• <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SVM手繪太陽黑子圖像背景提取方法*

    2016-12-21 07:14:02朱明鋒曾祥云徐高貴
    關(guān)鍵詞:太陽黑子手繪背景

    朱明鋒,鄭 勝,曾祥云,徐高貴

    (三峽大學(xué) 理學(xué)院,湖北 宜昌 443002)

    ?

    基于SVM手繪太陽黑子圖像背景提取方法*

    朱明鋒,鄭 勝,曾祥云,徐高貴

    (三峽大學(xué) 理學(xué)院,湖北 宜昌 443002)

    手繪太陽黑子圖像手寫記錄信息對于研究太陽黑子長期活動規(guī)律具有重要價值,而背景提取又是利用計算機手繪太陽黑子信息數(shù)字化工作中的關(guān)鍵過程。文章提出一種基于支持向量機(Support Vector Machine ,SVM)的手繪太陽黑子圖像信息背景提取方法,通過針對性地對每個像素樣本特征向量的監(jiān)督學(xué)習(xí)訓(xùn)練,從而實現(xiàn)背景像素與前景像素的分離,實驗證明該方法具有很好的魯棒性,將此方法與傳統(tǒng)的K-means模糊劃分、模糊C均值(FCM)聚類方法進行對比分析,證實該方法的應(yīng)用價值更高。

    手繪太陽黑子圖;背景提??;支持向量機;監(jiān)督學(xué)習(xí);K-means聚類

    0 引言

    隨著科學(xué)技術(shù)的快速發(fā)展,在短短幾十年間,數(shù)字圖像處理技術(shù)快速發(fā)展,并逐漸趨于成熟。該技術(shù)在人工智能應(yīng)用、遙感影像處理、空間探測、工業(yè)檢測以及生物醫(yī)學(xué)等眾多領(lǐng)域都得到了廣泛應(yīng)用,并為這些領(lǐng)域內(nèi)的學(xué)科發(fā)展提供了新的方向和突破點[1]。在研究太陽活動的過程中,對太陽黑子活動的觀察最為明顯和容易。在計算機不發(fā)達的過去,天文工作者所觀測到的太陽黑子的大小、形狀和位置等特征,主要是通過投影法手工描跡[2],近些年才逐漸由光球觀測照相替代這一傳統(tǒng)方法。每天黑子面積數(shù)值表示的是每天出現(xiàn)在全日面上的黑子面積(單位是全日面面積的百萬分之一),在一定意義上,它是太陽磁場活動的每日磁流量的數(shù)字化表示,也是太陽發(fā)電機產(chǎn)生黑子功率的直接表現(xiàn)[3]。將手繪太陽黑子圖的工作數(shù)字化,能夠最大程度地保護這些寶貴數(shù)據(jù)不被丟失,并且可以方便地快速整合所有觀測到的黑子信息,使不同天文臺的觀測數(shù)據(jù)信息得到有效的整合與規(guī)整化處理,可為太陽黑子活動研究者提供便捷的數(shù)據(jù)查詢和使用服務(wù),這一革新對天文研究的意義是不言而喻的[4-5]。

    西班牙和比利時是世界上較早開始手繪太陽黑子圖像數(shù)字化處理工作的,DigiSun和HSUNSPOTS等手繪黑子圖像的數(shù)字化工具就是由他們研制出來的[6]。我國自上世紀30年代末開始對太陽黑子活動進行相關(guān)觀測,并將觀測結(jié)果記錄于紙上,到目前為止云南國家天文臺已經(jīng)獲取了2萬多張如圖1所示的太陽黑子手繪圖。對于手繪太陽黑子圖信息數(shù)字化工作即是將圖像中手寫記錄信息提取并保存于數(shù)據(jù)庫中,這一工作的重要環(huán)節(jié)是對圖像背景的提取和分離。

    圖1 手繪太陽黑子原圖局部

    圖像信息數(shù)字化的關(guān)鍵在于數(shù)字圖像的處理算法[7-10],包括圖像RGB空間聚類、圖像分割等,背景的有效分割是手繪太陽黑子圖像中信息數(shù)字化的難點。

    SVM是經(jīng)典的機器學(xué)習(xí)方法之一,在回歸處理、模式分類等方面都有明顯優(yōu)勢[11]。針對手繪太陽黑子圖像信息數(shù)字化中的背景分離工作,本文提出一種基于支持向量機的背景提取方法,通過利用LIBSVM圖像處理算法將圖像中的R、G、B顏色分量進行訓(xùn)練學(xué)習(xí),得到最優(yōu)分類模型,經(jīng)試驗驗證,該方法不僅效果顯著,而且魯棒性也很好,自動適應(yīng)由于年代久遠、紙張發(fā)生變化給圖像帶來的模糊效應(yīng)。

    1 理論基礎(chǔ)

