• <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 ?

    用支持向量回歸法實現(xiàn)單幀圖像超分辨率重建

    2016-11-02 03:29:58袁其平林海杰陳志宏楊曉蘋
    光學精密工程 2016年9期
    關鍵詞:方法

    袁其平,林海杰,陳志宏,楊曉蘋

    (天津理工大學 天津市薄膜電子與通信器件重點實驗室,天津 300384)

    ?

    用支持向量回歸法實現(xiàn)單幀圖像超分辨率重建

    袁其平,林海杰,陳志宏*,楊曉蘋

    (天津理工大學 天津市薄膜電子與通信器件重點實驗室,天津 300384)

    由于一些傳統(tǒng)的超分辨率重建算法學習多幅不同類別的圖像仍無法獲得好的重建效果,本文提出了一種基于支持向量回歸機和光柵掃描的單幀圖像超分辨率重建算法。該算法首先采用光柵掃描法對一組高低分辨率訓練圖像提取圖像塊,從塊中分別抽取輸入向量和標簽像素。利用Log算子判斷這些塊是屬于高頻空間還是低頻空間,從而構建高低頻空間向量對并對其進行優(yōu)化。然后,用支持向量回歸機(SVR)工具訓練優(yōu)化后的向量對,得到高低頻空間下的兩個字典;抽取測試低分辨率圖像中的塊并得到高低頻空間下的輸入向量,利用SVR工具回歸對應的屬于超分辨率圖像塊的標簽像素并得到回歸后的圖像。最后,對圖像進行后處理得到最終的超分辨率圖像。與其它算法的對比實驗表明:提出的算法具有較好的視覺效果。特別在放大倍數(shù)為2時,提出的算法在不同圖像上的峰值信噪比(PSNR)和結構相似度(SSIM)值較雙三次插值法分別提高了3.1%~5.3%和1.5%~8.1%。得到的結果顯示提出的算法獲得了更好的重建效果。

    超分辨率重建;單幀圖像;支持向量回歸機;Log算子;光柵掃描

    1 引 言

    高分辨率(HR)圖像在工業(yè)應用、視頻監(jiān)控、衛(wèi)星監(jiān)測等大量應用場合中的需求很大。然而實際生活中由于成本,環(huán)境以及自然條件的限制,得到的圖像大部分是低分辨率(LR)的,并不能滿足人們的需求,所以許多學者致力于利用圖像處理算法獲取HR圖像。在近年來得益于機器學習理論的進步,超分辨率(SR)技術發(fā)展迅速。SR通過處理多幀或單幀LR圖像獲得一幀HR圖像。目前SR方法主要分為兩大類,即基于重建的超分辨率技術和基于學習的超分辨率技術?;谥亟ǖ某直媛始夹g發(fā)展的較早,其中大部分方法是利用多幀低分辨率圖像來重建高分辨率圖像的,這種方法要求有多幀具有互補性的LR圖像。穆紹碩等人在傳統(tǒng)的局部線性嵌入算法(LLE)的基礎上提出了一種基于自學習的改進LLE算法,并且在硬件上予以實現(xiàn)[1]。賈蘇娟等人以相關系數(shù)為相似性測度實現(xiàn)了彩色序列LR圖像的光度配準,從而重構出一幅光度得到改善的HR圖像[2]。何林陽等人提出了一種基于改進二值化魯棒尺度不變特征(BRISK)的快速圖像配準算法,極大地提高了多幀LR圖像間的匹配率,獲得了較好的超分辨率圖像重建效果[3]。然而實際中并不總能得到多幀LR圖像,所以單幀超分辨率重建技術的研究在實際應用中特別重要。近年來,機器學習理論發(fā)展迅速,許多學者把目光逐漸投向了基于學習的超分辨率技術,由于其不需要多幅LR圖像而逐漸得到廣泛應用,這種方法的難點在于選擇合適的訓練數(shù)據(jù)和學習模型。作為一種學習圖像的方法,圖像的稀疏編碼被廣泛應用于超分辨圖像重構中。它是在稀疏域中利用訓練得到的單字典或者雙字典進行降噪,預測高分辨率圖像信息[4-5]。也有學者利用圖像塊間的非局部自相似性,再加上一些全局和局部優(yōu)化約束來提升圖像的質量[6-7],但是這類方法要求圖像本身塊間要具有相似性,對于塊間相似度不高的圖像,效果會有所下降。回歸法作為一種超分辨率圖像重構的方法,應用十分廣泛。ZHANG等人提出了一種非局部核回歸的正則化方法[8],LI等人提出多核回歸的方法來重構超分辨圖像[9]。

    支持向量回歸機(SVR)作為支持向量機(SVM)的一種拓展,它是核回歸法的一種工具,在極度缺乏有效數(shù)據(jù)的情況,具有很好的泛化能力。在數(shù)據(jù)擬合以及金融預測等方面應用很廣泛。NI等人通過優(yōu)化傳統(tǒng)SVR模型來提高重構效果[10],YANG等人提出了基于貝葉斯理論的金字塔下SVR的學習框架,在稀疏域下抽取圖像特征[11]。也有不少學者將深度卷積網(wǎng)絡應用到圖像的超分辨率重建中,結合一些先驗知識提高重構效果[12-13]。TIMOFTE等人提出一種可調固定鄰域回歸的方法來快速復原超分辨圖像[14]。從統(tǒng)計學角度建立模型的方法也被用于超分辨率圖像重建,PELEG等人利用圖像稀疏表示與統(tǒng)計學相結合的方法來重構超分辨率圖像,但選取的圖像要有一定的統(tǒng)計規(guī)律[15]。孟偉等人提出一種圖像的調制傳遞函數(shù)(MTF),并將其用于重構遙感圖像[16]。在本文中,提出了一種基于支持向量回歸機和光柵掃描的SR學習框架,利用光柵掃描方法僅從單幀圖像中學習字典,因此能夠充分利用單幀圖像中的信息。在訓練字典時提取部分像素值、圖像塊的平均像素值以及圖像塊局部二值模式(LBP)編碼[17],接著,對提取的特征進行有效優(yōu)化,使得回歸更加準確。特別地由于SVR回歸法存在一定的回歸誤差,有時多個SVR模型反而會造成重建誤差累積,提出的方法在高低頻空間下訓練了高低頻兩個SVR字典,最后應用字典得到回歸的超分辨圖像。

