1-4]。復(fù)雜背景下,病害葉片與正常葉片綠色部分顏色相似,病害部分與黃褐色泥土顏色相似,這些對病葉的提取、病害部位的高精度分割都造成了難度。

    針對復(fù)雜背景下的黃瓜病害分割難的問題,提出基于顯著性檢測的黃瓜葉部病害圖像分割算法(Segmentation algorithm of cucumber leaf disease image based on saliency detection,SCLDSD),采用超像素預(yù)處理、流形排序、哈里斯點及凸包對黃瓜病害葉片進行提取,并進一步對葉部病害進行圖像分割操作。

    1 顯著性檢測原理

    顯著性檢測的本質(zhì)是一種視覺注意模型(Visual attention model, VAM)[5]。VAM是依據(jù)視覺注意機制建立的,通過視覺獲得圖像中的顯著部分,用灰度圖代表顯著度的大小。

    顯著性檢測的基本原理是:對于原始圖像,用分塊方法將圖像分塊,通過計算得到每個像素塊的灰度,用來表示該像素塊的顯著度。顯著性檢測可以簡單描述成一個圖標(biāo)號問題[6]:以像素塊為結(jié)點構(gòu)建圖,設(shè)定一些結(jié)點作為顯著種子,然后通過顯著度計算函數(shù)計算其他結(jié)點與顯著種子的相似度,形成最終的顯著圖。

    2 SCLDSD算法框架

    基于顯著性檢測的黃瓜葉部病害圖像分割算法主要分為兩部分:①背景分割,主要包括超像素預(yù)處理、超像素節(jié)點間權(quán)重計算、流形排序以及顯著種子選取。②病害圖像分割,主要包括超綠特征分割和形態(tài)學(xué)膨脹處理。

    2.1超像素預(yù)處理

    超像素分割方法的思想主要受ZHOU等[7]提出的半監(jiān)督學(xué)習(xí)分類算法的啟發(fā)。超像素,即具有相似方向和相似顏色特征的一系列像素集合,可以在一定程度上保持良好的目標(biāo)邊界。采用超像素分割方法對圖像進行預(yù)處理,結(jié)果如圖1所示,可見較好地保留了病害葉片輪廓,為后續(xù)的病害提取與分割奠定了基礎(chǔ)。

    圖1 超像素分割結(jié)果Fig.1 Results of superpixel image segmentation

    2.2顯著性擴散中的權(quán)重度量

    將得到的超像素表示為:X={x1,x2,…,xn},并以此為結(jié)點構(gòu)建無向圖。定義:圖中某一結(jié)點僅與其相鄰的結(jié)點及它們的相鄰結(jié)點存在邊連接,以鄰接矩陣作為圖的存儲結(jié)構(gòu)。邊緣權(quán)重在很大程度上會影響最終顯著圖的預(yù)測[8],許多早期的顯著性模型通常直接使用歐氏距離[9]來計算節(jié)點之間的權(quán)重,但該方法對復(fù)雜背景下不規(guī)則物體的檢測效果較差,不適用于黃瓜葉片病害圖像的分割。因此在綜合考慮圖像顏色、方差和直方圖特征的基礎(chǔ)上,提出了一種權(quán)重度量來計算節(jié)點之間的相似度,即

    (1)

    式中ri、rj——超像素

    σc、σv、σh——控制權(quán)重的特征參數(shù),分別取5、2、2[10]

    cc(ri,rj)、cv(ri,rj)、ch(ri,rj)分別表示ri和rj間顏色、方差和直方圖特征的差異。

    顏色特征差異的計算式為

    cc(ri,rj)=‖μi-μj‖2

    (2)

    式中μi、μj——ri和rj在RGB空間的顏色均值

    方差特征的差異表示為

    (3)

    式中σv(ri)、σv(rj)——ri和rj間的方差

    n(ri)、n(rj)——ri和rj中的像素數(shù)

    直方圖特征差異計算式為

    (4)

    式中hk(ri)、hk(rj)——ri和rj直方圖第k個分量

    d——分量個數(shù),取256

    2.3流形排序

    流形排序已經(jīng)廣泛應(yīng)用在圖像檢索中[11],本文利用其對超像素進行標(biāo)記,利用顯著性擴散來預(yù)測超像素的顯著值。對于超像素集合X={x1,x2,…,xn},定義其標(biāo)記向量集合Y=[y1,y2,…,yn],排名函數(shù)向量集合F=[f1,f2,…,fn],若xi為顯著種子,則yi=1,否則yi=0。以式(1)中的wij形成權(quán)重矩陣W,W中無邊連接的超像素間的權(quán)重為∞,超像素自身與自身的權(quán)重為零[12],則有

    F(n+1)=βWF(n)+(1-β)Y

    (5)

    式中F(n)——排名函數(shù)向量

    β屬于[0,1),綜合考慮W和Y,令β=1-β,則β=0.5,通過式(5)進行迭代直至其收斂,假設(shè)收斂時的F值為F*,則有

    F*=(I-βW)-1(1-β)Y

    (6)