    支持向量機 (Support Vector Machine,SVM)機器學(xué)習(xí)方法以統(tǒng)計學(xué)的VC理論和構(gòu)造風(fēng)險最小化為基本原理。該方法可以基于一定的樣本信息,使模型在其實現(xiàn)可行性和模式分類能力之間尋找最佳平衡點,是SLT的一種成功實現(xiàn)[12],又稱為回歸機。假設(shè)訓(xùn)練樣本為(xi,yi),(i=1,…,n),其中n為樣本大小。采用線性函數(shù)對樣本進行擬合是最簡易的SVM回歸分析方法。對于如何解決線性不可分的分類問題,最有效的方法是在高維樣本特征空間中建立線性模型,其中的關(guān)鍵是將樣本點映射到高維空間的非線性變換,SVM回歸機可以表示如下:

    (1)

    滿足以下約束條件:

    yi-f(xi,ω)≤ε+ξi,i=1,2,…,n;

    對于式(1),通常獲得原始問題最佳解的方法是通過求解上述模型對偶問題的最佳解:

    (2)

    其中,K(xi+xj)是核函數(shù),滿足Mercer條件并且K(xi+xj)=φ(xi)φ(xj)。徑向基核(Radial Basis Function,RBF)是普適的核函數(shù):

    (3)

    其中γ=1/σ2,σ>0 是核函數(shù)寬度系數(shù)。懲罰力度大小C、不敏感程度ε、卷積核及其處理參數(shù)的選取,對SVM的分類正確率有較大的影響[13]。

    K-means是一種無監(jiān)督的數(shù)據(jù)劃分聚類算法,在預(yù)先不知道樣本所屬類別的情況下,根據(jù)樣本之間的距離或相似程度自動地進行樣本的分類,是一種基于劃分的聚類方法[14]。

    FCM采用隸屬度矩陣來確定每個樣本屬于某個分類的程度[15]。假設(shè)樣本數(shù)為n個向量xi(i=1,2,…,n)組成的模糊組,將其分為c個區(qū)域中心,使得非相似性指標函數(shù)的值達到最小。

    2 數(shù)據(jù)樣本采集及特征向量構(gòu)造

    2.1 數(shù)據(jù)樣本采集

    早先的太陽黑子觀測是記錄在特定的紙張上的。特定的繪制紙張是印刷出來的,上面有固定的表格和文字信息等,如圖2所示。為了更好地進行圖像的下一步分割操作,首先需要將圖像中的印刷部分提取出來,也就是圖2所示部分。

    圖2 繪制紙印刷部分局部圖

    將圖2中的圖像進行二值化處理,即可得到每個像素樣本的類別信息。手繪太陽黑子圖像中,對于每個像素點,都是一個特定樣本,其R、G、B值即是其特征值,那么,對于每個像素樣本而言,其特征向量即為X=[RGB]。

    2.2 特征向量構(gòu)造

    手繪太陽黑子圖像的背景提取中,每個像素點都是一個待分類的樣本,由此,構(gòu)造樣本的特征向量為:

    Xi=[RiGiBi], (i=1,…,n)

    (4)

    其中,n為圖像中像素的個數(shù)。假設(shè)圖像為M×N×3的矩陣,那么n=M×N。在SVM模型訓(xùn)練過程中,需要輸入樣本的監(jiān)督向量。由此,建立監(jiān)督向量為:

    Yi=[yi], (i=1,…,n)

    (5)

    其中,當Xi為前景像素點時,yi=+1;當Xi為背景像素點時,yi=-1。

    SVM可以使用少量樣本來對大量實體對象進行分類[16-17]。因此,本文隨機選取原圖像素中的2萬個點進行訓(xùn)練,然后使用得到的模型對圖像進行前景與背景的提取。

    2.3 SVM問題求解機制

    SVM使用一個超平面將樣本進行分類:

    wTx+b=0

    (6)

    yi(wTxi+b)≥+1

    (7)

    引入拉格朗日系數(shù),獲得對偶問題有效解:

    (8)

    滿足條件:

    將內(nèi)積形式數(shù)據(jù)點映射到希爾伯特內(nèi)積空間:

    xi·xj→φ(xi)·φ(xj)=K(xi,xj)

    (9)

    其中,K(·)是核函數(shù)。

    由此可將式(9)化為:

    (10)

    由此可得到SVM分類器為:

    F(x)=sgn(f(x))

    (11)

    其中,

    (12)

    是SVM分類面上的決策表達式。

    3 手繪黑子圖像背景提取實驗結(jié)果及分析

    3.1 SVM背景提取

    構(gòu)造的樣本通過訓(xùn)練后得到SVM分類模型,然后對原始圖像進行分類處理。

    圖3是背景提取結(jié)果的局部顯示,圖3(a)是原始圖像中的局部圖,圖3(b)是提取出來的背景圖像,圖3(c)是提取出來的背景黑白顯示。

    圖3 局部圖像背景提取結(jié)果顯示

    3.2 SVM劃分與模糊聚類劃分對比分析

    文中使用中國科學(xué)院云南天文臺1982年到1992年,以及1995、1997、2000年每年一月份中隨機抽取一張共14張手繪太陽黑子圖像進行試驗,使用K-means、FCM、SVM等方法分別對圖像中印刷體背景進行提取,部分結(jié)果如圖4所示。