    2 支持向量回歸理論

    (1)

    3 本文算法的實現(xiàn)

    通常認為圖像采集設備獲取到的低分辨率圖像是經(jīng)過下列降質模型得到的:

    ILR=DBIHR+n.

    (2)

    式中IHR為實際高分辨率圖像,ILR為得到的低分辨率圖像,D為下采樣因子,B為鏡頭模糊,n為對應的噪聲。模型中通過ILR來求解IHR的過程即為超分辨重構過程,重構圖像通常稱為SR圖像,記為ISR。通常認為這個求逆過程是個病態(tài)問題,即給定ILR可以求解出不同的ISR。提出算法不是利用公式(2)根據(jù)ILR來求解ISR,而是借助該模型得到HR圖像所對應的LR圖像(用來組成訓練和測試樣本集)。算法中只考慮n=0的情況,之所以這樣是因為文中關注的是重構算法,而不是去噪算法。

    如圖1所示,提出的算法包括兩部分,左框為訓練字典部分,右框為預測部分。圖2和圖3詳細介紹了算法的具體實現(xiàn)步驟,圖2是具體的訓練字典部分,圖3詳細介紹了回歸過程。在訓練字典和預測時,抽取圖像中子塊的大小m=3。

    圖1 算法的主要框架

    在訓練字典的過程中:

    a.如圖2所示,這種步長為S循環(huán)掃描的分塊方式被稱為光柵掃描法,這是因為圖像第一次分塊是從坐標點(1,1)開始,第N次分塊到(m,m)結束 (m為子塊的大小)。這種分塊方式是從上到下,從左到右的抽取方式,若S=1,m=3,則分塊總共為N=m2=9次;

    b.如圖2,在每次掃描抽取塊時,先將塊中像素排成一行。每一塊的輸入向量由3部分組成:一行中奇數(shù)位置的像素、塊的背景灰度和LBP編碼;得到的每個塊的向量長度用公式(3)表示,其中N*為正整數(shù)。

    (3)

    最終抽取的向量對由如公式(4)和(5)所示:

    輸入向量X=[x1,…,xp]

    xp=[R1(B1,…,B2n+1,Bav,Blbp),…,

    Ri(B1,…,B2n+1,Bav,Blbp)],

    (4)

    其中:xp為第p次光柵掃描得到的輸入向量矩陣,p=1,…,N。Ri是第p次掃描時第i塊組成的輸入向量;B2n+1為第i塊中第2n+1個像素值,Bav,Blbp分別為第i塊的平均灰度值和局部二值模式編碼。

    如圖2,標簽像素抽取的是圖像IHR中塊的中心像素值,這些被抽取標簽像素的塊和ILR圖像經(jīng)雙三次插值得到的圖像IHR1中的塊是一一對應的。最終得到的標簽向量為:

    Y=[y1, …, yp], yp=[L1,…,Li],

    (5)

    式中:yp為第p次掃描得到的標簽向量矩陣,p=1,…,N。Li表示第p次掃描時第i塊組成的標簽向量。

    c.在掃描得到所有塊時,需要通過拉普拉斯-高斯(Log)算子判斷每個塊是否為高頻。在高低頻空間中分別得到兩對向量對,然后通過剔除兩對向量對中的重復冗余數(shù)據(jù),得到優(yōu)化后的兩對向量對,再通過訓練分別得到高頻空間字典和低頻空間字典。優(yōu)化向量對以及在高頻空間分別回歸得到的結果均可以減小引入的回歸誤差。

    圖2 學習過程的流程圖

    圖3為預測過程圖,在預測過程中:

    a. 測試的LR圖像均由公式(2)中的模型降質得到;

    b. 回歸后得到的圖像并不是最終的SR圖像,經(jīng)過公式(6)的像素歸一化后輸出最終的SR圖像,這樣保證了最終的SR圖像和HR1圖像的背景灰度一致。

    (6)

    c.如圖3所示,在回歸中同樣用了光柵掃描方法來抽取測試圖像的輸入向量。

    圖3 預測過程的流程圖

    4 實驗和分析

    4.1實驗過程

    在實驗中,所有圖像均來自于南加利福尼亞大學數(shù)字圖像處理研究院(USC-SIPI)官方的數(shù)據(jù)庫(http://sipi.usc.edu/database/),采用圖2中大小為512×512的圖像用于訓練字典,采用圖4中8幅大小為512×512或者256×256的圖像測試算法性能。公式(2)降質模型中選用了5×5 高斯模糊核來模糊圖像,下采樣HR圖像和上采樣LR圖像的因子都為2。訓練SVR字典的工具是LibSVM[19]。使用RBF核函數(shù)(C=2.2,ε=0.1,且核函數(shù)的參數(shù)σ=0.01)訓練SVR字典,且使用了交叉驗證。抽取塊大小m=3,循環(huán)掃描步長S=1,共掃描9次。

