• <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 ?

    基于密度背景純化的高光譜異常檢測算法

    2017-01-17 05:18:22趙春暉王鑫鵬閆奕名
    哈爾濱工程大學學報 2016年12期
    關鍵詞:協(xié)方差背景光譜

    趙春暉,王鑫鵬,閆奕名

    (哈爾濱工程大學信息與通信工程學院,黑龍江哈爾濱150001)

    基于密度背景純化的高光譜異常檢測算法

    趙春暉,王鑫鵬,閆奕名

    (哈爾濱工程大學信息與通信工程學院,黑龍江哈爾濱150001)

    在高光譜圖像異常檢測中,背景存在異常像元會造成背景統(tǒng)計信息失真,這將導致檢測結果具有較高的虛警率。針對此問題,本文提出了一種基于密度背景純化的異常檢測算法。首先計算背景中每個像元的密度;然后根據高光譜圖像中背景密度遠大于異常密度的特性,利用最大類間方差法將異常從背景中分離;最后,將純化后的背景用于統(tǒng)計信息的估計,通過RX檢測算法(Reed-Xiaoli detector,RXD)對高光譜圖像進行檢測。為驗證算法的有效性,利用兩組真實的高光譜數據進行仿真實驗。實驗結果表明與RXD比,所提算法在兩組數據下的曲線下面積值分別提高了0.024 6和0.008 6。與當前的異常檢測算法相比:所提算法有較好的接收機工作特性曲線。

    高光譜圖像;遙感;異常檢測;密度;純化;RX檢測算法;最大類間方差法;接收機工作特性

    高光譜圖像是一種圖譜合一的新型遙感數據,具有很高的光譜分辨率。借助其豐富的光譜信息,可以通過目標檢測或異常檢測算法識別高光譜圖像中的低概率地物。異常檢測在目標先驗知識未知的情況下,通過分析背景與異常目標的光譜差異,直接檢測出異常點。這對背景和目標分布未知的檢測識別具有重要意義。

    經典的異常檢測算法是Reed等[1]基于廣義似然比檢驗提出的RX算法。它基于兩點假設:背景服從多維高斯分布模型和異常像元在高光譜圖像中低概率存在。由于在實際應用中高光譜圖像通常包含多種地物[2],同時受陰影、光照效果、大氣干擾或同譜異物的影響,背景復雜多變。并且,高光譜圖像中存在同背景像元相似度很高的亞像元級異常目標[3],增加了背景復雜性。因此多維高斯分布模型不能全面描述真實背景地物的分布特性。Smetek等[4]指出只要存在0.5%的數據污染就會造成協(xié)方差失真,高光譜圖像背景的復雜性造成了統(tǒng)計信息的失真,導致RX檢測算法存在較高的虛警率。針對此問題,文獻[5-8]通過背景純化將異常分離,使背景更為符合多維高斯分布模型,得到更為準確的背景統(tǒng)計信息(背景協(xié)方差與均值向量),降低了RX檢測的虛警率。Gorelnik等[5]通過聚類方法分割圖像,將背景所在類的像元用于計算協(xié)方差矩陣和均值向量,得到了更準確的背景統(tǒng)計信息。而文獻[6-7]通過RXD迭代方式對背景純化,獲得更準確的背景統(tǒng)計信息,降低了檢測虛警率。Billor等[6]通過RXD迭代方式對背景純化,并引入校正因子增強背景純化的穩(wěn)健性,提出了BACON(blocked adaptive computationally efficient outlier nominators)。針對BACON初始背景存在較多異常像元的問題,Du等[7]通過隨機選擇像元構建初始背景,降低了初始背景中異常所占的比例,并且融合多次實驗結果增強了檢測效果,提出了RSAD(random-selectionbased anomaly detector)。不同于BACON和RSAD的迭代方式,Gao等[8]提出的PAD(probabilistic anomaly detector)首先通過概率統(tǒng)計方式自適應獲得閾值,依據RXD檢測結果,將高光譜圖像分割為異常和背景兩部分,然后利用異常和背景兩部分的統(tǒng)計信息,將像元歸屬于背景和異常的程度之差作為判別依據。