    圖4 SVM與模糊聚類處理結(jié)果對比

    圖4中a0、a1、a2、a3、a4分別是1989年1月19日手繪太陽黑子圖像原圖中的部分圖像、手動提取背景信息圖像中相同位置部分圖像、K-means聚類提取背景信息圖像中相同位置部分圖像、SVM提取背景圖像中相同位置部分圖像、FCM提取背景圖像中相同位置部分圖像;b0、b1、b2、b3、b4,c0、c1、c2、c3、c4則分別是1991年1月9日和1995年1月11日兩天不同處理后圖像中的局部顯示。

    分別對幾種處理方法在處理速度和處理PSNR上進行統(tǒng)計,結(jié)果如表1所示,計算PSNR的公式為:

    (13)其中,d代表圖像像素的位深,8 bit的圖像中d=8,MSE是原始圖像與處理后圖像之間的均方誤差,其計算公式如下:

    (14)

    其中,m,n是圖像的大小維度,I(i,j)為原圖像中的像素點的值,P(i,j)為處理后圖像中對應(yīng)點的像素點的值。因此,PSNR值越大,代表處理后圖像失真越小。

    表1 K-means與SVM處理對比

    由表1可知,SVM提取印刷體背景與人工手動處理得到的背景信息PSNR均值達到56.33,具有高的實用價值,并且處理速度也在可接受范圍內(nèi)。

    4 結(jié)論

    K-means與FCM等傳統(tǒng)的聚類方法在前景與背景的分離中具有較好的使用價值,但聚類中心不穩(wěn)定性以及聚類算法復(fù)雜性,限制了其應(yīng)用范圍和場景。支持向量機作為有監(jiān)督的分類網(wǎng)絡(luò),可在一次性學(xué)習(xí)后,得到相關(guān)系列分類問題的分類知識表達,并且模型易于推廣使用,在手繪太陽黑子圖像背景的分離中具有較好的效果,可應(yīng)用于手繪太陽黑子圖像分割的前期處理,以便更好地自動提取和識別圖像中的手寫記錄信息,對于手繪太陽黑子圖像信息的提取和數(shù)字化具有重要意義。另外,在自然背景下的圖像中,對于單色目標的分割也具有較好的適應(yīng)性。

    [1] 劉中和,王瑞雪,王鋒德,等. 數(shù)字圖像處理現(xiàn)狀與展望[J]. 計算機時代,2005(9):6-8.

    [2] 劉學(xué)富. 太陽黑子觀測[J]. 天文愛好者,1999(6): 24-26.

    [3] 吳立德. 計算機視覺[M]. 上海:復(fù)旦大學(xué)出版社,1993.

    [4] 李可軍,蘇同衛(wèi),梁紅飛. 現(xiàn)代黑子觀測的太陽黑子活動周的周期性[J]. 科學(xué)通報,2004,49(24):2511-2516.

    [5] Zheng Sheng,Zeng Xiangyun,Lin Ganghua,et al. Sunspot drawings handwritten character recognition method based on deep learning[J]. New Astronomy, 2016,(45): 54-59.

    [6] 朱道遠,鄭勝,曾祥云,等. 手繪太陽黑子圖像手寫字符分割方法研究[J]. 微型機與應(yīng)用,2015,34(20):33-35.

    [7] 周得水,葛洪偉. 基于貪心算法的快速模糊連接圖像分割[J]. 計算機應(yīng)用與軟件,2015,32(8):201-203.

    [8] 邰瀅瀅,吳彥海,張利. 基于快速mean-shift聚類與標記分水嶺的圖像分割方法[J]. 計算機應(yīng)用與軟件,2015,32(8):184-186.

    [9] 黎遠松. 高斯混合模型融合SSC的腦部MR圖像分割[J]. 計算機應(yīng)用與軟件,2015,32(7):70-73.

    [10] 鄧娟. 基于灰度向量表示的紋理元集的非監(jiān)控紋理圖像分割[J]. 計算機應(yīng)用,2005,25(1):117-118.

    [11] 鐘壇旺,林昭語. LIBSVM回歸算法在話務(wù)預(yù)測中的應(yīng)用[J]. 電信工程技術(shù)與標準化,2014(9):80-83.

    [12] 李冬萍. 基于混沌粒子群優(yōu)化的SVM分類器研究[J]. 計算機仿真,2010,27(4):185-187.