    式中I——單位矩陣

    得到其收斂時的F*,作為各個超像素的顯著值。

    2.4顯著種子的選取

    對于顯著性擴散策略,顯著種子的確定是關(guān)鍵[13]。傳統(tǒng)的算法多選擇圖像中心部分作為顯著種子,但是僅對目標(biāo)位于圖像中心位置時效果良好,魯棒性不足,因此采用哈里斯算子[14]和凸包進行顯著種子選取。

    首先使用哈里斯算子對目標(biāo)進行檢測,大部分哈里斯點都集中在病害葉片區(qū)域,如圖2a所示。

    圖2 哈里斯點和凸包Fig.2 Harris points and convex hull

    假定點集P,P的凸包即包含P的最小凸多邊形[15]。利用哈里斯點生成凸包,可以進一步優(yōu)化顯著種子的選取。如圖2b所示,凸包占據(jù)大部分的黃瓜病害葉片和小部分背景。將病害圖像分為2部分:m個超像素在凸包內(nèi),n個超像素在凸包外,超像素有部分位于凸包內(nèi)也算作凸包內(nèi)超像素,定義凸包內(nèi)外超像素間的平均距離di為

    (7)

    式中rIi——凸包內(nèi)的超像素

    rOj——凸包外的超像素

    d(rIi,rOj)——rIi和rOj之間的歐氏距離

    通過設(shè)置閾值T來計算顯著種子,閾值T計算式為

    (8)

    凸包內(nèi)的超像素距離凸包外的超像素越遠,其成為顯著種子的可能性越大,因此通過式(8)將凸包內(nèi)di大于等于T的超像素選為顯著種子。

    2.5病害葉片提取

    由式(6)中的F*可以得到顯著圖,將顯著圖進行閾值分割,可得到二值圖像,將二值圖像與原圖像進行掩碼運算,可將前背景分離,得到的分割結(jié)果如圖3所示。由圖可見,得到的顯著圖較為理想,提取了較完整的葉片,同時有效分離了背景,為后續(xù)病害分割奠定了良好基礎(chǔ)。

    圖3 葉片提取Fig.3 Leaf extraction

    2.6病害圖像分割

    在提取出葉片后,對葉片病害進行圖像分割。對于黃瓜葉片來說,正常為綠色,病斑為非綠色,因此采用超綠特征ExG[16]對葉片病斑進行分割,得到灰度圖,計算公式為

    (9)

    對得到的灰度圖進行二值化處理,再進行形態(tài)學(xué)膨脹操作使病斑更加飽滿自然,最后通過與提取出的葉片原圖進行掩碼運算得到最終的病斑分割結(jié)果,如圖4所示。由圖可見,得到了較為精確的病斑。

    圖4 病害分割Fig.4 Disease segmentation

    2.7算法的基本步驟

    SCLDSD算法主要包括6個步驟:①對黃瓜原圖進行超像素預(yù)處理,形成超像素級別的區(qū)域塊,并以此構(gòu)建無向圖。②計算圖結(jié)點之間的權(quán)重。③選取顯著種子。④流形排序計算顯著圖。⑤得到最終的顯著圖,提取葉片。⑥利用超綠特征和形態(tài)學(xué)膨脹分割出病斑。

    算法流程圖如圖5所示。

    圖5 算法流程圖Fig.5 Flow chart of the algorithm

    3 實驗結(jié)果與分析

    為了驗證SCLDSD算法的正確性和有效性,選取了設(shè)施環(huán)境下黃瓜白粉病、褐斑病、霜霉病、炭疽病圖像各50幅,將其分辨率統(tǒng)一設(shè)置為100像素×130像素,實驗用計算機CPU為2.2 GHz,T6670處理器,內(nèi)存2 GB,Windows 7操作系統(tǒng),運行平臺為Matlab 2010。

    3.1提取葉片實驗

    對不同病害圖像進行病害葉片提取操作,將前景與背景分離得到分割結(jié)果,病害葉片提取效果如圖6所示。

    圖6 葉片提取結(jié)果Fig.6 Results of leaf extraction

    圖6為通過SCLDSD算法得到的不同病害葉片的提取結(jié)果,均是在復(fù)雜背景下進行的葉片提取,其中炭疽病和霜霉病葉片均與背景中的顏色有很大程度的重疊,褐斑病病害部分與泥土顏色也存在重疊。結(jié)果顯示,本文算法有效分離了復(fù)雜背景,得到了較為完整的黃瓜葉片,驗證了SCLDSD算法中顯著圖生成的有效性。

    3.2病害圖像分割實驗

    為了驗證SCLDSD分割算法的效果,以最大類間方差(Otsu)分割算法、k-means聚類分割算法以及本文算法對不同黃瓜病害圖像進行分割,分割效果如圖7所示,圖中由上至下分別為不同黃瓜病害原圖以及經(jīng)Otsu分割算法、k-means聚類分割算法、本文算法處理后的圖像。

    圖7 病害分割結(jié)果Fig.7 Segmentation results of disease

    由圖7可以看出,Otsu算法不能很好地消除背景,造成背景中一些顏色與目標(biāo)相似的區(qū)域也被展現(xiàn),即冗余分割。k-means聚類算法與Otsu算法相比效果有所改善,但是仍受背景影響,且未能完全分割開病斑,SCLDSD算法在保持病斑數(shù)量完整性的同時,得到了較為精確的病斑,分割效果較好。