    通過背景純化可以去除背景中的異常數據,得到更準確的背景統(tǒng)計信息,從而有效的降低虛警率。所以對背景純化的研究是十分有必要的。由于異常在高光譜圖像中稀疏分布,且異常像元數目遠少于背景像元數目,通過計算像元的密度可以有效分離背景中的異常。據此本文提出了一種基于密度背景純化的異常檢測算法(density background refinement based anomaly detector,DBRAD),通過將背景純化方法引入RXD中,降低了RXD的虛警率。

    1 基于密度背景純化的異常檢測算法

    1.1 RX檢測算法

    RX檢測算法是一種基于廣義似然比檢測的異常檢測算法,可以通過單一的閾值來維持所期望的虛警率。RX算法可以看作一個二元信號檢測問題。使H0表示目標不存在,H1表示目標存在,二元假設表示如下

    式中:x表示高光譜圖像像元,n表示背景噪聲向量,s表示目標光譜向量。定義為包含N個像元的L×N的背景矩陣,第i個像元表示為表示高光譜圖像波段數。假設背景和目標分布具有相同的協(xié)方差和不同的均值,分別服從多維高斯分布和為背景Xb的均值,K為協(xié)方差矩陣。根據以上假設,可以獲得背景和目標的概率密度函數:

    當樣本數N趨于無窮時,進一步簡化為

    從式(4)可以看出RX判別式與馬氏距離有著相同的形式,可以看作像元到背景集合的協(xié)方差距離。本質上,RXD可以看作主成分分析的逆過程[9],通過對協(xié)方差矩陣K進行奇異值分解,可以將RX判別式表示成主成分特征值加權的歐幾里德范數的形式。異常目標與協(xié)方差矩陣的小特征值對應,而特征值越小,RX檢測結果越大,這是RX算法能有效地應用于異常目標檢測的原因。

    根據構造背景方式不同,RX檢測算法分為局部RX檢測算法(local RXD,LRXD)[10]和全局RX檢測算法(global RXD,GRXD)。GRXD采用圖像的所有像元作為背景,而LRXD基于滑動同心雙層窗模型選擇檢測像元的局部近鄰對背景的協(xié)方差和均值等參數進行估計。同心雙層窗模型分為外窗和內窗,外窗內的像元集合作為背景,內窗作為保護窗將檢測像元與背景分離。窗口的大小由感興趣目標的尺寸決定[8]。由于異常像元可能存在于構造的背景中,直接將圖像的所有像元或外窗中的像元作為背景計算協(xié)方差和均值是不準確的,這會造成較大的虛警率。通過背景純化可以將異常像元從初始的背景中分離,從而計算得到更準確的背景統(tǒng)計信息,降低虛警率。由于LRXD能更好地檢測圖像中的小目標,且局部背景更符合多維高斯分布模型,本文將密度背景純化方法應用于LRXD中。

    1.2 密度背景純化方法

    密度指單位空間中物體的數量。如圖1(a)所示,以像元p為球心,以一定距離為半徑構造超球體,將像元p的密度定義為:超球體內像元的數目與該超球體體積的比值。其函數表示為

    即像元密度可以簡化為求超球體內像元數目[11]。由于異常在高光譜圖像中稀疏分布,且異常像元數目遠少于背景像元數目,所以背景像元的密度遠大于異常像元的密度,如圖1(b)所示。

    圖1 密度函數定義和效果示意圖Fig.1 Illustration of the density definition and the result of the density function