    圖4 參與測試的圖像.從左到右,從上到下分別編號為1—8

    (7)

    所選取的圖像都是8位灰度級,即最大灰度值即為255,I(i,j)和I′(i,j)為兩幅相同大小圖像在相同坐標(i,j)點的像素值。

    SSIM如公式(8)所示,它是一個經(jīng)常用來比較兩幅圖像相似程度的指標。

    (8)

    式中:μ和σ分別是圖像x和y的像素均值和方差,σxy是圖像x和圖像y的協(xié)方差。兩幅圖像完全相同時,σxy取最大值1。

    4.2實驗結果

    圖5和圖6分別展示了第5、6幅測試圖的詳細比較結果。本文選擇用于對比分析的方法包括雙三次插值算法,KIM等人提出的利用先驗知識的稀疏回歸算法[21],YANG等人提出的訓練雙字典算法[5],DONG等人提出的深度卷積網(wǎng)絡算法[12],PELEG等人提出的統(tǒng)計模型下稀疏表示算法[15],TIMOFTE等人提出的可調整固定領域回歸的算法[14],本文提出算法以及HR圖像方法(文中分別以BI、SRP、ScSR、CNN、ASP、A+、PR、HR縮寫表示)。通過圖5、6比較可知,提出的算法有較好的視覺效果。雙三次插值圖像由于丟失了大量的高頻信息,所得圖像最為模糊。ScSR,ASP,SRP,CNN和A+也恢復出一定量的高頻信息,而提出的算法恢復出了更多的邊緣信息。PSNR和SSIM的比較結果分別展示于表1和表2,從表中可以得出,提出算法的PSNR和SSIM高于其它算法。特別是第6幅圖,提出的算法比雙三次插值在PSNR上提高了5.3%。

    圖5 第5幅圖比較(放大倍數(shù)為2) 第一行:BI, ScSR, CNN, ASP.第二行:SRP, A+, PR, HR

    圖6 第6幅圖比較(放大倍數(shù)為2) 第一行:BI, ScSR, CNN, ASP. 第二行:SRP, A+, PR, HR

    Tab.1PSNRs of SR images by different methods(dB)

    表2 不同算法的SR圖像SSIM比較結果

    5 結 論

    由于現(xiàn)有算法是通過學習多幅高低分辨率圖像間的關系進行重構,故得到的重構效果并不好。針對這種利用圖像信息效率不高的問題,本文提出了一種基于光柵掃描和支持向量回歸機的超分辨率圖像重構的學習方法。首先,利用光柵掃描法在高低頻空間下抽取訓練字典需要的輸入向量和像素標簽對并且優(yōu)化它們,利用LIBSVM工具訓練生成字典;其次抽取低分辨率測試圖像中高低頻空間下的輸入向量,然后將回歸得到的對應高分辨率圖像中部分像素加入雙三次插值圖像中去,并對圖像進行后處理,最終輸出超分辨率圖像。實驗結果表明,與一些具有代表性的重建方法相比,本文方法的視覺改善較為明顯。在PSNR和SSIM指標上比雙三次插值算法分別平均提高了3.1%~ 5.3%和1.5%~8.1%。這表明該方法具有更好的重建效果。

    [1]穆紹碩,張葉,賈平. 基于自學習局部線性嵌入的多幅亞像元超分辨成像[J].光學 精密工程,2015,23(9): 2677-2686.

    MU SH SH, ZHANG Y, JIA P. Super-resolution imaging of multi-frame sub-pixel images based on self-learning LLE [J].Opt.PrecisionEng., 2015, 23(9): 2677-2686. (in Chinese)

    [2]賈蘇娟, 韓廣良, 陳小林,等.光度非均勻彩色序列圖像超分辨重建[J].液晶與顯示,2014, 29(1): 106-113.

    JIA S J,HAN G L,CHEN X L,etal.. Super-resolution reconstruction with photometric change of color image sequence [J].ChineseJournalofLiquidCrystalsandDisplays, 2014, 29(1) : 106-113.(in Chinese)

    [3]何林陽, 劉晶紅,李剛,等.改進BRISK特征的快速圖像配準算法[J].紅外與激光工程,2014, 43(8): 2722-2727.

    HE L Y, LIU J H, LI G,etal.. Fast image registration approach based on improved BRISK [J].InfraredandLaserEngineering, 2014, 43(8): 2722-2727.(in Chinese)

    [4]鄧承志, 田偉,汪勝前,等. 近似稀疏正則化的紅外圖像超分辨率重建[J]. 光學 精密工程,2014,22(6): 1648-1654.

    DENG CH ZH, TIAN W, WANG SH Q,etal.. Super-resolution reconstruction of approximate sparsity regularized infrared images [J].Opt.PrecisionEng., 2014, 22(6): 1648-1654.(in Chinese)

    [5]YANG J C, WANG Z W, LIN Z,etal..Coupled dictionary training for image super-resolution [J].IEEETransactionsonImageProcessing,2012, 21(8): 3467-3478.

    [6]REN C, HE X H, TENG Q Z,etal..Single image super-resolution using local geometric duality and non-local similarity [J].IEEETransactionsonImageProcessing, 2016, 25(5): 2168-2183.

    [7]龔衛(wèi)國,潘飛宇,李進明.用雙層重建法實現(xiàn)單幅圖像的超分辨率重建[J]. 光學 精密工程, 2014, 22(3): 720-729.

