• <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
    国产久久久一区二区三区| 国产精品野战在线观看| 亚洲色图 男人天堂 中文字幕| 宅男免费午夜| 日韩中文字幕欧美一区二区| 亚洲精品国产一区二区精华液| 亚洲七黄色美女视频| 国产主播在线观看一区二区| 日韩欧美 国产精品| 欧美绝顶高潮抽搐喷水| 观看免费一级毛片| 免费在线观看黄色视频的| 欧美成人性av电影在线观看| 国产精品一及| 国内少妇人妻偷人精品xxx网站 | 免费观看人在逋| 此物有八面人人有两片| 欧美精品啪啪一区二区三区| 国产aⅴ精品一区二区三区波| 欧美在线一区亚洲| 亚洲精品在线观看二区| 亚洲色图av天堂| 亚洲av成人精品一区久久| 国产麻豆成人av免费视频| 丰满人妻一区二区三区视频av | 欧美日本亚洲视频在线播放| 欧美日韩瑟瑟在线播放| 国产1区2区3区精品| 91大片在线观看| 精品午夜福利视频在线观看一区| 九九热线精品视视频播放| 天天躁夜夜躁狠狠躁躁| 国产精品一区二区精品视频观看| 国产成人av激情在线播放| 久久九九热精品免费| 五月玫瑰六月丁香| 少妇粗大呻吟视频| 欧美乱色亚洲激情| 免费在线观看黄色视频的| 免费人成视频x8x8入口观看| 五月玫瑰六月丁香| 日韩 欧美 亚洲 中文字幕| 岛国在线观看网站| 蜜桃久久精品国产亚洲av| 国产精品美女特级片免费视频播放器 | 亚洲色图 男人天堂 中文字幕| 麻豆国产97在线/欧美 | 日本 av在线| 国产精品久久久久久久电影 | 亚洲,欧美精品.| 精品久久久久久,| 日韩免费av在线播放| 757午夜福利合集在线观看| 日韩欧美在线二视频| 久9热在线精品视频| 黄片大片在线免费观看| 亚洲精品中文字幕一二三四区| 丁香欧美五月| 一二三四在线观看免费中文在| 亚洲精品av麻豆狂野| 老司机福利观看| 在线观看免费日韩欧美大片| 天堂动漫精品| 妹子高潮喷水视频| 精品久久久久久久人妻蜜臀av| 午夜激情福利司机影院| 欧美zozozo另类| 久久婷婷人人爽人人干人人爱| 欧美性长视频在线观看| 日本一本二区三区精品| 无遮挡黄片免费观看| 日韩免费av在线播放| 成人av一区二区三区在线看| 国产精品国产高清国产av| 国产亚洲精品一区二区www| 日韩欧美 国产精品| 岛国在线观看网站| 99国产精品一区二区三区| 中文字幕久久专区| 丰满人妻熟妇乱又伦精品不卡| 国产v大片淫在线免费观看| 国产日本99.免费观看| 老司机午夜十八禁免费视频| 日韩有码中文字幕| www.www免费av| 一个人观看的视频www高清免费观看 | 成年人黄色毛片网站| 亚洲五月婷婷丁香| 51午夜福利影视在线观看| 欧美性猛交╳xxx乱大交人| 嫩草影院精品99| 国产精品精品国产色婷婷| 91av网站免费观看| or卡值多少钱| av有码第一页| 欧美午夜高清在线| 丰满人妻一区二区三区视频av | 久久婷婷人人爽人人干人人爱| 天天躁夜夜躁狠狠躁躁| 在线观看66精品国产| 日韩大码丰满熟妇| 国产精品久久久久久精品电影| 亚洲 欧美一区二区三区| 国产黄片美女视频| 淫妇啪啪啪对白视频| 午夜福利成人在线免费观看| 日韩有码中文字幕| 三级毛片av免费| 国内精品久久久久久久电影| av福利片在线| av福利片在线| 在线看三级毛片| 国产欧美日韩一区二区精品| 丝袜人妻中文字幕| 老鸭窝网址在线观看| 亚洲黑人精品在线| 丝袜美腿诱惑在线| 国产精品一及| 久久精品国产亚洲av香蕉五月| 亚洲精品一区av在线观看| 久久久久久人人人人人| 久久久久国产精品人妻aⅴ院| 