    本文選用歐氏距離計算像元間距,將高光譜數據歸一化,則像元間的最大距離為為高光譜圖像波段數。計算像元間距時將其除以歸一化,以便之后半徑d的選取。

    半徑d的取值會對像元密度的計算產生較大影響:若d取值過大,則易將背景與異?;旌嫌诔蝮w中,這時無論背景像元或異常像元都具有較大的密度;若d取值過小則會對像元過分割,像元密度過小,同樣會造成異常與背景的密度相近的情況。所以d取值過大過小都會對異常分離造成不利影響。由于同類地物的像元聚合程度很高,同類地物的像元可以聚集于一個小半徑的超球體中,本文設定的該半徑在像元間距最大值的1%~5%,即d的取值區(qū)間為[0.01,0.05]。

    確定d的取值后,根據式(6)計算背景矩陣Xb各個像元xi的密度deni,得到背景像元密度向量然后根據背景像元密度大小,通過兩次分割將異常分離。初次分割通過設定一定的比例分割出穩(wěn)健的背景:設異常在初始背景中的比例不超過10%[11],確定背景中密度最大的80%的像元為背景像元,而異常存在于剩余的20%的像元中。如式(7),將這20%像元記為Xs,其密度記為dens。

    二次分割通過最大類間方差法將Xs中的異常分離。最大類間方差法[12]是一種自適應的閾值確定方法,又叫大津法,簡稱Otsu,常用于圖像分割。它按圖像的灰度特性,將圖像分成背景和目標兩部分。背景和目標之間的類間方差越大,說明構成圖像的兩部分的差別越大,錯分會導致兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。本文將Otsu應用于密度向量的分割。首先將dens灰度化:

    式中:max(·)表示其中元素的最大值,[·]表示根據四舍五入取整。然后遍歷灰度值([0,255]區(qū)間內的整數),將其作為閾值將densg分成異常和背景兩部分。計算兩部分間的方差,當兩部分間的方差最大時記錄該灰度值th:

    式中:ω0表示densg中小于th的元素所占比例,ω1表示densg中不小于th的元素所占比例;μ0、μ1、μ分別為densg中小于th的元素的均值、densg中大于等于th的元素的均值、densg的均值。當存在多個灰度值滿足條件時,取它們的平均值作為th。接著,將th去灰度化,得到分割閾值thf:

    最后如式(11),將den中不小于thf的元素對應的像元判別為背景像元,更新Xb:

    DBRAD算法通過計算背景像元密度將異常從背景中分離,最后將純化后的背景統(tǒng)計信息用于LRXD中進行檢測。DBRAD算法的具體步驟如下所示:

    1)利用雙層窗模型,獲得當前檢測像元xi對應的背景矩陣Xb。

    2)根據式(6)~(11)純化背景,更新Xb。

    3)根據更新后的Xb計算背景均值μ和協(xié)方差矩陣K,代入式(4)計算,得到像元判別值。

    4)設定閾值,將判別值大于閾值的像元判為異常。

    2 實驗及分析

    實驗利用兩組高光譜圖像數據(美國圣地亞哥海軍基地數據和SpecTIR數據)對DBRAD算法的檢測性能進行測試。

    2.1 美國圣地亞哥海軍基地數據

    美國圣地亞哥海軍基地數據[13]由AVIRIS成像儀獲得,圖像大小為400×400,圖像覆蓋了從可見光到近紅外的連續(xù)光譜范圍,共有224波段,去除水吸收帶和低信噪比的波段后,剩下126個波段用于仿真實驗。如圖2所示,截取了該圖像的一部分區(qū)域用于仿真實驗。截取圖像的大小為100×100,包含38個待檢測目標。

    圖2 圣地亞哥海軍基地數據的第60波段圖像及目標分布圖Fig.2 The sixtieth band image and targets distribution for the Santiago naval base data

    實驗在Intel Core i5-4210M主頻2.60G CPU,8G內存,Matlab 2014b環(huán)境下進行。

    在對高光譜數據進行歸一化后,根據感興趣目標大小,將外窗大小設為15×15,內窗大小設為5× 5。為了驗證本文算法的效果,選擇原始算法LRXD,最佳的迭代算法RSAD和最近提出的PAD算法作為對比算法。