    GONG W G, PAN F Y, LI J M. Single-image super-resolution reconstruction via double layer reconstructing [J].Opt.PrecisionEng.,2014, 22(3): 720-729.(in Chinese)

    [8]ZHANG K B, GAO X B, LI J,etal..Single image super-resolution using regularization of non-local steering kernel regression [J].SignalProcessing, 2016, 123: 53-63.

    [9]LI J M, QU Y Y, LI C H,etal..Image super-resolution based on multi-kernel regression [J].MultimediaToolsandApplications,2016, 75: 4115-4128.

    [10]NI K S, NGUYEN T Q.Image super-resolution using support vector regression [J].IEEETransactionsonImageProcessing, 2007,16(6): 1596-1610.

    [11]YANG M C, WANG Y C F. A self-learning approach to single image super-resolution [J].IEEETransactionsonMultimedia, 2013,15(3): 498-508.

    [12]DONG C, CHEN C L, HE K M,etal..Image super-resolution using deep convolutional networks [J].IEEETransactionsonPatternAnalysisandMachineIntelligence, 2016, 38(2): 295-307.

    [13]LIANG Y D, WANG J J, ZHOU S P,etal..Incorporating image priors with deep convolutional neural networks for image super-resolution [J].Neurocomputing,2016, 194: 340-347.

    [14]TIMOFTE R, DE S, VAN G L. A+:adjusted anchored neighborhood regression for fast super-resolution [C].Proceedingofthe12thAsianConferenceonComputerVision, 2014: 111-26.

    [15]PELEG T, ELAD M. A statistical prediction model based on sparse representations for single image super-resolution [J].IEEETransactionsonImageProcessing,2014, 23(6): 2569-2582.

    [16]孟偉,金龍旭,李國寧,等. 調制傳遞函數(shù)在遙感圖像復原中的應用[J]. 紅外與激光工程,2014,43(5):1690-1696.

    MENG W, JIN L X, LI G N,etal..Application of MTF in remote sensing image restoration [J].InfraredandLaserEngineering, 2014, 43(5): 1690-1696.(in Chinese)

    [17]ZHAO G Y, AHONEN T, MATAS J,etal.. Rotation-invariant image and video description with local binary pattern features [J].IEEETransactionsonImageProcessing, 2012, 21(4): 1465-1477.

    [18]CHEN P H, LIN C J, SCHOLKOPF B. A tutorial on v-support vector machines [J].AppliedStochasticModelsinBusinessandIndustry,2005, 21(2): 111-136.

    [19]CHANG C C, LIN C J. LIBSVM: a library for support vector machines [J].ACMTransactionsonIntelligentSystemsandTechnology,2011, 2(3).

    [20]張振東,陳健,王偉國,等. 基于SSIM_NCCDFT的超分辨率的復原評價方法研究[J]. 液晶與顯示,2015,30(4): 713-721.

    ZHANG ZH D, CHEN J, WANG W G,etal..Evaluation method of super-resolution restoration based on SSIM_NCCDFT [J].ChineseJournalofLiquidCrystalsandDisplays, 2015, 30(4): 713-721.(in Chinese)

    [21]KIM K I,KWON Y. Single-image super-resolution using sparse regression and natural image prior [J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2010, 32(6): 1127-1133.

    林海杰(1991-),男,山西呂梁人,碩士研究生,2014年于山西師范大學獲得學士學位, 主要研究圖像識別,圖像重構,模式識別的研究。E-mail: haijie_lin@126.com

    陳志宏(1978-), 男,天津人,博士, 講師, 1996年于大連理工大學獲得學士學位,2004年、2008年于天津大學分別獲得碩士、博士學位,主要研究圖像處理,模式識別等方面的研究。E-mail: chenzhihong_tjut@163.com

    導師簡介:

    袁其平(1962-),男,江蘇淮安人,學士,教授,1983年于南京工學院獲得學士學位,主要從事光電信息處理,模式識別的研究。E-mail: Yqp1962@163.com

    (版權所有未經(jīng)許可不得轉載)

    Single image super-resolution reconstruction using support vector regression

    YUAN Qi-ping, LIN Hai-jie, CHEN Zhi-hong*, YANG Xiao-ping

    (TianjinKeyLaboratoryofFilmElectronicandCommunicationDevices,TianjinUniversityofTechnology,Tianjin300384,China)*Correspondingauthor,E-mail:chenzhihong_tjut@163.com

    Some of the traditional single-frame super-resolution (SR) reconstruction algorithms can not get good reconstruction results, although they learns many different types of images. Therefore, a super-resolution method combined with the Support Vector Regression (SVR) and raster-scan actions was proposed. Firstly, image patches were extracted from a group of high resolution (HR) images and the corresponding low resolution (LR) edition by the raster-scan actions, and input vectors and pixel vectors were taken out from the patches. The Log algorithm was used to determine that those patches were belong to high-frequency space or low frequency space then to construct the high and low frequency vector pairs. Then, those optimized vector pairs were trained by the SVR and two dictionaries in high/low frequency spaces were built eventually. Furthermore, input vectors were extracted from tested LR images in high/low frequency space, and the SVR tool was used to predict the SR pixel labels and the predicted pixels were added to bicubic interpolation image based on LR edition. Finally, the SR image was obtained by post-processing the previous image. In comparison with other algorithms, experimental results indicate that the proposed method provides good visual effects. It enhances its Peak Signal-to-Noise Ration (PSNR) and Structural Similarity Index Measurement (SSIM) by 3.1%-5.3% and 1.5%-8.1% on different images, respectively as compared with bicubic interpolation method.

    super-resolution reconstruction; single image; support vector regression; Log algorithm; raster-scan

    2016-06-13;

    2016-07-19.