    [13] 袁勛,吳秀清,洪日昌,等. 基于主動學(xué)習(xí)SVM分類器的視頻分類[J]. 中國科學(xué)技術(shù)大學(xué)學(xué)報,2009,39(5):473-478.

    [14] 高麗平,周雪燕,詹宇斌. 流行上的非線性判別K均值聚類[J]. 計算機應(yīng)用,2011,31(12):3247-3251.

    [15] 徐少平,劉小平,李春泉,等. 基于區(qū)域特征分析的快速FCM圖像分割改進算法[J]. 模式識別與人工智能,2012,25(6):987-995.

    [16] 孫少乙,黃志波. 一種 SVM 多分類算法[J]. 微型機與應(yīng)用,2016,35(8):12-14,17.

    [17] 高晴,閆德勤,楚永賀,等.基于模糊聚類的 LLE 和 SVM 的人臉識別[J].微型機與應(yīng)用,2016,34(6):56-58.

    Sunspot drawings background extraction method based on SVM

    Zhu Mingfeng,Zheng Sheng,Zeng Xiangyun,Xu Gaogui

    (College of Science, China Three Gorges University, Yichang 443002,China)

    The sunspot drawings written records information is of critical importance to analyze the long-term sunspots movement, while the background extraction is key processes of the digitization work for the sunspot drawings. A new method is introduced for background extraction of the information of the sunspot drawings based on Support Vector Machine (SVM) in this paper. Through supervised learning and training for each pixel sample feature vector to realize the separation of the background pixels and the foreground pixels. Experimenal results show that this method has higher robusticity. Meanwhile, it has proved that this method is of higher application value compared to those traditional methods such as K-means fuzzy partition, fuzzy C-means algorithm(FCM).

    sunspot drawings;background extraction;support vector machine (SVM);supervised learning;K-means clustering

    國家自然科學(xué)基金(U1331113;2014FY120300)

    TP319

    A

    10.19358/j.issn.1674- 7720.2016.23.015

    朱明鋒,鄭勝,曾祥云,等. 基于SVM手繪太陽黑子圖像背景提取方法[J].微型機與應(yīng)用,2016,35(23):52-55,58.

    2016-08-09)