    將接收機工作特性(receiver operating characteristic,ROC)作為性能評價的方法[14-15]。高光譜檢測領域中,將檢測到的真實目標像素個數與實際目標個數比值定義為檢測率Pd,將檢測到的虛警像素個數同整幅高光譜圖像像素總數的比值定義為虛警率Pf。

    圖3(a)給出了取不同值(0.05,0.03,0.01)時DBRAD的ROC曲線比較。可以看出當d取值為0.01時,檢測效果最好,在相同虛警率下具有較高的檢測率。但存在d取值不同時ROC曲線差距較大的問題。圖3(b)給出了DBRAD(d=0.01)同LRXD、RSAD、PAD算法的ROC曲線比較??梢钥闯鯠BRAD的ROC曲線變化更快,檢測率高于其他算法。

    表1給出了d取不同值時DBRAD的曲線下面積(area under the ROC curve,AUC)。表2給出了LRXD、RSAD、PAD和DBRAD的AUC比較。綜合表1和表2可以發(fā)現,d取0.05、0.03或0.01時DBRAD的AUC都大于其他算法。

    從檢測結果二值圖可以看出,相對PAD、RSAD、LRXD有些目標檢測結果不夠清晰完整,DBRAD可以有效的檢測出38個異常目標且虛警點更少。

    通過以上對比分析,雖然存在因d取值不同導致DBRAD檢測效果有較大差異的問題,但是在時,DBRAD同其他算法相比也有較好的檢測效果。說明通過密度純化可以有效抑制異常干擾,提高檢測性能。

    圖3 美國圣地亞哥海軍基地數據的ROC曲線比較Fig.3 ROC curves comparison for the Santiago naval base data

    2.2 SpecTIR數據

    SpecTIR數據采集于SpecTIR高光譜機載曼徹斯特實驗[16],由ProSpecTIR-VS2成像儀拍攝于2010年7月29日。SpecTIR數據包含360個波段,波段范圍390~2 450 nm,光譜分辨率5 nm,空間分辨率1 m。如圖3所示,選取大小為100×100的區(qū)域用于實驗。該區(qū)域包含不同尺寸(9、4、0.25 m2)和材質(棉或聚酯纖維)的布料,將其作為檢測目標。

    圖6(a)給出了d取不同值(0.05、0.03和0.01)時DBRAD的ROC曲線比較。當d=0.05與d= 0.03時檢測效果相近,但明顯優(yōu)于d=0.01的情況。圖6(b)給出了DBRAD(d=0.03)同LRXD、RSAD、PAD算法的ROC曲線比較。可以看出雖然DBRAD在虛警率區(qū)間[0.015,0.023]內檢測率相比PAD較低,但DBRAD的ROC曲線在低虛警率區(qū)間[0,0.01]變化率更高且檢測率遠高于其他算法,說明DBRAD能更快更多地檢測到目標,所以DBRAD整體效果還是最好的。

    表1 DBRAD在d取不同值時的曲線下面積Table 1 AUC of DBRAD with different

    表2 LRXD、RSAD、PAD和DBRAD的曲線下面積Table 2 AUC of DBRAD,LRXD,RSAD and PAD

    圖4 圣地亞哥海軍基地數據的檢測結果二值圖Fig.4 Detection results for the Santiago naval base data

    圖5 SpecTIR數據第60波段圖像及目標分布圖Fig.5 The sixtieth band image and targets distribution for the SpecTIR data

    圖6 SpecTIR數據的ROC曲線比較Fig.6 ROC curves comparison for the SpecTIR data

    表3給出了d取不同值時DBRAD的AUC比較。表4給出了LRXD、RSAD、PAD和DBRAD的AUC比較。綜合表3和表4可以發(fā)現,d取0.05、0.03或0.01時DBRAD的AUC都大于其他算法,且彼此AUC差距較小。