    3.3分割結(jié)果誤差分析

    不同的分割算法結(jié)果會存在一定的誤差,使用Matlab 2010及以上3種分割方法對黃瓜白粉病、褐斑病、霜霉病以及炭疽病各50幅病害圖像進行分割誤差分析,結(jié)果如圖8所示。由圖可見黃瓜褐斑病的人工分割結(jié)果和k-means算法的錯分區(qū)域,錯分區(qū)域可以通過算法分割結(jié)果與人工分割結(jié)果進行異或操作得到。

    圖8 分割誤差Fig.8 Segmentation error

    通常采用錯分率[17]作為分割結(jié)果的評價標(biāo)準(zhǔn)。錯分率計算式為

    (10)

    式中ER——錯分率,%

    Ne——錯分區(qū)域的總像素數(shù)

    Na——原圖的總像素數(shù)

    對每種病害的50幅圖像進行計算得到不同分割算法的平均錯分率,結(jié)果如表1所示。

    表1 不同算法的平均錯分率Tab.1 Average error rate of each algorithm %

    如表1所示,Otsu算法僅采用閾值分割,造成大量背景冗余,平均錯分率較大,分割效果較差;k-means算法采用聚類原理分割,平均錯分率低于Otsu算法,但也超過了10%,SCLDSD算法平均錯分率均小于5%,是一種有效的分割算法。

    3.4算法的運行時間

    在圖像處理算法中,時間消耗是一個重要考量因素,利用Matlab 2010,對白粉病、褐斑病、霜霉病以及炭疽病病害圖像各50幅(分辨率均為100像素×130像素)進行分割,3種算法的平均運行時間如表2所示。

    表2 各算法平均執(zhí)行時間 Tab.2 Average execution time of each algorithm ms

    從表2中發(fā)現(xiàn),Otsu算法僅利用閾值分割,處理速度較快,時間均不到1 s,k-means算法由于針對像素級別進行聚類,時間消耗較大,SCLDSD算法的時間消耗主要集中在顯著圖計算上,因為引入了超像素,可以越過像素級直接對像素塊級別進行操作,所以即使引入了一些約束和迭代思想,最終的運行時間仍小于k-means算法,具有較為合理的時間效率。

    4 結(jié)束語

    在研究現(xiàn)有作物病害尤其是黃瓜葉部病害分割方法的基礎(chǔ)上,提出了一種基于顯著性檢測的黃瓜葉部病害分割算法(SCLDSD)。實驗結(jié)果表明,SCLDSD算法在分離目標(biāo)和背景的時候效果較好,提取了較為完整的黃瓜葉片,對葉片進行病害分割時能夠得到目標(biāo)完整、精確的病斑,與Otsu算法和k-means算法相比,有效解決了冗余分割的問題,分割結(jié)果更加精確,且具有較小的錯分率與合理的運行時間,是一種有效的黃瓜葉部病害分割算法,對其他綠色作物病害的分割也有一定的應(yīng)用價值。

    1毛罕平, 張艷誠, 胡波. 基于模糊C均值聚類的作物病害葉片圖像分割方法研究[J]. 農(nóng)業(yè)工程學(xué)報, 2008, 24(9):136-140.

    MAO Hanping, ZHANG Yancheng, HU Bo. Segmentation of crop disease leaf images using fuzzy C-means clustering algorithm [J]. Transactions of the CASE, 2008, 24(9): 136-140. (in Chinese)

    2王海青, 姬長英, 顧寶興,等. 基于參數(shù)自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)的黃瓜目標(biāo)分割[J]. 農(nóng)業(yè)機械學(xué)報,2013,44(3):204-208.

    WANG Haiqing, JI Changying, GU Baoxing, et al. Cucumber image segmentation based on weighted connection coefficient pulse coupled neural network [J].Transactions of the Chinese Society for Agricultural Machinery,2013,44(3):204-208. (in Chinese)

    3田杰, 韓冬, 胡秋霞,等. 基于PCA和高斯混合模型的小麥病害彩色圖像分割[J]. 農(nóng)業(yè)機械學(xué)報, 2014,45(7):267-271.

    TIAN Jie, HAN Dong, HU Qiuxia, et al. Segmentation of wheat rust lesion image using PCA and Gaussian mix model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(7):267-271. (in Chinese)

    4趙瑤池, 胡祝華. 基于對數(shù)相似度約束Otsu的自然場景病害果實圖像分割[J]. 農(nóng)業(yè)機械學(xué)報, 2015,46(11):9-15.

    ZHAO Yaochi, HU Zhuhua. Image segmentation of fruits with diseases in natural scenes based on logarithmic similarity constraint Otsu [J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11):9-15. (in Chinese)

    5PAN C, PARK D S, YANG Y, et al. Leukocyte image segmentation by visual attention and extreme learning machine[J].Neural Computing & Applications, 2011,21(6):1217-1227.

    6LI J, LEVINE M D, AN X, et al. Visual saliency based on scale-space analysis in the frequency domain[J].Pattern Analysis and Machine Intelligence,2013,35(4):996-1010.