熟妇人妻久久中文字幕3abv| 亚洲午夜理论影院| 中文字幕久久专区| 免费观看精品视频网站| 怎么达到女性高潮| 国产又黄又爽又无遮挡在线| 亚洲人成网站高清观看| 啦啦啦韩国在线观看视频| 色尼玛亚洲综合影院| 女人被狂操c到高潮| 久久久国产成人精品二区| 99精品久久久久人妻精品| 男插女下体视频免费在线播放| 日韩av在线大香蕉| 大型av网站在线播放| 叶爱在线成人免费视频播放| 日日干狠狠操夜夜爽| 大型av网站在线播放| 免费看美女性在线毛片视频| 一级作爱视频免费观看| 桃色一区二区三区在线观看| 久久久国产成人精品二区| 欧美另类亚洲清纯唯美| 最近最新中文字幕大全电影3| 99热这里只有是精品50| 久久久久免费精品人妻一区二区| 精品福利观看| 国产高清视频在线播放一区| 丁香欧美五月| 国产精品免费一区二区三区在线| 国产欧美日韩精品亚洲av| 五月玫瑰六月丁香| 国产一区二区在线av高清观看| 午夜福利在线观看吧| 丝袜人妻中文字幕| 精品熟女少妇八av免费久了| 热99re8久久精品国产| 首页视频小说图片口味搜索| 精品午夜福利视频在线观看一区| 精品第一国产精品| 一区二区三区国产精品乱码| 好看av亚洲va欧美ⅴa在| 一级黄色大片毛片| 好男人电影高清在线观看| 99re在线观看精品视频| 深夜精品福利| 国产精品一区二区免费欧美| 熟女少妇亚洲综合色aaa.| 一本精品99久久精品77| 国产99久久九九免费精品| netflix在线观看网站| 无限看片的www在线观看| 日本黄色视频三级网站网址| 成人av一区二区三区在线看| 亚洲专区中文字幕在线| 久久精品国产亚洲av香蕉五月| 国产精品爽爽va在线观看网站| av视频在线观看入口| 久9热在线精品视频| 美女 人体艺术 gogo| 美女扒开内裤让男人捅视频| 人妻丰满熟妇av一区二区三区| 特级一级黄色大片| 妹子高潮喷水视频| 五月伊人婷婷丁香| 在线免费观看的www视频| 中文字幕熟女人妻在线| 丝袜人妻中文字幕| 老司机午夜福利在线观看视频| 久久人妻av系列| 国产精品亚洲美女久久久| 老汉色∧v一级毛片| 久久人人精品亚洲av| 亚洲,欧美精品.| 精品免费久久久久久久清纯| 后天国语完整版免费观看| 欧美乱妇无乱码| 午夜成年电影在线免费观看| 亚洲国产欧美网| 妹子高潮喷水视频| 中文字幕人成人乱码亚洲影| a级毛片a级免费在线| 欧美成人一区二区免费高清观看 | 日韩高清综合在线| 午夜激情福利司机影院| 国产片内射在线| 搡老熟女国产l中国老女人| 全区人妻精品视频| 伊人久久大香线蕉亚洲五| 亚洲成人国产一区在线观看| 床上黄色一级片| 免费人成视频x8x8入口观看| 亚洲人成伊人成综合网2020| 国产人伦9x9x在线观看| 国产成+人综合+亚洲专区| 我的老师免费观看完整版| 97人妻精品一区二区三区麻豆| 国产精品免费一区二区三区在线| 精品久久久久久久毛片微露脸| 久久中文字幕一级| 欧美色视频一区免费| 正在播放国产对白刺激| 国产精品国产高清国产av| www.自偷自拍.com| 色综合亚洲欧美另类图片| av在线天堂中文字幕| 欧美成狂野欧美在线观看| 成人三级做爰电影| 成人欧美大片| 亚洲 欧美 日韩 在线 免费| 啦啦啦免费观看视频1| 19禁男女啪啪无遮挡网站| 国产精品 国内视频| 亚洲免费av在线视频| 看免费av毛片| 一二三四在线观看免费中文在| 亚洲国产精品sss在线观看| 久久香蕉国产精品| 久久天躁狠狠躁夜夜2o2o| 女警被强在线播放| 欧美中文综合在线视频| 人人妻人人看人人澡| 久热爱精品视频在线9| 日韩欧美国产一区二区入口| 