    從檢測結果二值圖可以看出,相對LRXD、PAD和RSAD、DBRAD可以更清晰完整地檢測出目標。

    表3 DBRAD在d取不同數值時的曲線下面積Table 3 AUC of DBRAD with different d

    表4 LRXD、RSAD、PAD和DBRAD的曲線下面積Table 4 AUC of DBRAD,LRXD,RSAD and PAD

    圖7 SpecTIR數據的檢測結果二值圖Fig.7 Detection results for the SpecTIR data

    3 結論

    1)將密度背景純化方法引入RXD中用以去除背景中的異常像元,提出了基于密度背景純化的異常檢測算法(DBRAD)。

    2)對于圣地亞哥海軍基地數據和SpecTIR數據,DBRAD的AUC值比RXD分別提高了0.024 6和0.008 6。同時,從ROC曲線可以看出DBRAD相比于其他算法有較高的檢測率。這說明,密度背景純化方法有效抑制了異常點對背景數據的干擾,使背景協(xié)方差和均值等參數更加準確,降低了虛警率。

    3)在計算密度時,需要人為設定半徑值。對于兩幅高光譜數據,在不同半徑選擇下DBRAD最大AUC差值為0.008 8和0.001 2。這說明人為選擇半徑值可能會對最后的檢測效果造成較大影響。如何自適應選取半徑將是下一步研究的重點。

    [1]REED I S,YU X.Adaptive multiple-band CFAR detection of an optical pattern with unknown spectral distribution[J].IEEE transactions on acoustics,speech,and signal processing,1990,38(10):1760-1770.

    [2]HUCK A,GUILLAUME M.Asymptotically CFAR-unsupervised target detection and discrimination in hyperspectral images with anomalous-component pursuit[J].IEEE transactions on geoscience and remote sensing,2010,48(11):3980-3991.

    [3]CHANG C I,HEINZ D C.Constrained subpixel target detection for remotely sensed imagery[J].IEEE transactions on geoscience and remote sensing,2000,38(3):1144-1159.

    [4]SMETEK T E,BAUER K W.Finding hyperspectral anomalies using multivariate outlier detection[C]//Aerospace Conference,2007 IEEE.Big Sky,MT,USA:IEEE,2007:1-24.

    [5]GORELNIK N,YEHUDAI H,ROTMAN S R.Anomaly detection in non-stationary backgrounds[C]//Proceedings of the 2nd Workshop on Hyperspectral Image and Signal Processing:Evolution in Remote Sensing.Reykjavìk,Iceland:IEEE,2010:1-4.

    [6]BILLOR N,HADI A S,VELLEMAN P F.BACON:blocked adaptive computationally efficient outlier nominators[J].Computational statistics&data analysis,2000,34(3):279-298.

    [7]DU Bo,ZHANG Liangpei.Random-selection-based anomaly detector for hyperspectral imagery[J].IEEE transactions on geoscience and remote sensing,2011,49(5):1578-1589.

    [8]GAO Lianru,GUO Qiandong,PLAZA A,et al.Probabilistic anomaly detector for remotely sensed hyperspectral data[J].Journal of applied remote sensing,2014,8(1):083538.

    [9]VELASCO-FORERO S,CHEN M,GOH A,et al.Comparative analysis of covariance matrix estimation for anomaly detection in hyperspectral images[J].IEEE journal of selected topics in signal processing,2015,9(6):1061-1073.

    [10]MOLERO J M,GARZóN E M,GARCíA I,et al.Analysis and optimizations of global and local versions of the RX algorithm for anomaly detection in hyperspectral data[J].IEEE journal of selected topics in applied earth observations and remote sensing,2013,6(2):801-814.

    [11]LOU Chen,ZHAO Huijie.Local density-based anomaly detection in hyperspectral image[J].Journal of applied remote sensing,2015,9(1):095070.

    [12]OTSU N.A threshold selection method from gray-level histograms[J].IEEE transactions on systems,man,and cybernetics,1979,9(1):62-66.