    朱明鋒(1989-),通訊作者,男,碩士,主要研究方向:圖像處理,模式識別。E-mail:956579506@qq.com。

    鄭勝(1965-),男,教授,主要研究方向:圖像處理,模式識別,計算機視覺,神經(jīng)網(wǎng)絡(luò)。

    曾祥云(1989-),男,碩士,主要研究方向:圖像處理,模式識別,神經(jīng)網(wǎng)路。

    猜你喜歡
    太陽黑子手繪背景
    手繪風(fēng)景照
    “新四化”背景下汽車NVH的發(fā)展趨勢
    太陽黑子
    齊心手繪《清明上河圖》
    《論持久戰(zhàn)》的寫作背景
    當代陜西(2020年14期)2021-01-08 09:30:42
    太陽黑子自動識別與特征參量自動提取
    為什么太陽會長斑?
    白云與太陽黑子的故事
    晚清外語翻譯人才培養(yǎng)的背景
    手繪
    精品熟女少妇av免费看| 日韩av不卡免费在线播放| 日韩伦理黄色片| 激情 狠狠 欧美| 免费观看的影片在线观看| 精品久久久久久成人av| 国产精品99久久久久久久久| 日产精品乱码卡一卡2卡三| 国产精品国产三级国产av玫瑰| 女人十人毛片免费观看3o分钟| 国产人妻一区二区三区在| 国产乱人偷精品视频| 网址你懂的国产日韩在线| 欧美日韩在线观看h| 九色成人免费人妻av| 亚洲综合精品二区| 国产综合懂色| 国产成人精品福利久久| 国产三级在线视频| 中国国产av一级| 简卡轻食公司| 美女被艹到高潮喷水动态| 免费观看在线日韩| 免费不卡的大黄色大毛片视频在线观看 | 精品一区二区免费观看| 日日干狠狠操夜夜爽| 亚洲一区高清亚洲精品| 97超碰精品成人国产| 午夜福利高清视频| 夫妻午夜视频| 日韩 亚洲 欧美在线| 成人一区二区视频在线观看| 肉色欧美久久久久久久蜜桃 | 亚洲成人久久爱视频| 国产精品精品国产色婷婷| 嫩草影院精品99| 丝袜美腿在线中文| 在线免费十八禁| 国产精品蜜桃在线观看| 国产综合懂色| 国产伦理片在线播放av一区| 欧美区成人在线视频| 日韩一本色道免费dvd| 精品国产三级普通话版| 亚洲国产欧美在线一区| 亚洲欧美日韩东京热| 成人亚洲精品一区在线观看 | 美女黄网站色视频| 国产精品精品国产色婷婷| 国产在视频线精品| 国产亚洲一区二区精品| 丝袜喷水一区| 特级一级黄色大片| 最近中文字幕2019免费版| 久久久久久久久久人人人人人人| 大话2 男鬼变身卡| 日本与韩国留学比较| 国产成人91sexporn| 男女国产视频网站| 一本久久精品| 特大巨黑吊av在线直播| 人人妻人人看人人澡| 国产老妇女一区| 女人久久www免费人成看片| 波野结衣二区三区在线| 神马国产精品三级电影在线观看| 久久久午夜欧美精品| 天天一区二区日本电影三级| 日本熟妇午夜| 欧美区成人在线视频| 91久久精品电影网| 国产黄频视频在线观看| 欧美bdsm另类| 亚洲精品乱久久久久久| 日韩强制内射视频| av在线播放精品| 亚洲欧美清纯卡通| 熟女人妻精品中文字幕| 亚洲国产精品国产精品| av天堂中文字幕网| 97超视频在线观看视频| 亚洲欧美中文字幕日韩二区| 欧美高清成人免费视频www| 2022亚洲国产成人精品| 少妇裸体淫交视频免费看高清| 一级av片app| 人妻制服诱惑在线中文字幕| 亚洲国产av新网站| 国产精品熟女久久久久浪| 天堂网av新在线| 亚洲精品aⅴ在线观看| 床上黄色一级片| 51国产日韩欧美| 国产成人午夜福利电影在线观看| 自拍偷自拍亚洲精品老妇| 99九九线精品视频在线观看视频| 女人被狂操c到高潮| 十八禁网站网址无遮挡 | 久久精品国产亚洲av天美| 亚洲经典国产精华液单| 久久久久久久久久黄片| 国产麻豆成人av免费视频| 国产在线男女| 国产三级在线视频| 91精品伊人久久大香线蕉| 久久精品国产亚洲av天美| 国产熟女欧美一区二区| 中文精品一卡2卡3卡4更新| 亚洲欧美中文字幕日韩二区| av在线亚洲专区| 五月伊人婷婷丁香| 国模一区二区三区四区视频| 国产免费又黄又爽又色| 亚洲av中文av极速乱| 国产综合精华液| 晚上一个人看的免费电影| 国产精品一区二区三区四区免费观看| 久久久久久伊人网av| 大香蕉97超碰在线| 国产午夜精品一二区理论片| 日本色播在线视频| 97热精品久久久久久| 十八禁国产超污无遮挡网站| 国产黄色免费在线视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品乱码久久久v下载方式| 成人亚洲欧美一区二区av| 亚洲自偷自拍三级| 99热全是精品| 国产成人freesex在线| 日韩精品有码人妻一区| 国语对白做爰xxxⅹ性视频网站| 精品久久久噜噜| 久久久亚洲精品成人影院| 欧美性感艳星| 久久精品国产亚洲av天美| 亚洲国产高清在线一区二区三| 2018国产大陆天天弄谢| 婷婷色av中文字幕| 国产老妇女一区| 国产成人福利小说| 免费看日本二区| 亚洲经典国产精华液单| 亚洲欧洲日产国产| 啦啦啦啦在线视频资源| 国产高清不卡午夜福利| 亚洲欧洲日产国产| 亚洲av电影不卡..