    7ZHOU D, BOUSQUET O, LAL T N,et al. Learning with local and global consistency[J]. Advances in Neural Information Processing Systems,2004,16(4):321-328.

    8FU K, GONG C, GU Y H, et al. Normalized cut-based saliency detection by adaptive multi-level region merging[J]. IEEE Transactions on Image Processing, 2015, 24(12):5671-5683.

    9DOKMANIC I, PARHIZKAR R, RANIERI J, et al. Euclidean distance matrices: a short walk through theory, algorithms and applications[J]. IEEE Signal Processing Magazine, 2015, 32(6):12-30.

    10LI H, WU W, WU E. Robust salient object detection and segmentation[M]. Germany: Springer International Publishing, 2015.

    11ZHOU J, REN Y, YAN Y, et al. Salient object detection: manifold-based similarity adaptation approach [J]. Journal of Electronic Imaging, 2014, 23(6):704-714.

    12嚴(yán)蔚敏,吳偉民.數(shù)據(jù)結(jié)構(gòu)(C語言版)[M].北京:清華大學(xué)出版社,2007.

    13WANG J, LU H, LI X, et al. Saliency detection via background and foreground seed selection[J]. Neurocomputing, 2015, 152:359-368.

    14ZHANG C, TAO Z, WEI X, et al. A flexible framework of adaptive method selection for image saliency detection[J]. Pattern Recognition Letters, 2015, 63:66-70.

    15YANG C, ZHANG L, LU H. Graph-regularized saliency detection with convex-hull-based center prior[J]. IEEE Signal Processing Letters, 2013,20(7):637-640.

    16張志斌, 羅錫文, 臧英,等. 基于顏色特征的綠色作物圖像分割算法[J]. 農(nóng)業(yè)工程學(xué)報, 2011, 27(7): 183-189.

    ZHANG Zhibin, LUO Xiwen, ZANG Ying, et al. Segmentation algorithm based on color feature for green crop plants[J].Transactions of the CASE, 2011, 27(7):183-189. (in Chinese)

    17鄧曉政, 焦李成, 盧山. 基于非負矩陣分解的譜聚類集成SAR圖像分割[J]. 電子學(xué)報, 2011, 39(12): 2905-2909.

    DENG Xiaozheng, JIAO Licheng, LU Shan. Spectral clustering ensemble applied to SAR image segmentation using nonegative matrix factorization [J]. Acta Electronica Sinica, 2011, 39(12): 2905-2909. (in Chinese)

    Segmentation Algorithm of Cucumber Leaf Disease Image Based on Saliency Detection

    Ren Shougang1Lu Haifei1Yuan Peisen1Xue Wei1Xu Huanliang1,2

    (1.CollegeofInformationScienceandTechnology,NanjingAgriculturalUniversity,Nanjing210095,China2.TheStateInformationofAgriculturalEngineeringTechnologyCenter,Nanjing210095,China)

    In order to solve the problems of low accuracy of cucumber leaf disease image segmentation in complex background, a new segmentation algorithm of cucumber leaf disease image based on saliency detection (SCLDSD) was proposed. The proposed algorithm mainly consists of two parts: saliency detection in cucumber disease image which is used to get the leaf extraction and image segmentation which is used to get cucumber leaf disease. The algorithm first used the superpixel segmentation method to divide the cucumber image into blocks, got the edge of cucumber leaf preferably, and proposed a new method to calculate the weights among different superpixels. Then the algorithm used Harris points and convex hull to select saliency seeds. After using manifold ranking to compute the saliency map, the threshold segmentation was adopted on the obtained saliency map to get the binary map. At last, the cucumber disease leaf and background of the original image were separated by adding the binary map to the original image. In order to obtain the disease parts, ExG was used to expand the disparity of green parts and lesion parts and then threshold was used to carry out the segmentation. Finally, the morphological operation was processed in order to obtain fuller lesion. The proposed algorithm was tested on common cucumber disease images. The experimental result shows that the algorithm effectively solves the redundant segmentation and it’s more accurate with the error rate less than 5% and the average execution time of the algorithm less than 4 000 ms in segmentation. From the results it can be concluded that the algorithm verifies the feasibility and practicality of the saliency detection algorithm in processing of disease images. Meanwhile it lays the foundation for the subsequent establishment of the automatic identification system of cucumber disease.

    cucumber; disease image; saliency detection; manifold ranking; image segmentation

    10.6041/j.issn.1000-1298.2016.09.002

    2016-01-19

    2016-03-28

    國家自然科學(xué)基金項目(61502236)、江蘇省博士后科研資助計劃項目(1302038B)和江蘇省農(nóng)業(yè)三新工程項目(SXGC2014309)