    [13]趙春暉,李曉慧,朱海峰.空間4-鄰域稀疏表示的高光譜圖像目標檢測[J].哈爾濱工程大學學報,2013,34(9):1171-1178.ZHAO Chunhui,LI Xiaohui,ZHU Haifeng.Hyperspectral imaging target detection algorithm based on spatial 4 neighborhoods for sparse representation[J].Journal of Harbin Engineering University,2013,34(9):1171-1178.

    [14]MOLERO J M,GARZóN E M,GARCíA I,et al.Anomaly detection based on a parallel kernel RX algorithm for multicore platforms[J].Journal of applied remote sensing,2012,6(1):061503.

    [15]趙春暉,李曉慧,田明華.采用主成分量化和密度估計期望最大聚類的高光譜異常目標檢測[J].光子學報,2013,42(10):1224-1230.ZHAO Chunhui,LI Xiaohui,TIAN Minghua.Hyperspectral imaging abnormal target detection algorithm using principal component quantization and density estimation on EM clustering[J].Acta photonica sinica,2013,42(10):1224-1230.

    [16]HERWEG J A,KEREKES J P,WEATHERBEE O,et al.SpecTIR hyperspectral airborne Rochester experiment data collection campaign[C]//Proceedings of SPIE 8390,Algorithms and Technologies for Multispectral,Hyperspectral,and Ultraspectral Imagery XVIII.Baltimore,Maryland,USA:SPIE,2012:839028.

    Density background refinement-based anomaly detection algorithm for hyperspectral images

    ZHAO Chunhui,WANG Xinpeng,YAN Yiming
    (College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China)

    In anomaly detection in hyperspectral images,a background anomaly distorts the background statistical information,leading to a high false-alarm rate.Here a density background refinement-based anomaly detector is proposed to solve this problem.The density of each background pixel was calculated first.Then,considering that the background density is much greater than the density of an anomaly in hyperspectral images,anomalies were separated from background using Otsu′s method.Finally,the image was detected with a Reed-Xiaoli detector(RXD)using statistical information on the refined background.To validate the effectiveness of the proposed algorithm,experiments were conducted on two real hyperspectral data sets.The results show that the proposed algorithm′s areaunder-curve values are 0.024 6 and 0.008 6 larger than RXD for the two data,respectively,and that it shows better receiver operating characteristics compared with existing anomaly detection algorithms.

    hyperspectral image;remote sensing;anomaly detection algorithm;density;refinement;RX detector;Otsu′s method;receiver operating characteristic

    10.11990/jheu.201511073

    http://www.cnki.net/kcms/detail/23.1390.u.20160928.0936.038.html

    TP751.1

    A

    1006-7043(2016)12-1722-06

    趙春暉,王鑫鵬,閆奕名.基于密度背景純化的高光譜異常檢測算法[J].哈爾濱工程大學學報,2016,37(12):1722-1727.

    2015-11-28.

    2016-09-28.

    國家自然科學基金項目(61571145,61601135);黑龍江省自然科學基金項目(ZD201216);哈爾濱市優(yōu)秀學科帶頭人基金項目(RC2013XK0 09003);中央高校基本科研業(yè)務費專項基金項目(GK2080260139).

    趙春暉(1965-),男,教授,博士生導師.

    趙春暉,E-mail:zhaochunhui@hrbeu.edu.cn.

    ZHAO Chunhui,WANG Xinpeng,YAN Yiming.Density background refinement-based anomaly detection algorithm for hyperspectral images[J].Journal of Harbin Engineering University,2016,37(12):1722-1727.