    天津市應用基礎與前沿技術研究計劃青年基金資助項目(No.14JCQNJC00900)

    1004-924X(2016)09-2302-08

    TP391.4

    A

    10.3788/OPE.20162409.0001

    猜你喜歡
    方法
    中醫(yī)特有的急救方法
    中老年保健(2021年9期)2021-08-24 03:52:04
    高中數(shù)學教學改革的方法
    河北畫報(2021年2期)2021-05-25 02:07:46
    化學反應多變幻 “虛擬”方法幫大忙
    變快的方法
    兒童繪本(2020年5期)2020-04-07 17:46:30
    學習方法
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    最有效的簡單方法
    山東青年(2016年1期)2016-02-28 14:25:23
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢方法
    欧美绝顶高潮抽搐喷水| 国产精品久久久久久亚洲av鲁大| 美女被艹到高潮喷水动态| 欧美黑人巨大hd| 俺也久久电影网| 久久精品91无色码中文字幕| 久久午夜亚洲精品久久| 18禁在线播放成人免费| 欧美日韩精品网址| 国产国拍精品亚洲av在线观看 | 人人妻人人看人人澡| 国产精品亚洲av一区麻豆| 舔av片在线| 久久国产乱子伦精品免费另类| 亚洲专区国产一区二区| 欧美乱码精品一区二区三区| 亚洲欧美日韩无卡精品| 欧美+亚洲+日韩+国产| 久久人人精品亚洲av| 国产国拍精品亚洲av在线观看 | 可以在线观看毛片的网站| 麻豆成人av在线观看| 五月伊人婷婷丁香| 90打野战视频偷拍视频| 精品一区二区三区视频在线 | 老汉色av国产亚洲站长工具| 精品欧美国产一区二区三| 久久伊人香网站| 亚洲va日本ⅴa欧美va伊人久久| 国产三级中文精品| 亚洲av电影在线进入| 欧美成狂野欧美在线观看| 国产高清videossex| 色老头精品视频在线观看| 亚洲真实伦在线观看| 国产成人福利小说| 熟女人妻精品中文字幕| 中文字幕av在线有码专区| 色哟哟哟哟哟哟| 亚洲激情在线av| 免费人成视频x8x8入口观看| 久久精品国产99精品国产亚洲性色| 免费一级毛片在线播放高清视频| 好男人电影高清在线观看| 国产精品一区二区三区四区久久| 真人一进一出gif抽搐免费| 尤物成人国产欧美一区二区三区| 国产精品亚洲一级av第二区| 一区福利在线观看| 中国美女看黄片| 精品99又大又爽又粗少妇毛片 | 精品久久久久久久久久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品日韩av片在线观看 | 成人性生交大片免费视频hd| 免费av毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 桃色一区二区三区在线观看| 一级作爱视频免费观看| e午夜精品久久久久久久| 欧美中文综合在线视频| 淫妇啪啪啪对白视频| 真人做人爱边吃奶动态| 久久精品亚洲精品国产色婷小说| 变态另类成人亚洲欧美熟女| 91久久精品电影网| 日韩欧美精品v在线| 男人舔女人下体高潮全视频| 岛国视频午夜一区免费看| 女生性感内裤真人,穿戴方法视频| av在线天堂中文字幕| 中亚洲国语对白在线视频| a在线观看视频网站| 亚洲人成伊人成综合网2020| 亚洲人成网站在线播| 欧美一级a爱片免费观看看| 人妻丰满熟妇av一区二区三区| 欧美乱码精品一区二区三区| 老司机在亚洲福利影院| 在线a可以看的网站| 熟妇人妻久久中文字幕3abv| 无限看片的www在线观看| av黄色大香蕉| 久久国产精品人妻蜜桃| 黄色片一级片一级黄色片| 日本撒尿小便嘘嘘汇集6| 欧美成人免费av一区二区三区| 尤物成人国产欧美一区二区三区| 免费一级毛片在线播放高清视频| 91九色精品人成在线观看| 白带黄色成豆腐渣| 久久香蕉精品热| 国内少妇人妻偷人精品xxx网站| 日韩欧美精品v在线| 久久精品国产清高在天天线| 亚洲av日韩精品久久久久久密| 夜夜爽天天搞| av女优亚洲男人天堂| www国产在线视频色| 午夜精品一区二区三区免费看| 欧美日韩国产亚洲二区| 九九在线视频观看精品| 日韩成人在线观看一区二区三区| 99精品欧美一区二区三区四区| 超碰av人人做人人爽久久 | 99久久成人亚洲精品观看| 色老头精品视频在线观看| 亚洲 国产 在线| 乱人视频在线观看| 久久久久性生活片| 国产乱人伦免费视频| 国产不卡一卡二| 女人十人毛片免费观看3o分钟| 国产v大片淫在线免费观看| 搡老熟女国产l中国老女人| 嫩草影视91久久| 淫秽高清视频在线观看| 久久精品国产99精品国产亚洲性色| 