    任守綱(1977—),男,副教授,主要從事人工智能與農(nóng)業(yè)信息化研究,E-mail: rensg@njau.edu.cn

    徐煥良(1963—),男,教授,博士生導(dǎo)師,主要從事農(nóng)業(yè)信息化研究,E-mail: huanliangxu@njau.edu.cn

    TN911.73; S126

    A

    1000-1298(2016)09-0011-06

    久久亚洲国产成人精品v| 亚洲精品乱码久久久久久按摩| 久久人人爽人人片av| 人体艺术视频欧美日本| 久久亚洲国产成人精品v| 国产精品一区www在线观看| 一区福利在线观看| 天堂中文最新版在线下载 | 直男gayav资源| 淫秽高清视频在线观看| 亚洲丝袜综合中文字幕| 日本av手机在线免费观看| 国产极品精品免费视频能看的| eeuss影院久久| 中文字幕久久专区| 亚洲最大成人av| 久久久久久久久久久免费av| 国产精品永久免费网站| 色播亚洲综合网| 日韩人妻高清精品专区| 联通29元200g的流量卡| 男人狂女人下面高潮的视频| 欧美激情在线99| 99热网站在线观看| 国产成人午夜福利电影在线观看| 亚洲人与动物交配视频| 九九久久精品国产亚洲av麻豆| 日韩,欧美,国产一区二区三区 | 欧美性感艳星| 大香蕉久久网| 国产综合懂色| 亚洲av免费高清在线观看| 欧美一区二区亚洲| 久久精品国产清高在天天线| 91av网一区二区| 夜夜看夜夜爽夜夜摸| 成年版毛片免费区| 美女被艹到高潮喷水动态| 卡戴珊不雅视频在线播放| 精品午夜福利在线看| 天堂网av新在线| 国产成人影院久久av| 国产极品天堂在线| 免费黄网站久久成人精品| 最近中文字幕高清免费大全6| 亚洲中文字幕一区二区三区有码在线看| 99热这里只有是精品在线观看| 国产精品一及| 免费av观看视频| videossex国产| 婷婷亚洲欧美| 日本爱情动作片www.在线观看| 国产精品一区二区三区四区免费观看| 亚洲欧美清纯卡通| 97人妻精品一区二区三区麻豆| 啦啦啦韩国在线观看视频| 91久久精品国产一区二区三区| 搞女人的毛片| 性色avwww在线观看| 国产精品无大码| 日韩欧美在线乱码| 18禁在线无遮挡免费观看视频| 日本与韩国留学比较| 最近最新中文字幕大全电影3| 偷拍熟女少妇极品色| 日韩欧美 国产精品| 晚上一个人看的免费电影| 国产成人精品婷婷| 国产精品.久久久| 久久久精品大字幕| 欧美一区二区亚洲| 寂寞人妻少妇视频99o| 国产v大片淫在线免费观看| 国产男人的电影天堂91| 看十八女毛片水多多多| 99热这里只有精品一区| 国产精品女同一区二区软件| 全区人妻精品视频| 免费看日本二区| 亚洲熟妇中文字幕五十中出| 国产毛片a区久久久久| 久久草成人影院| 精品午夜福利在线看| 免费看光身美女| 国产麻豆成人av免费视频| 男女做爰动态图高潮gif福利片| 久久人妻av系列| 一个人观看的视频www高清免费观看| 日本黄色视频三级网站网址| 婷婷色av中文字幕| 亚洲国产欧美在线一区| 少妇的逼水好多| 欧美xxxx黑人xx丫x性爽| 黄片wwwwww| 亚洲av成人av| 国产高清视频在线观看网站| 亚洲美女视频黄频| 波多野结衣高清无吗| ponron亚洲| 午夜福利在线观看免费完整高清在 | 高清午夜精品一区二区三区 | 成年女人看的毛片在线观看| 蜜桃久久精品国产亚洲av| 99九九线精品视频在线观看视频| 亚洲国产欧美人成| 久久精品国产亚洲av香蕉五月| 国产一级毛片七仙女欲春2| 在线播放无遮挡| 秋霞在线观看毛片| 亚洲欧美清纯卡通| а√天堂www在线а√下载| 成年女人永久免费观看视频| 亚洲av.av天堂| 国产 一区精品| 亚洲成人久久性| 三级经典国产精品| 国产探花极品一区二区| 国产av一区在线观看免费| 嘟嘟电影网在线观看| 国产69精品久久久久777片| 国产精华一区二区三区| 99久久无色码亚洲精品果冻| 卡戴珊不雅视频在线播放| 久久综合国产亚洲精品| 天天躁日日操中文字幕| 成人午夜高清在线视频| 久久韩国三级中文字幕| 嫩草影院新地址| 国产精品久久久久久av不卡| 亚洲精品久久国产高清桃花| av女优亚洲男人天堂| 99热全是精品| 夜夜夜夜夜久久久久| 别揉我奶头 嗯啊视频| 久久精品国产亚洲av天美| 中文字幕制服av| 亚洲欧美精品综合久久99| 亚洲欧美精品综合久久99| 久久精品国产鲁丝片午夜精品| 色尼玛亚洲综合影院| 如何舔出高潮| 蜜桃久久精品国产亚洲av| 