    猜你喜歡
    協(xié)方差背景光譜
    基于三維Saab變換的高光譜圖像壓縮方法
    “新四化”背景下汽車NVH的發(fā)展趨勢
    《論持久戰(zhàn)》的寫作背景
    當代陜西(2020年14期)2021-01-08 09:30:42
    晚清外語翻譯人才培養(yǎng)的背景
    不確定系統(tǒng)改進的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預報器
    自動化學報(2016年8期)2016-04-16 03:38:55
    一種基于廣義協(xié)方差矩陣的欠定盲辨識方法
    星載近紅外高光譜CO2遙感進展
    中國光學(2015年5期)2015-12-09 09:00:28
    苦味酸與牛血清蛋白相互作用的光譜研究
    鋱(Ⅲ)與PvdA作用的光譜研究
    縱向數據分析中使用滑動平均Cholesky分解對回歸均值和協(xié)方差矩陣進行同時半參數建模
    www国产在线视频色| 国产精品国产高清国产av| 超碰97精品在线观看| 亚洲片人在线观看| 日日干狠狠操夜夜爽| 国产亚洲欧美98| 国产成人免费无遮挡视频| 黄色成人免费大全| 男女下面进入的视频免费午夜 | 久热爱精品视频在线9| 天天躁夜夜躁狠狠躁躁| 亚洲精品国产精品久久久不卡| 久久久久国内视频| 老司机福利观看| 欧美乱码精品一区二区三区| 精品久久久久久,| 午夜福利免费观看在线| 亚洲成a人片在线一区二区| 一级毛片精品| 久久久久亚洲av毛片大全| 久久香蕉国产精品| 99香蕉大伊视频| 国产人伦9x9x在线观看| 亚洲成人免费电影在线观看| 十八禁网站免费在线| 日韩大码丰满熟妇| 国产成人av激情在线播放| 国产亚洲av高清不卡| 久久精品国产亚洲av香蕉五月| 日日干狠狠操夜夜爽| 狂野欧美激情性xxxx| 在线观看舔阴道视频| 久久久久久人人人人人| 黄色视频不卡| 免费在线观看亚洲国产| 超碰成人久久| 亚洲第一av免费看| 久久天躁狠狠躁夜夜2o2o| 亚洲男人的天堂狠狠| www日本在线高清视频| 韩国精品一区二区三区| 午夜福利免费观看在线| 亚洲欧美激情综合另类| 超碰成人久久| 精品国产美女av久久久久小说| 一个人观看的视频www高清免费观看 | 国产精品自产拍在线观看55亚洲| 最新在线观看一区二区三区| 免费在线观看视频国产中文字幕亚洲| 99re在线观看精品视频| 亚洲一区二区三区欧美精品| 我的亚洲天堂| 18禁观看日本| 另类亚洲欧美激情| 亚洲色图 男人天堂 中文字幕| 丰满迷人的少妇在线观看| 亚洲成人免费电影在线观看| 19禁男女啪啪无遮挡网站| 成人18禁在线播放| 成人特级黄色片久久久久久久| 欧美午夜高清在线| 波多野结衣一区麻豆| 黑人欧美特级aaaaaa片| 97人妻天天添夜夜摸| 九色亚洲精品在线播放| 97超级碰碰碰精品色视频在线观看| 成熟少妇高潮喷水视频| 亚洲色图综合在线观看| 欧美激情久久久久久爽电影 | 国产成人啪精品午夜网站| 久久香蕉国产精品| 男女下面进入的视频免费午夜 | 一进一出抽搐动态| 成年人黄色毛片网站| 欧美一级毛片孕妇| 国产成人精品久久二区二区免费| 999精品在线视频| 久久中文看片网| 亚洲七黄色美女视频| 久9热在线精品视频| 97超级碰碰碰精品色视频在线观看| 亚洲第一欧美日韩一区二区三区| 免费一级毛片在线播放高清视频 | 高清在线国产一区| 成人18禁在线播放| 麻豆一二三区av精品| 亚洲一区中文字幕在线| 