18禁国产床啪视频网站| 一个人免费在线观看电影 | 叶爱在线成人免费视频播放| 国产欧美日韩一区二区精品| 正在播放国产对白刺激| 不卡av一区二区三区| 好男人电影高清在线观看| 久久亚洲精品不卡| 美女高潮喷水抽搐中文字幕| 最近最新中文字幕大全免费视频| 精品无人区乱码1区二区| 黑人欧美特级aaaaaa片| 成年版毛片免费区| 国产野战对白在线观看| 国内毛片毛片毛片毛片毛片| 在线观看免费午夜福利视频| 国产99久久九九免费精品| 日韩中文字幕欧美一区二区| 男女做爰动态图高潮gif福利片| 听说在线观看完整版免费高清| 久久午夜亚洲精品久久| 色尼玛亚洲综合影院| 欧美精品亚洲一区二区| 在线永久观看黄色视频| 亚洲成av人片免费观看| 制服人妻中文乱码| 亚洲一区二区三区不卡视频| 国产精品影院久久| 最近最新中文字幕大全免费视频| 少妇的丰满在线观看| netflix在线观看网站| 一进一出抽搐gif免费好疼| 亚洲av日韩精品久久久久久密| 欧美日韩福利视频一区二区| 精品国内亚洲2022精品成人| 亚洲中文字幕一区二区三区有码在线看 | 少妇人妻一区二区三区视频| 一区福利在线观看| а√天堂www在线а√下载| 性欧美人与动物交配| 搡老熟女国产l中国老女人| 99国产极品粉嫩在线观看| 90打野战视频偷拍视频| 国产成人aa在线观看| 在线国产一区二区在线| 亚洲自拍偷在线| 黄频高清免费视频| 国产成人一区二区三区免费视频网站| 天堂av国产一区二区熟女人妻 | 十八禁网站免费在线| 青草久久国产| 一级毛片女人18水好多| 嫩草影视91久久| 极品教师在线免费播放| 18禁黄网站禁片午夜丰满| 脱女人内裤的视频| 老熟妇仑乱视频hdxx| 久久精品综合一区二区三区| 热99re8久久精品国产| 亚洲一区二区三区不卡视频| 2021天堂中文幕一二区在线观| 国产精品av久久久久免费| 国产成人影院久久av| 男女那种视频在线观看| 欧美又色又爽又黄视频| 最近视频中文字幕2019在线8| 免费看日本二区| 亚洲一区二区三区不卡视频| 啦啦啦免费观看视频1| 成人午夜高清在线视频| 成年免费大片在线观看| 欧美极品一区二区三区四区| 少妇熟女aⅴ在线视频| 三级国产精品欧美在线观看 | www.999成人在线观看| 很黄的视频免费| 亚洲专区国产一区二区| 宅男免费午夜| 男插女下体视频免费在线播放| 最新美女视频免费是黄的| 欧美三级亚洲精品| 亚洲熟妇中文字幕五十中出| 欧美日韩一级在线毛片| 亚洲午夜理论影院| 亚洲国产精品999在线| 国产精品 国内视频| 久久久久精品国产欧美久久久| 在线观看www视频免费| 亚洲av日韩精品久久久久久密| 久久久精品国产亚洲av高清涩受| 一本大道久久a久久精品| 在线视频色国产色| 午夜福利在线观看吧| 麻豆一二三区av精品| 亚洲精品一区av在线观看| 日日干狠狠操夜夜爽| 伦理电影免费视频| 久久久久久免费高清国产稀缺| 哪里可以看免费的av片| 成年免费大片在线观看| 成人国产综合亚洲| 99热只有精品国产| 精品一区二区三区四区五区乱码| 中文字幕av在线有码专区| 久久久久久九九精品二区国产 | 人妻丰满熟妇av一区二区三区| 成人国产一区最新在线观看| 欧美性猛交╳xxx乱大交人| 久久久久久亚洲精品国产蜜桃av| 亚洲最大成人中文| 久久天堂一区二区三区四区| 香蕉国产在线看| 中文字幕久久专区| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品 国内视频| 中文字幕av在线有码专区| 国产在线观看jvid| 啪啪无遮挡十八禁网站| 