日韩国内少妇激情av| 18禁黄网站禁片免费观看直播| 男女之事视频高清在线观看| 亚洲国产精品久久男人天堂| 亚洲av五月六月丁香网| 亚洲成人中文字幕在线播放| 免费大片18禁| 色av中文字幕| av在线蜜桃| 国产一区二区亚洲精品在线观看| 中文字幕人妻丝袜一区二区| 一进一出抽搐gif免费好疼| 国产成人av激情在线播放| 在线看三级毛片| 一夜夜www| 国产不卡一卡二| 身体一侧抽搐| 日日摸夜夜添夜夜添小说| 成人特级av手机在线观看| 日韩精品中文字幕看吧| 一进一出抽搐gif免费好疼| 国产一区二区在线av高清观看| 99精品久久久久人妻精品| 欧美日韩亚洲国产一区二区在线观看| 一级黄色大片毛片| 变态另类丝袜制服| 欧美日韩一级在线毛片| 免费人成在线观看视频色| 99久久久亚洲精品蜜臀av| 丰满人妻一区二区三区视频av | 国产一区二区激情短视频| 国产成人aa在线观看| 18+在线观看网站| 成人国产一区最新在线观看| 搡老妇女老女人老熟妇| av黄色大香蕉| 精品一区二区三区人妻视频| 乱人视频在线观看| 国产成人啪精品午夜网站| 九九在线视频观看精品| 久久香蕉国产精品| 特大巨黑吊av在线直播| 夜夜看夜夜爽夜夜摸| 亚洲精品美女久久久久99蜜臀| 国产真实乱freesex| 精品久久久久久久人妻蜜臀av| 一进一出抽搐gif免费好疼| or卡值多少钱| 亚洲第一电影网av| 国产三级中文精品| 亚洲国产精品成人综合色| 在线播放国产精品三级| 悠悠久久av| 成人特级av手机在线观看| 美女高潮的动态| www日本在线高清视频| 午夜a级毛片| a在线观看视频网站| 精品久久久久久久久久免费视频| 91久久精品电影网| 搡老妇女老女人老熟妇| 怎么达到女性高潮| 婷婷精品国产亚洲av在线| 午夜亚洲福利在线播放| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久精品91蜜桃| 国产av不卡久久| 国产日本99.免费观看| 一个人看视频在线观看www免费 | 国产亚洲精品综合一区在线观看| avwww免费| 亚洲五月婷婷丁香| 韩国av一区二区三区四区| 男人舔女人下体高潮全视频| av女优亚洲男人天堂| 搡老熟女国产l中国老女人| 少妇丰满av| 日本一二三区视频观看| 搞女人的毛片| 亚洲精品美女久久久久99蜜臀| 两人在一起打扑克的视频| 国产精品99久久99久久久不卡| 99精品欧美一区二区三区四区| 99热6这里只有精品| 99国产精品一区二区三区| 免费av毛片视频| 国产真实乱freesex| 两性午夜刺激爽爽歪歪视频在线观看| 五月玫瑰六月丁香| 欧美成人免费av一区二区三区| 夜夜看夜夜爽夜夜摸| 久久久精品欧美日韩精品| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久久久久久电影 | 757午夜福利合集在线观看| 日韩欧美一区二区三区在线观看| 免费在线观看成人毛片| 国产精品久久久久久久电影 | 亚洲av二区三区四区| 免费高清视频大片| 精品久久久久久成人av| 亚洲精品在线观看二区| 男人的好看免费观看在线视频| 99精品在免费线老司机午夜| 在线观看一区二区三区| 三级毛片av免费| 国产毛片a区久久久久| 美女高潮喷水抽搐中文字幕| 婷婷丁香在线五月| 久久精品人妻少妇| 国产亚洲精品久久久com| 久久精品亚洲精品国产色婷小说| 变态另类丝袜制服| 在线播放国产精品三级| 丁香欧美五月| 在线免费观看不下载黄p国产 | 人人妻人人看人人澡| avwww免费| 日韩有码中文字幕| 亚洲人成网站在线播放欧美日韩| 国产精品女同一区二区软件 | 日本撒尿小便嘘嘘汇集6| 一级黄色大片毛片| 狠狠狠狠99中文字幕| 天堂网av新在线| 日韩成人在线观看一区二区三区| 最近在线观看免费完整版| 国产伦在线观看视频一区| 丰满人妻一区二区三区视频av | 日本黄大片高清| 亚洲性夜色夜夜综合| 色综合欧美亚洲国产小说| 国产一级毛片七仙女欲春2| 欧美性感艳星| 啦啦啦观看免费观看视频高清| 久久人人精品亚洲av| 一级a爱片免费观看的视频| 欧美日本亚洲视频在线播放| 国产午夜福利久久久久久| 日韩欧美精品v在线| 最近最新免费中文字幕在线| 老司机深夜福利视频在线观看| 亚洲,欧美精品.| 两人在一起打扑克的视频| 成人特级黄色片久久久久久久| 亚洲av一区综合| 国产色婷婷99| 久久久成人免费电影| 别揉我奶头~嗯~啊~动态视频| 又黄又爽又免费观看的视频| 最近视频中文字幕2019在线8| 最新美女视频免费是黄的| 美女免费视频网站| 老司机午夜十八禁免费视频| 日本黄大片高清| 中文字幕人成人乱码亚洲影| 99热6这里只有精品| 亚洲 欧美 日韩 在线 免费| 日本 欧美在线| 亚洲中文日韩欧美视频| 日本精品一区二区三区蜜桃| 欧美极品一区二区三区四区| 亚洲乱码一区二区免费版| 成年人黄色毛片网站| 日本熟妇午夜| 偷拍熟女少妇极品色| 国产成人av激情在线播放| 国产精品香港三级国产av潘金莲| 久久久国产成人精品二区| 1000部很黄的大片| 国产精华一区二区三区| h日本视频在线播放| 欧美性感艳星| 丁香六月欧美| 亚洲,欧美精品.