级片在线观看| 极品教师在线视频| 中文字幕免费在线视频6| 嘟嘟电影网在线观看| 欧洲精品卡2卡3卡4卡5卡区| 老女人水多毛片| 青春草视频在线免费观看| 一个人看的www免费观看视频| 日本免费一区二区三区高清不卡| 91久久精品电影网| 亚洲真实伦在线观看| 最新中文字幕久久久久| АⅤ资源中文在线天堂| 亚洲婷婷狠狠爱综合网| 热99re8久久精品国产| 亚洲第一电影网av| 国产精品国产高清国产av| 久久国产乱子免费精品| 男女边吃奶边做爰视频| av女优亚洲男人天堂| 国内精品久久久久精免费| www.av在线官网国产| 99久久九九国产精品国产免费| 国产亚洲精品久久久久久毛片| 午夜精品一区二区三区免费看| 国产乱人偷精品视频| 国产综合懂色| 久久99热6这里只有精品| 最近2019中文字幕mv第一页| 狂野欧美激情性xxxx在线观看| 日韩强制内射视频| 国产黄色小视频在线观看| 91久久精品国产一区二区成人| 欧美成人a在线观看| 中国美女看黄片| 99久久精品国产国产毛片| 精品99又大又爽又粗少妇毛片| 久久久国产成人精品二区| 精品日产1卡2卡| 日本三级黄在线观看| 亚洲久久久久久中文字幕| av黄色大香蕉| 99热这里只有是精品50| 久久这里有精品视频免费| 亚洲人成网站在线观看播放| 麻豆成人av视频| 伦理电影大哥的女人| 国产精品国产高清国产av| 高清午夜精品一区二区三区 | 精华霜和精华液先用哪个| 国产精品久久久久久精品电影| 久久精品影院6| 国产精品精品国产色婷婷| 69人妻影院| 日韩高清综合在线| 欧美色视频一区免费| 韩国av在线不卡| 欧美成人精品欧美一级黄| 搡老妇女老女人老熟妇| 国产私拍福利视频在线观看| 国产精品人妻久久久影院| 97在线视频观看| 嫩草影院新地址| 午夜免费激情av| 国产精品一二三区在线看| 亚洲av电影不卡..在线观看| 老师上课跳d突然被开到最大视频| a级一级毛片免费在线观看| 国产伦一二天堂av在线观看| 九草在线视频观看| 熟女电影av网| av在线观看视频网站免费| 一区福利在线观看| 精品一区二区免费观看| 久久精品国产自在天天线| 国产精品无大码| 最新中文字幕久久久久| 天堂√8在线中文| 青青草视频在线视频观看| 亚洲aⅴ乱码一区二区在线播放| 夜夜爽天天搞| 久久久久网色| 成人二区视频| 国产色爽女视频免费观看| 99精品在免费线老司机午夜| 尾随美女入室| 国产亚洲精品久久久久久毛片| 中文字幕av成人在线电影| 免费观看a级毛片全部| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 高清毛片免费看| 日韩视频在线欧美| 久久久久久久久久成人| 99视频精品全部免费 在线| ponron亚洲| 看非洲黑人一级黄片| АⅤ资源中文在线天堂| 欧美激情在线99| 性色avwww在线观看| 午夜爱爱视频在线播放| 免费看av在线观看网站| 有码 亚洲区| av福利片在线观看| 国产成人影院久久av| 国产亚洲精品av在线| 亚洲精品456在线播放app| 国产高清有码在线观看视频| 给我免费播放毛片高清在线观看| 久久99热6这里只有精品| 啦啦啦韩国在线观看视频| 成人亚洲欧美一区二区av| 日本色播在线视频| 欧美性猛交黑人性爽| 久久韩国三级中文字幕| 日韩欧美精品免费久久| 麻豆精品久久久久久蜜桃| 国产精品野战在线观看| 大香蕉久久网| 国产精品久久久久久久电影| h日本视频在线播放| 在线国产一区二区在线| 99久久九九国产精品国产免费| 麻豆久久精品国产亚洲av| avwww免费| 国产av不卡久久| videossex国产| 看黄色毛片网站| 丰满的人妻完整版| 久久久久久大精品| 亚洲18禁久久av| 三级国产精品欧美在线观看| 欧美三级亚洲精品| 欧美+亚洲+日韩+国产| 国产高清视频在线观看网站| 精品欧美国产一区二区三| 黄色欧美视频在线观看| 国产一级毛片七仙女欲春2| av又黄又爽大尺度在线免费看 | 国产探花极品一区二区| 国产精品野战在线观看| 你懂的网址亚洲精品在线观看 | 深夜a级毛片| 国产成人91sexporn| 日韩亚洲欧美综合| 国产老妇女一区| 亚洲av一区综合| 青春草视频在线免费观看| 国产高清激情床上av| 麻豆av噜噜一区二区三区| 欧美三级亚洲精品| 午夜老司机福利剧场| 熟妇人妻久久中文字幕3abv| or卡值多少钱| 国产在线男女| 99在线人妻在线中文字幕| 欧美高清性xxxxhd video| 国产极品天堂在线| 欧美性猛交黑人性爽| 