在线观看| 永久网站在线| 超碰av人人做人人爽久久| 熟妇人妻不卡中文字幕| 日本黄大片高清| 国产亚洲最大av| 美女高潮的动态| 啦啦啦韩国在线观看视频| 少妇熟女aⅴ在线视频| 中文字幕久久专区| 久久久亚洲精品成人影院| 国产精品人妻久久久影院| 国产精品嫩草影院av在线观看| 亚洲图色成人| 国产淫语在线视频| av在线亚洲专区| 国产午夜福利久久久久久| 国产av在哪里看| 丰满人妻一区二区三区视频av| 听说在线观看完整版免费高清| 一区二区三区免费毛片| 99热全是精品| 蜜桃亚洲精品一区二区三区| 又爽又黄a免费视频| 日韩国内少妇激情av| 纵有疾风起免费观看全集完整版 | av在线播放精品| 久久99热6这里只有精品| 人人妻人人看人人澡| 国产 一区精品| 最后的刺客免费高清国语| 波多野结衣巨乳人妻| 久久精品国产自在天天线| 午夜福利视频1000在线观看| 欧美激情国产日韩精品一区| 日韩大片免费观看网站| 婷婷色av中文字幕| 国产精品久久久久久久电影| 超碰av人人做人人爽久久| videos熟女内射| freevideosex欧美| 一区二区三区乱码不卡18| 久久久欧美国产精品| 日韩精品有码人妻一区| 久久精品夜色国产| 99视频精品全部免费 在线| 国产精品爽爽va在线观看网站| 晚上一个人看的免费电影| 亚洲欧美精品自产自拍| 国产黄片视频在线免费观看| 一级爰片在线观看| 国产一区二区三区av在线| 男插女下体视频免费在线播放| 中文字幕av在线有码专区| 国内揄拍国产精品人妻在线| 国产精品美女特级片免费视频播放器| 波野结衣二区三区在线| 中国国产av一级| 天堂影院成人在线观看| 免费看a级黄色片| 一区二区三区免费毛片| 亚洲性久久影院| 丰满人妻一区二区三区视频av| a级毛色黄片| 国产高清不卡午夜福利| 视频中文字幕在线观看| 成人综合一区亚洲| 精品国产三级普通话版| a级毛色黄片| 夜夜看夜夜爽夜夜摸| 一级二级三级毛片免费看| 高清在线视频一区二区三区| 亚洲自拍偷在线| 亚洲欧美清纯卡通| 国产毛片a区久久久久| 高清av免费在线| 国产精品蜜桃在线观看| 22中文网久久字幕| 18禁裸乳无遮挡免费网站照片| 国产伦理片在线播放av一区| 久久久国产一区二区| 狠狠精品人妻久久久久久综合| 成人毛片a级毛片在线播放| 日韩av在线大香蕉| 国产亚洲精品av在线| 美女黄网站色视频| 亚洲国产成人一精品久久久| 久久精品人妻少妇| 最近手机中文字幕大全| 天天一区二区日本电影三级| 综合色av麻豆| 国产成人精品一,二区| 哪个播放器可以免费观看大片| 麻豆成人午夜福利视频| 国产老妇女一区| 亚洲精品第二区| 国产精品一区二区在线观看99 | 精品久久久噜噜| eeuss影院久久| 狂野欧美白嫩少妇大欣赏| 在线a可以看的网站| 久久综合国产亚洲精品| 99久久精品一区二区三区| 日韩不卡一区二区三区视频在线| 建设人人有责人人尽责人人享有的 | 18禁裸乳无遮挡免费网站照片| 亚洲性久久影院| 国产国拍精品亚洲av在线观看| 成年av动漫网址| 国产av在哪里看| 日本欧美国产在线视频| 国产高清不卡午夜福利| 日日摸夜夜添夜夜爱| 国产伦精品一区二区三区四那| 国产精品久久久久久精品电影| 色视频www国产| 亚洲欧美精品自产自拍| 欧美成人一区二区免费高清观看| 不卡视频在线观看欧美| 国产精品爽爽va在线观看网站| 又黄又爽又刺激的免费视频.| 精华霜和精华液先用哪个| 最近2019中文字幕mv第一页| 肉色欧美久久久久久久蜜桃 | 欧美极品一区二区三区四区| 亚洲乱码一区二区免费版| 五月天丁香电影| 成人亚洲精品一区在线观看 | 亚洲国产精品sss在线观看| av女优亚洲男人天堂| 国产黄片美女视频| 日日干狠狠操夜夜爽| 久久久欧美国产精品| 国产一区亚洲一区在线观看| av线在线观看网站| 在线观看一区二区三区| 蜜桃亚洲精品一区二区三区| 国产黄频视频在线观看| 秋霞在线观看毛片| 日韩一本色道免费dvd| 春色校园在线视频观看| 亚洲成人av在线免费| 亚洲精品久久午夜乱码| 91狼人影院| 夫妻午夜视频| 欧美一级a爱片免费观看看| 国内揄拍国产精品人妻在线| 