| 亚洲欧美精品综合久久99| 久久精品人妻少妇| av女优亚洲男人天堂| 亚洲av二区三区四区| 天天添夜夜摸| 窝窝影院91人妻| 国产精品久久久久久精品电影| 美女高潮的动态| 日韩人妻高清精品专区| 青草久久国产| 全区人妻精品视频| 夜夜爽天天搞| 免费看光身美女| АⅤ资源中文在线天堂| 国产色爽女视频免费观看| av在线蜜桃| 亚洲av美国av| 日韩亚洲欧美综合| 中文字幕高清在线视频| 宅男免费午夜| 亚洲av不卡在线观看| 国产精品综合久久久久久久免费| 久久久久九九精品影院| 欧美不卡视频在线免费观看| 免费大片18禁| 欧美日本视频| 综合色av麻豆| 欧美最黄视频在线播放免费| 美女高潮喷水抽搐中文字幕| 九色国产91popny在线| 午夜福利欧美成人| 成人鲁丝片一二三区免费| 亚洲专区中文字幕在线| 99在线视频只有这里精品首页| 九九在线视频观看精品| 日韩高清综合在线| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 少妇熟女aⅴ在线视频| 国产精品爽爽va在线观看网站| 久久久久久久亚洲中文字幕 | 丝袜美腿在线中文| 成人国产综合亚洲| 69人妻影院| 国产亚洲精品一区二区www| 有码 亚洲区| 欧美一级a爱片免费观看看| 99久久精品热视频| 成人18禁在线播放| 国产高清激情床上av| 女人被狂操c到高潮| 久久久久亚洲av毛片大全| 精品一区二区三区视频在线 | aaaaa片日本免费| 99久久久亚洲精品蜜臀av| 国产精华一区二区三区| 国产极品精品免费视频能看的| 欧美xxxx黑人xx丫x性爽| 在线十欧美十亚洲十日本专区| 亚洲av电影在线进入| 免费人成在线观看视频色| 五月玫瑰六月丁香| 免费在线观看日本一区| 99在线人妻在线中文字幕| 国产成人av激情在线播放| 91麻豆精品激情在线观看国产| 欧美极品一区二区三区四区| 国内揄拍国产精品人妻在线| 精品99又大又爽又粗少妇毛片 | 日本免费一区二区三区高清不卡| 在线观看日韩欧美| 老熟妇仑乱视频hdxx| 国产精品嫩草影院av在线观看 | 国产aⅴ精品一区二区三区波| 午夜a级毛片| 成人亚洲精品av一区二区| 亚洲自拍偷在线| 97超级碰碰碰精品色视频在线观看| 在线观看av片永久免费下载| 久99久视频精品免费| ponron亚洲| 亚洲欧美日韩高清专用| 国产高清视频在线播放一区| 亚洲国产色片| 久久久久久九九精品二区国产| 欧美色视频一区免费| 亚洲一区二区三区色噜噜| 青草久久国产| 日韩欧美 国产精品| 久久久色成人| 日韩人妻高清精品专区| 久久久久性生活片| 国产精品久久久久久亚洲av鲁大| 亚洲人成伊人成综合网2020| 亚洲真实伦在线观看| 美女 人体艺术 gogo| 国产三级中文精品| 夜夜夜夜夜久久久久| 日本五十路高清| av片东京热男人的天堂| 国产男靠女视频免费网站| 老司机午夜十八禁免费视频| 人人妻,人人澡人人爽秒播| 精品熟女少妇八av免费久了| 此物有八面人人有两片| 夜夜夜夜夜久久久久| 久久国产乱子伦精品免费另类| 久久草成人影院| 啦啦啦免费观看视频1| 99久久综合精品五月天人人| 国内揄拍国产精品人妻在线| 国产又黄又爽又无遮挡在线| 少妇的逼好多水| 美女被艹到高潮喷水动态| 床上黄色一级片| 中文字幕av在线有码专区| 淫秽高清视频在线观看| 国产精品亚洲美女久久久| 男女之事视频高清在线观看| 老熟妇乱子伦视频在线观看| 最近最新免费中文字幕在线| 亚洲精品在线美女| 51国产日韩欧美| 男人舔奶头视频| 老司机午夜十八禁免费视频| 啦啦啦免费观看视频1| 欧洲精品卡2卡3卡4卡5卡区| 高清日韩中文字幕在线| 怎么达到女性高潮| 久久久精品欧美日韩精品| 内射极品少妇av片p| 男女之事视频高清在线观看| av天堂中文字幕网| 男人和女人高潮做爰伦理| 国产免费一级a男人的天堂| 18禁黄网站禁片午夜丰满| 久久精品人妻少妇| 亚洲第一欧美日韩一区二区三区| 国产精品av视频在线免费观看| 欧美中文综合在线视频| 久久中文看片网| xxx96com| 色综合亚洲欧美另类图片| 99久国产av精品| 91字幕亚洲| 久久久色成人| bbb黄色大片| 日本黄色片子视频| 日本黄大片高清| 99在线人妻在线中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 成人国产一区最新在线观看| 亚洲无线在线观看| 国产精品1区2区在线观看.