一边亲一边摸免费视频| 日本免费a在线| 69av精品久久久久久| 国产精品爽爽va在线观看网站| 成年女人永久免费观看视频| 国产高清有码在线观看视频| 免费人成视频x8x8入口观看| 亚洲欧洲日产国产| 欧美性猛交╳xxx乱大交人| 一本久久中文字幕| 日本撒尿小便嘘嘘汇集6| 欧洲精品卡2卡3卡4卡5卡区| 国产探花极品一区二区| 听说在线观看完整版免费高清| 99热这里只有是精品50| 美女黄网站色视频| 尤物成人国产欧美一区二区三区| 国产午夜精品久久久久久一区二区三区| 1024手机看黄色片| 欧美三级亚洲精品| 国产精华一区二区三区| 亚洲国产高清在线一区二区三| 女人十人毛片免费观看3o分钟| 日韩欧美在线乱码| 男女边吃奶边做爰视频| 大又大粗又爽又黄少妇毛片口| 菩萨蛮人人尽说江南好唐韦庄 | 国内久久婷婷六月综合欲色啪| 中文欧美无线码| 热99re8久久精品国产| 亚洲中文字幕一区二区三区有码在线看| 天天躁日日操中文字幕| 黄色一级大片看看| 亚洲七黄色美女视频| 国产伦理片在线播放av一区 | 久久久a久久爽久久v久久| avwww免费| 嘟嘟电影网在线观看| 2022亚洲国产成人精品| 精品无人区乱码1区二区| av在线蜜桃| 久久久久九九精品影院| 日本成人三级电影网站| 99riav亚洲国产免费| 国产白丝娇喘喷水9色精品| 午夜亚洲福利在线播放| 伦精品一区二区三区| 嫩草影院精品99| 久久这里有精品视频免费| 国产一区亚洲一区在线观看| 精品久久久噜噜| 日日撸夜夜添| 国产av一区在线观看免费| 日韩中字成人| 午夜精品国产一区二区电影 | 久久精品夜色国产| 天天躁夜夜躁狠狠久久av| 在现免费观看毛片| 寂寞人妻少妇视频99o| 国产精华一区二区三区| 日本黄大片高清| 99久久精品国产国产毛片| 国产午夜精品论理片| 丰满乱子伦码专区| 午夜免费男女啪啪视频观看| 成人特级av手机在线观看| 99热精品在线国产| 国产一区二区亚洲精品在线观看| 美女被艹到高潮喷水动态| 亚洲国产欧美在线一区| 啦啦啦观看免费观看视频高清| 免费不卡的大黄色大毛片视频在线观看 | 在线播放无遮挡| 91久久精品国产一区二区三区| 99热精品在线国产| 久久精品综合一区二区三区| 国产在线男女| 欧美性猛交╳xxx乱大交人| 亚洲精华国产精华液的使用体验 | 九草在线视频观看| 毛片一级片免费看久久久久| 国产精品1区2区在线观看.| 国产精品久久久久久av不卡| 人人妻人人澡人人爽人人夜夜 | 免费av毛片视频| 成年av动漫网址| eeuss影院久久| 欧美成人精品欧美一级黄| 国产真实伦视频高清在线观看| 人妻系列 视频| 日日啪夜夜撸| 干丝袜人妻中文字幕| 亚洲欧美精品专区久久| 一级av片app| 亚洲成人精品中文字幕电影| 91精品国产九色| 哪个播放器可以免费观看大片| 男人狂女人下面高潮的视频| 免费观看a级毛片全部| 国产一级毛片在线| 久久精品久久久久久噜噜老黄 | 一个人看的www免费观看视频| 亚洲aⅴ乱码一区二区在线播放| 看免费成人av毛片| 夜夜爽天天搞| 九九在线视频观看精品| 99在线视频只有这里精品首页| 成人毛片60女人毛片免费| 麻豆成人午夜福利视频| 久久精品人妻少妇| 桃色一区二区三区在线观看| 哪个播放器可以免费观看大片| 亚洲av电影不卡..在线观看| 99久久精品热视频| 国产高清三级在线| 日韩欧美一区二区三区在线观看| 丝袜美腿在线中文| 国产精品伦人一区二区| 欧美人与善性xxx| eeuss影院久久| 欧美xxxx黑人xx丫x性爽| 成人鲁丝片一二三区免费| 直男gayav资源| 成人美女网站在线观看视频| 看片在线看免费视频| 永久网站在线| 国产精品,欧美在线| 最近手机中文字幕大全| 久久久精品大字幕| 欧美一区二区精品小视频在线| 哪里可以看免费的av片| 午夜福利在线观看吧| 久久久国产成人精品二区| 不卡视频在线观看欧美| 色吧在线观看| 免费观看精品视频网站| 淫秽高清视频在线观看| 国产精品乱码一区二三区的特点| 性插视频无遮挡在线免费观看| 99视频精品全部免费 在线| 午夜免费激情av| 色哟哟哟哟哟哟| 狂野欧美白嫩少妇大欣赏| 日本五十路高清| 亚洲一区高清亚洲精品| 久久精品国产亚洲av香蕉五月| 99久久成人亚洲精品观看| av免费在线看不卡| 99热精品在线国产| 欧美一区二区亚洲| 欧美不卡视频在线免费观看| 性色avwww在线观看| 国产免费一级a男人的天堂| av在线天堂中文字幕| 中出人妻视频一区二区| 国产精品野战在线观看| av福利片在线观看| 