欧美成人精品欧美一级黄| 日韩精品青青久久久久久| 国产精品熟女久久久久浪| 欧美最新免费一区二区三区| 欧美激情在线99| 国产精品人妻久久久久久| 亚洲av成人av| 国产 一区 欧美 日韩| 日韩精品有码人妻一区| 免费看日本二区| 汤姆久久久久久久影院中文字幕 | 美女脱内裤让男人舔精品视频| 久久97久久精品| 国产亚洲精品av在线| 国产成人福利小说| 啦啦啦韩国在线观看视频| 色吧在线观看| 在线观看人妻少妇| 久久久久久久久大av| 中文字幕制服av| av在线观看视频网站免费| 一本一本综合久久| 日本黄大片高清| 久久久久九九精品影院| 国产av码专区亚洲av| 亚洲国产精品成人综合色| 国产伦理片在线播放av一区| 欧美性猛交╳xxx乱大交人| 午夜视频国产福利| av一本久久久久| 亚洲三级黄色毛片| 久久人人爽人人爽人人片va| 夜夜爽夜夜爽视频| av又黄又爽大尺度在线免费看| 午夜激情欧美在线| 国产女主播在线喷水免费视频网站 | 国产伦精品一区二区三区四那| 国产一区亚洲一区在线观看| 国产日韩欧美在线精品| 国产一区亚洲一区在线观看| 国产成人精品一,二区| av免费在线看不卡| 极品少妇高潮喷水抽搐| 精品一区二区免费观看| 国产乱人偷精品视频| 久久久久精品久久久久真实原创| 蜜桃久久精品国产亚洲av| 亚洲精品成人久久久久久| 日韩一区二区三区影片| 国产黄频视频在线观看| 成年免费大片在线观看| 国产午夜精品久久久久久一区二区三区| 一级黄片播放器| 国内少妇人妻偷人精品xxx网站| 国产精品熟女久久久久浪| 亚洲电影在线观看av| 插阴视频在线观看视频| 日本免费在线观看一区| 日本欧美国产在线视频| 成人毛片60女人毛片免费| 日本欧美国产在线视频| 一区二区三区高清视频在线| 国产精品美女特级片免费视频播放器| 亚洲精品视频女| 国产精品久久久久久精品电影小说 | 久久精品国产鲁丝片午夜精品| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品456在线播放app| 欧美日韩在线观看h| 色视频www国产| 日本与韩国留学比较| 99热6这里只有精品| 亚洲av国产av综合av卡| 日本黄色片子视频| 美女主播在线视频| 精品久久久久久成人av| 久久久久久久久大av| 国产在视频线在精品| 久久99热这里只有精品18| 国产在线一区二区三区精| 九九久久精品国产亚洲av麻豆| 蜜桃久久精品国产亚洲av| 日韩不卡一区二区三区视频在线| 精品久久久久久久久久久久久| 亚洲怡红院男人天堂| 久久精品国产鲁丝片午夜精品| 菩萨蛮人人尽说江南好唐韦庄| 欧美高清性xxxxhd video| 国内揄拍国产精品人妻在线| 国产在视频线在精品| 国产 亚洲一区二区三区 | 熟妇人妻不卡中文字幕| 亚洲av男天堂| 欧美一级a爱片免费观看看| 一级片'在线观看视频| 成人综合一区亚洲| 男女国产视频网站| 欧美激情国产日韩精品一区| 丝袜美腿在线中文| 波野结衣二区三区在线| 2021少妇久久久久久久久久久| 寂寞人妻少妇视频99o| 日本欧美国产在线视频| 91午夜精品亚洲一区二区三区| 欧美xxxx性猛交bbbb| 亚洲激情五月婷婷啪啪| 人妻系列 视频| 日本与韩国留学比较| 免费看日本二区| 日韩伦理黄色片| 熟妇人妻不卡中文字幕| 国产精品国产三级国产av玫瑰| 久久久久久久亚洲中文字幕| 精品午夜福利在线看| 精品一区二区三卡| 激情 狠狠 欧美| 中文资源天堂在线| 69av精品久久久久久| 白带黄色成豆腐渣| 高清欧美精品videossex| 亚洲成人av在线免费| 毛片一级片免费看久久久久| 你懂的网址亚洲精品在线观看| 亚洲最大成人手机在线| 男的添女的下面高潮视频| 精品一区二区三区视频在线| 男女边摸边吃奶| 日韩一区二区三区影片| 黄片wwwwww| 别揉我奶头 嗯啊视频| 丰满人妻一区二区三区视频av| 成人综合一区亚洲| 嫩草影院精品99| 麻豆成人av视频| 少妇裸体淫交视频免费看高清| 99re6热这里在线精品视频| 69人妻影院| 亚洲色图av天堂| 日韩欧美精品免费久久| 国产高潮美女av| 秋霞在线观看毛片| 欧美bdsm另类| 国产成人a区在线观看| 有码 亚洲区| 在线播放无遮挡| 综合色丁香网| 欧美日韩综合久久久久久| 男人和女人高潮做爰伦理| 国内少妇人妻偷人精品xxx网站| a级毛色黄片| 看非洲黑人一级黄片| 日本三级黄在线观看| 色吧在线观看| 久久久久久久久中文| 一夜夜www| .