| 免费看a级黄色片| 叶爱在线成人免费视频播放| 91麻豆av在线| 在线a可以看的网站| 精华霜和精华液先用哪个| 麻豆成人午夜福利视频| 免费av观看视频| 一区福利在线观看| 精品熟女少妇八av免费久了| 一级黄色大片毛片| 精品乱码久久久久久99久播| 亚洲av免费在线观看| 亚洲人与动物交配视频| 国产精品98久久久久久宅男小说| 性色av乱码一区二区三区2| 国产高清三级在线| 日韩成人在线观看一区二区三区| 给我免费播放毛片高清在线观看| 激情在线观看视频在线高清| 五月玫瑰六月丁香| 国产精品久久久久久久久免 | 很黄的视频免费| 网址你懂的国产日韩在线| 亚洲av日韩精品久久久久久密| 亚洲欧美日韩高清在线视频| 村上凉子中文字幕在线| 桃红色精品国产亚洲av| 国语自产精品视频在线第100页| 欧美日韩中文字幕国产精品一区二区三区| 在线播放国产精品三级| 欧美一区二区精品小视频在线| 欧美成狂野欧美在线观看| 成人永久免费在线观看视频| 中文字幕人妻丝袜一区二区| 最新美女视频免费是黄的| 国产精品影院久久| 在线观看午夜福利视频| 欧美日韩瑟瑟在线播放| 国产亚洲精品久久久com| 成人特级黄色片久久久久久久| 午夜免费激情av| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av熟女| 亚洲成av人片在线播放无| 久久久精品欧美日韩精品| a级一级毛片免费在线观看| 超碰av人人做人人爽久久 | 日本免费一区二区三区高清不卡| 首页视频小说图片口味搜索| 18禁黄网站禁片免费观看直播| 天堂影院成人在线观看| 亚洲av免费在线观看| 国产亚洲精品av在线| 中文字幕熟女人妻在线| 国产乱人伦免费视频| 一边摸一边抽搐一进一小说| 久久精品人妻少妇| 亚洲一区高清亚洲精品| 在线免费观看的www视频| 国产成人av激情在线播放| 国产私拍福利视频在线观看| 91在线观看av| 亚洲av第一区精品v没综合| 亚洲 欧美 日韩 在线 免费| 麻豆国产av国片精品| 精品久久久久久,| 蜜桃亚洲精品一区二区三区| 黄片小视频在线播放| 亚洲在线观看片| 亚洲熟妇熟女久久| 特级一级黄色大片| 亚洲精华国产精华精| 午夜两性在线视频| 精品欧美国产一区二区三| 日本与韩国留学比较| 免费看日本二区| 丰满人妻一区二区三区视频av | 精品不卡国产一区二区三区| 国产真实乱freesex| 伊人久久大香线蕉亚洲五| 一卡2卡三卡四卡精品乱码亚洲| 黄色女人牲交| 午夜日韩欧美国产| 一个人免费在线观看电影| 亚洲人成网站在线播放欧美日韩| 久9热在线精品视频| 丁香欧美五月| 欧美中文综合在线视频| 午夜免费观看网址| 午夜免费男女啪啪视频观看 | 午夜激情福利司机影院| 亚洲欧美日韩无卡精品| 老司机福利观看| 九色成人免费人妻av| 在线播放无遮挡| a在线观看视频网站| 99久久久亚洲精品蜜臀av| 成人亚洲精品av一区二区| 一进一出好大好爽视频| 日韩欧美在线乱码| 91在线精品国自产拍蜜月 | 99在线视频只有这里精品首页| 精品人妻偷拍中文字幕| 欧美另类亚洲清纯唯美| 黄片小视频在线播放| 欧美乱色亚洲激情| 成人午夜高清在线视频| 精品一区二区三区人妻视频| 美女 人体艺术 gogo| 一级a爱片免费观看的视频| 国产高清videossex| 免费高清视频大片| 国产亚洲精品综合一区在线观看| а√天堂www在线а√下载| 国产一区二区三区视频了| 亚洲成人久久爱视频| 99久久精品热视频| 欧美最黄视频在线播放免费| 夜夜爽天天搞| 国内精品美女久久久久久| 国产单亲对白刺激| 精品国产美女av久久久久小说| 亚洲国产日韩欧美精品在线观看 | 免费一级毛片在线播放高清视频| 男女视频在线观看网站免费| 亚洲中文字幕日韩| 国产精品久久久久久久久免 | 三级男女做爰猛烈吃奶摸视频| 午夜精品在线福利| av天堂在线播放| 免费在线观看成人毛片| 日本 av在线| 亚洲成av人片在线播放无| 91久久精品国产一区二区成人 | 一二三四社区在线视频社区8| 日日夜夜操网爽| 亚洲精华国产精华精| 两性午夜刺激爽爽歪歪视频在线观看| 在线观看日韩欧美| 色综合亚洲欧美另类图片| 99热精品在线国产| 中国美女看黄片| 国产精品综合久久久久久久免费| 色尼玛亚洲综合影院| 嫩草影院精品99| 亚洲最大成人中文| 禁无遮挡网站| av天堂在线播放| 亚洲第一欧美日韩一区二区三区| 久久香蕉国产精品| 少妇熟女aⅴ在线视频| 51国产日韩欧美| 国产一区在线观看成人免费| 丁香六月欧美| 国产高清有码在线观看视频| 欧美+亚洲+日韩+国产| 成人鲁丝片一二三区免费| 亚洲精品粉嫩美女一区| 亚洲国产精品合色在线| 日本一二三区视频观看| 亚洲 国产 在线| 中文在线观看免费www的网站| 国产精品日韩av在线免费观看| 国产老妇女一区| e午夜精品久久久久久久| 香蕉av资源在线| 高潮久久久久久久久久久不卡| 欧美在线一区亚洲|