婷婷色综合大香蕉| 日本免费a在线| 午夜激情欧美在线| 国产伦精品一区二区三区四那| 国产伦精品一区二区三区视频9| 欧美极品一区二区三区四区| 免费电影在线观看免费观看| 青春草视频在线免费观看| 亚洲最大成人av| 久久精品国产亚洲av涩爱 | 白带黄色成豆腐渣| 男人和女人高潮做爰伦理| 男人舔奶头视频| 婷婷色av中文字幕| 又粗又硬又长又爽又黄的视频 | av免费在线看不卡| a级一级毛片免费在线观看| 乱人视频在线观看| 亚洲经典国产精华液单| 国产亚洲精品久久久com| 亚洲激情五月婷婷啪啪| 极品教师在线视频| 国产私拍福利视频在线观看| 成人欧美大片| 搡老妇女老女人老熟妇| 人体艺术视频欧美日本| 精品人妻熟女av久视频| av国产免费在线观看| 国产大屁股一区二区在线视频| 亚洲熟妇中文字幕五十中出| 亚洲精华国产精华液的使用体验 | 麻豆久久精品国产亚洲av| 麻豆精品久久久久久蜜桃| avwww免费| 午夜精品国产一区二区电影 | 国产成人影院久久av| 成熟少妇高潮喷水视频| 亚洲成人av在线免费| 国产国拍精品亚洲av在线观看| 啦啦啦啦在线视频资源| 成人特级黄色片久久久久久久| 变态另类丝袜制服| 干丝袜人妻中文字幕| 日韩制服骚丝袜av| 精品久久久久久久人妻蜜臀av| 国产黄片视频在线免费观看| 欧美三级亚洲精品| 乱系列少妇在线播放| 少妇人妻一区二区三区视频| 级片在线观看| 成年免费大片在线观看| 久久婷婷人人爽人人干人人爱| 精品久久久噜噜| 深爱激情五月婷婷| 九草在线视频观看| 99在线视频只有这里精品首页| 国产精品无大码| av黄色大香蕉| 舔av片在线| 久久久久久久久久久免费av| 亚洲国产色片| av天堂在线播放| 女的被弄到高潮叫床怎么办| 国产亚洲91精品色在线| 国产成人freesex在线| 亚洲va在线va天堂va国产| 男的添女的下面高潮视频| 特大巨黑吊av在线直播| 亚洲精品色激情综合| 日韩在线高清观看一区二区三区| 精品久久久久久久末码| 亚洲精品日韩在线中文字幕 | 日韩欧美一区二区三区在线观看| 欧美变态另类bdsm刘玥| 少妇猛男粗大的猛烈进出视频 | 成人二区视频| 国产精品人妻久久久影院| 国产伦理片在线播放av一区 | 成人高潮视频无遮挡免费网站| 亚洲四区av| 黄片无遮挡物在线观看| 亚洲天堂国产精品一区在线| 狂野欧美激情性xxxx在线观看| 看十八女毛片水多多多| 久99久视频精品免费| 国产一区二区在线观看日韩| 一级毛片aaaaaa免费看小| 校园人妻丝袜中文字幕| 女同久久另类99精品国产91| 非洲黑人性xxxx精品又粗又长| 精品一区二区免费观看| 国产色婷婷99| 精品免费久久久久久久清纯| 寂寞人妻少妇视频99o| 中出人妻视频一区二区| 哪里可以看免费的av片| 成年版毛片免费区| 最近2019中文字幕mv第一页| 99久久精品热视频| 在线播放无遮挡| 亚洲精品国产av成人精品| 日本与韩国留学比较| 最近最新中文字幕大全电影3| 欧美一区二区亚洲| 国产成人精品久久久久久| 成人二区视频| 一边亲一边摸免费视频| 国产白丝娇喘喷水9色精品| 国产成人aa在线观看| avwww免费| 久久久欧美国产精品| 中国美女看黄片| 国产午夜精品久久久久久一区二区三区| 99热这里只有是精品50| 欧美zozozo另类| 日韩人妻高清精品专区| 别揉我奶头 嗯啊视频| 狂野欧美激情性xxxx在线观看| 在线天堂最新版资源| 干丝袜人妻中文字幕| 99在线人妻在线中文字幕| 大香蕉久久网| 99热6这里只有精品| 久久久久久伊人网av| 搞女人的毛片| 简卡轻食公司| 99热网站在线观看| 国产午夜精品论理片| 99在线视频只有这里精品首页| 亚洲美女视频黄频| 久久亚洲国产成人精品v| 一本一本综合久久| 久久精品国产自在天天线| 午夜免费男女啪啪视频观看| 国产精华一区二区三区| 色噜噜av男人的天堂激情| 免费av观看视频| 久久国内精品自在自线图片| 18禁黄网站禁片免费观看直播| 午夜视频国产福利| 国产精华一区二区三区| 久久精品久久久久久噜噜老黄 | 亚洲成人精品中文字幕电影| 国产精品电影一区二区三区| 一边摸一边抽搐一进一小说| 日本色播在线视频| 少妇的逼水好多| 99久国产av精品国产电影| 少妇丰满av| 久久久久免费精品人妻一区二区| 亚洲欧美日韩高清专用| 久久精品夜夜夜夜夜久久蜜豆| 色5月婷婷丁香| 国产人妻一区二区三区在| 高清日韩中文字幕在线| 不卡视频在线观看欧美| 非洲黑人性xxxx精品又粗又长| 精品午夜福利在线看|