国产精品久久| 在现免费观看毛片| 国产极品天堂在线| 女的被弄到高潮叫床怎么办| 亚洲av.av天堂| 一级毛片aaaaaa免费看小| 久久久精品欧美日韩精品| 少妇熟女aⅴ在线视频| 成人无遮挡网站| 边亲边吃奶的免费视频| 超碰97精品在线观看| 乱码一卡2卡4卡精品| 免费电影在线观看免费观看| av专区在线播放| 青青草视频在线视频观看| 三级经典国产精品| 毛片女人毛片| 蜜臀久久99精品久久宅男| 女的被弄到高潮叫床怎么办| 黑人高潮一二区| 免费看不卡的av| 两个人视频免费观看高清| 免费av不卡在线播放| 在线 av 中文字幕| av播播在线观看一区| 亚洲图色成人| 天堂√8在线中文| av在线亚洲专区| 嫩草影院入口| 天堂中文最新版在线下载 | 亚洲国产色片| av播播在线观看一区| 别揉我奶头 嗯啊视频| 国产欧美另类精品又又久久亚洲欧美| 91精品一卡2卡3卡4卡| 日韩av在线大香蕉| 午夜福利网站1000一区二区三区| 韩国高清视频一区二区三区| 亚洲伊人久久精品综合| 联通29元200g的流量卡| 久久99热这里只频精品6学生| 九九在线视频观看精品| 亚洲精品日本国产第一区| 午夜日本视频在线| 丝瓜视频免费看黄片| av又黄又爽大尺度在线免费看| 日韩在线高清观看一区二区三区| 大片免费播放器 马上看| 高清午夜精品一区二区三区| 麻豆成人午夜福利视频| 亚洲成人精品中文字幕电影| 久久精品国产鲁丝片午夜精品| 日本猛色少妇xxxxx猛交久久| 久久精品国产亚洲av涩爱| 精品久久久精品久久久| 日韩av在线免费看完整版不卡| 欧美 日韩 精品 国产| 日韩三级伦理在线观看| 色5月婷婷丁香| 能在线免费看毛片的网站| 91午夜精品亚洲一区二区三区| 亚洲av电影不卡..在线观看| 国产av不卡久久| 麻豆成人av视频| 18禁裸乳无遮挡免费网站照片| 日韩精品青青久久久久久| 成年av动漫网址| 九色成人免费人妻av| 日本熟妇午夜| 中文乱码字字幕精品一区二区三区 | 国产亚洲av嫩草精品影院| 91午夜精品亚洲一区二区三区| 如何舔出高潮| 亚洲自偷自拍三级| 色5月婷婷丁香| 卡戴珊不雅视频在线播放| 亚洲第一区二区三区不卡| 日韩一区二区三区影片| 国产成人免费观看mmmm| 亚洲精品一二三| 一本久久精品| 国产av在哪里看| 极品少妇高潮喷水抽搐| 欧美性猛交╳xxx乱大交人| 最近中文字幕2019免费版| 欧美xxxx性猛交bbbb| 久久精品国产自在天天线| 国产淫语在线视频| 舔av片在线| 久久久久久久久久久免费av| 亚洲欧美中文字幕日韩二区| 免费播放大片免费观看视频在线观看| 国产伦精品一区二区三区四那| 午夜福利视频精品| ponron亚洲| 九九爱精品视频在线观看| 久久精品综合一区二区三区| 九草在线视频观看| 国产淫片久久久久久久久| 亚洲精品乱码久久久久久按摩| 亚洲精品中文字幕在线视频 | 国产69精品久久久久777片| 亚洲国产精品专区欧美| 中文资源天堂在线| 国语对白做爰xxxⅹ性视频网站| 只有这里有精品99| 国产精品蜜桃在线观看| 国产亚洲午夜精品一区二区久久 | 精品国产三级普通话版| 亚洲av中文字字幕乱码综合| av卡一久久| 亚洲精品乱码久久久久久按摩| 精品亚洲乱码少妇综合久久| av在线天堂中文字幕| 成年女人看的毛片在线观看| 国产v大片淫在线免费观看| 99久久中文字幕三级久久日本| 国产伦在线观看视频一区| 一本一本综合久久| 久久精品久久久久久噜噜老黄| 成人午夜精彩视频在线观看| 欧美日韩国产mv在线观看视频 | 精品一区二区三区人妻视频| 中文字幕亚洲精品专区| 国国产精品蜜臀av免费| 欧美日韩综合久久久久久| 麻豆av噜噜一区二区三区| 国产精品国产三级国产av玫瑰| 国产探花极品一区二区| 中文乱码字字幕精品一区二区三区 | 欧美xxxx性猛交bbbb| 亚洲国产精品专区欧美| 国产伦在线观看视频一区| 国产老妇伦熟女老妇高清| 久久久久精品久久久久真实原创| 国产午夜精品一二区理论片| 亚洲国产最新在线播放| 深夜a级毛片| 国产欧美日韩精品一区二区| 一区二区三区免费毛片| 黄片无遮挡物在线观看| 大又大粗又爽又黄少妇毛片口| 毛片一级片免费看久久久久| 日产精品乱码卡一卡2卡三| 一级爰片在线观看| 色播亚洲综合网| 日产精品乱码卡一卡2卡三| 亚洲在线自拍视频| 免费观看无遮挡的男女| 久久久午夜欧美精品| 国产成人精品一,二区| 卡戴珊不雅视频在线播放| 国产亚洲5aaaaa淫片| 国产成人精品一,二区| 少妇猛男粗大的猛烈进出视频 | 嫩草影院精品99| 永久网站在线| 99热这里只有精品一区| 久久久精品欧美日韩精品| 国内精品美女久久久久久| 亚洲精品乱码久久久v下载方式| 一级二级三级毛片免费看| 亚洲欧美精品自产自拍| 亚洲美女搞黄在线观看| 18禁在线播放成人免费| 中文天堂在线官网|