亚洲欧洲精品一区二区精品久久久| 成人国产一区最新在线观看| 我要搜黄色片| 国产精品 欧美亚洲| 亚洲熟女毛片儿| videosex国产| av片东京热男人的天堂| 超碰成人久久| 男人舔女人下体高潮全视频| 高清毛片免费观看视频网站| 窝窝影院91人妻| 亚洲欧美日韩无卡精品| 69av精品久久久久久| 国产aⅴ精品一区二区三区波| 老司机靠b影院| 午夜福利免费观看在线| 蜜桃久久精品国产亚洲av| 身体一侧抽搐| 性色av乱码一区二区三区2| 国产av一区在线观看免费| 12—13女人毛片做爰片一| 欧美一区二区国产精品久久精品 | 观看免费一级毛片| 日韩欧美 国产精品| 91av网站免费观看| 欧美大码av| 欧美又色又爽又黄视频| cao死你这个sao货| 免费在线观看日本一区| 午夜福利在线在线| 亚洲精华国产精华精| 中文字幕高清在线视频| 99久久精品热视频| 免费在线观看亚洲国产| 亚洲欧美精品综合一区二区三区| 五月玫瑰六月丁香| 两人在一起打扑克的视频| 日本成人三级电影网站| 国产精品自产拍在线观看55亚洲| 亚洲avbb在线观看| 久久婷婷成人综合色麻豆| 丝袜美腿诱惑在线| 精品第一国产精品| 97人妻精品一区二区三区麻豆| 麻豆av在线久日| 久久久久久久久中文| 国产高清激情床上av| 久久久国产成人免费| 免费在线观看视频国产中文字幕亚洲| 国产av一区二区精品久久| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品亚洲精品国产色婷小说| 国产私拍福利视频在线观看| 国产成人一区二区三区免费视频网站| 国产乱人伦免费视频| 亚洲九九香蕉| 久久午夜亚洲精品久久| 精品第一国产精品| 午夜影院日韩av| 欧美成狂野欧美在线观看| 日本熟妇午夜| 亚洲熟妇中文字幕五十中出| 最新在线观看一区二区三区| 在线观看免费视频日本深夜| 舔av片在线| 中文在线观看免费www的网站 | 两性夫妻黄色片| 久久精品亚洲精品国产色婷小说| 国产精品一区二区三区四区久久| 久久久国产成人精品二区| 欧美日韩黄片免| cao死你这个sao货| 成人精品一区二区免费| 久久99热这里只有精品18| 国产成人一区二区三区免费视频网站| 一进一出好大好爽视频| www日本黄色视频网| 国产熟女午夜一区二区三区| 岛国在线观看网站| a级毛片a级免费在线| 91大片在线观看| 最好的美女福利视频网| 91国产中文字幕| 亚洲专区字幕在线| 国产精品,欧美在线| 欧美人与性动交α欧美精品济南到| 白带黄色成豆腐渣| 久久久国产精品麻豆| 最新美女视频免费是黄的| 欧美在线黄色| 午夜老司机福利片| 精品国产超薄肉色丝袜足j| 一夜夜www| 日韩欧美在线乱码| 国产91精品成人一区二区三区| 狂野欧美激情性xxxx| 亚洲专区中文字幕在线| 这个男人来自地球电影免费观看| 91在线观看av| 久久久久久久久久黄片| 精品日产1卡2卡| 亚洲专区中文字幕在线| 国产成人影院久久av| 免费在线观看视频国产中文字幕亚洲| 91麻豆精品激情在线观看国产| av片东京热男人的天堂| 老熟妇仑乱视频hdxx| 一边摸一边抽搐一进一小说| 国产成+人综合+亚洲专区| 久久香蕉国产精品| 国产又黄又爽又无遮挡在线| 97人妻精品一区二区三区麻豆| 午夜精品久久久久久毛片777| 亚洲色图av天堂| 国产精品一区二区三区四区久久| 精品午夜福利视频在线观看一区| 欧美又色又爽又黄视频| 99在线视频只有这里精品首页| 久热爱精品视频在线9| 叶爱在线成人免费视频播放| 免费观看精品视频网站| 久久99热这里只有精品18| 色综合欧美亚洲国产小说| 亚洲专区中文字幕在线| a在线观看视频网站| 老司机在亚洲福利影院| 国内毛片毛片毛片毛片毛片| 亚洲av中文字字幕乱码综合| 岛国视频午夜一区免费看| 久久伊人香网站| 欧美在线黄色| 97超级碰碰碰精品色视频在线观看| 我的老师免费观看完整版| 久久性视频一级片| 白带黄色成豆腐渣| 日日干狠狠操夜夜爽| 国产亚洲精品综合一区在线观看 | 美女扒开内裤让男人捅视频| 人人妻人人澡欧美一区二区| 国产成人一区二区三区免费视频网站| 久久婷婷成人综合色麻豆| 日韩大码丰满熟妇| 老熟妇乱子伦视频在线观看| 香蕉丝袜av| 人人妻人人看人人澡| 欧美一区二区国产精品久久精品 | 欧美激情久久久久久爽电影| 亚洲精品粉嫩美女一区| 日韩欧美在线二视频| 老汉色∧v一级毛片| 久久香蕉国产精品| 桃色一区二区三区在线观看| 亚洲午夜精品一区,二区,三区| 丰满的人妻完整版| 国产成人aa在线观看| 国产精品亚洲美女久久久| 国内揄拍国产精品人妻在线| 女人被狂操c到高潮| 亚洲 国产 在线| 午夜免费激情av| 麻豆成人av在线观看| 搡老妇女老女人老熟妇| 国产成人精品久久二区二区免费| 亚洲av成人av| 欧美最黄视频在线播放免费| 国产精品,欧美在线| 高清在线国产一区| 久久亚洲精品不卡| 久久久国产成人精品二区| 欧美日本亚洲视频在线播放| 97超级碰碰碰精品色视频在线观看| 日本五十路高清| 老司机午夜十八禁免费视频| 两个人的视频大全免费| 91国产中文字幕| 一区二区三区激情视频| 给我免费播放毛片高清在线观看| 国产精品1区2区在线观看.| 99久久无色码亚洲精品果冻| 亚洲av五月六月丁香网| 亚洲欧美一区二区三区黑人| 国产成+人综合+亚洲专区| 亚洲av第一区精品v没综合| 不卡av一区二区三区| 视频区欧美日本亚洲| 国产激情偷乱视频一区二区| 长腿黑丝高跟| 成人一区二区视频在线观看| 亚洲精品美女久久久久99蜜臀| 50天的宝宝边吃奶边哭怎么回事| 国产精品免费一区二区三区在线| 亚洲男人的天堂狠狠| 搡老岳熟女国产| 国产激情久久老熟女| 巨乳人妻的诱惑在线观看| 精品欧美一区二区三区在线| 美女大奶头视频| 成年女人毛片免费观看观看9| 国产在线观看jvid| 99久久综合精品五月天人人| 午夜福利欧美成人| 亚洲男人的天堂狠狠| 一进一出好大好爽视频| 欧美大码av| 亚洲男人天堂网一区| 日韩大尺度精品在线看网址| 91成年电影在线观看| 91九色精品人成在线观看| а√天堂www在线а√下载| 亚洲欧美精品综合一区二区三区| 午夜免费激情av| 老熟妇仑乱视频hdxx| 免费在线观看成人毛片| 国产成人系列免费观看| 日本三级黄在线观看| 国产私拍福利视频在线观看| 看免费av毛片| 国产伦人伦偷精品视频| 亚洲电影在线观看av| 亚洲成a人片在线一区二区| 一a级毛片在线观看| 国产片内射在线| 久久亚洲精品不卡| 黄色毛片三级朝国网站| 99riav亚洲国产免费| 丁香欧美五月| 99国产精品99久久久久| 午夜免费激情av| 国产真人三级小视频在线观看| 可以在线观看毛片的网站| 中亚洲国语对白在线视频| 色在线成人网| 日日爽夜夜爽网站| a在线观看视频网站| 五月伊人婷婷丁香| 国产成人精品久久二区二区免费| 亚洲五月婷婷丁香| 男女下面进入的视频免费午夜| 亚洲成av人片在线播放无| 制服诱惑二区| 久久婷婷人人爽人人干人人爱| 一本综合久久免费| 精品熟女少妇八av免费久了| 国产欧美日韩一区二区三| 欧美性长视频在线观看| 午夜老司机福利片| 中文字幕人妻丝袜一区二区| 精品福利观看| 又爽又黄无遮挡网站| 久久久久久久午夜电影| 久久精品91蜜桃|