99久久久亚洲精品蜜臀av| 美女大奶头视频| 久久中文看片网| 51午夜福利影视在线观看| 国产精品成人在线| 国产麻豆69| 国产高清videossex| 在线国产一区二区在线| 在线观看66精品国产| 伊人久久大香线蕉亚洲五| 久久天堂一区二区三区四区| 久久中文字幕一级| 国产色视频综合| 高潮久久久久久久久久久不卡| 每晚都被弄得嗷嗷叫到高潮| 成人免费观看视频高清| 亚洲第一欧美日韩一区二区三区| 九色亚洲精品在线播放| 国产一区二区在线av高清观看| 视频区图区小说| 美国免费a级毛片| 啦啦啦免费观看视频1| 男女之事视频高清在线观看| 中文字幕人妻熟女乱码| 国产色视频综合| 最近最新免费中文字幕在线| 国产成人一区二区三区免费视频网站| xxx96com| 亚洲成人免费电影在线观看| 国产蜜桃级精品一区二区三区| 19禁男女啪啪无遮挡网站| 久99久视频精品免费| 窝窝影院91人妻| 欧美日韩亚洲高清精品| 国产欧美日韩一区二区三| 午夜福利在线观看吧| 国产亚洲欧美98| 国产成+人综合+亚洲专区| 亚洲少妇的诱惑av| 日本免费a在线| 性少妇av在线| 午夜日韩欧美国产| 精品人妻1区二区| 日本黄色日本黄色录像| 久9热在线精品视频| svipshipincom国产片| 两性午夜刺激爽爽歪歪视频在线观看 | 国产色视频综合| 在线播放国产精品三级| 精品福利观看| 成人三级黄色视频| 亚洲av第一区精品v没综合| 首页视频小说图片口味搜索| 91在线观看av| 波多野结衣av一区二区av| 黑丝袜美女国产一区| 很黄的视频免费| 中文字幕av电影在线播放| 精品国产超薄肉色丝袜足j| 1024香蕉在线观看| tocl精华| 大码成人一级视频| 国产av一区在线观看免费| 免费日韩欧美在线观看| 日韩欧美国产一区二区入口| 成人三级黄色视频| 黄色视频不卡| 99国产精品一区二区蜜桃av| 男人操女人黄网站| 久久久久精品国产欧美久久久| 亚洲国产精品合色在线| 女人高潮潮喷娇喘18禁视频| 天堂动漫精品| www.www免费av| 最近最新中文字幕大全电影3 | 精品国产乱码久久久久久男人| 精品国产一区二区久久| 精品国内亚洲2022精品成人| 亚洲成人免费电影在线观看| 一级a爱片免费观看的视频| 在线天堂中文资源库| 国产精华一区二区三区| 亚洲专区国产一区二区| 在线观看免费视频日本深夜| 国产高清视频在线播放一区| 男人舔女人下体高潮全视频| 国产精品久久视频播放| 色综合欧美亚洲国产小说| 国产免费男女视频| 人人妻,人人澡人人爽秒播| 亚洲狠狠婷婷综合久久图片| 热99re8久久精品国产| 色播在线永久视频| 日韩免费av在线播放| 国产精品二区激情视频| 男女下面插进去视频免费观看| 性欧美人与动物交配| 看黄色毛片网站| 欧美日韩亚洲高清精品| 黄色视频不卡| 99热国产这里只有精品6| 丁香六月欧美| 成人免费观看视频高清| 欧美人与性动交α欧美精品济南到| 久久伊人香网站| 亚洲精品一卡2卡三卡4卡5卡| 一a级毛片在线观看| 黄频高清免费视频| 老司机午夜十八禁免费视频| 一级毛片精品| 国产成人欧美| 国产精品免费一区二区三区在线| 一级,二级,三级黄色视频| 精品久久蜜臀av无| 亚洲精品av麻豆狂野| 黄网站色视频无遮挡免费观看| 午夜福利一区二区在线看| 久久人妻熟女aⅴ| 桃色一区二区三区在线观看| 欧美乱色亚洲激情| 少妇粗大呻吟视频| 人人妻人人添人人爽欧美一区卜| 亚洲 欧美一区二区三区| 久久久久久免费高清国产稀缺| 成人三级黄色视频| 满18在线观看网站| www国产在线视频色| 欧美精品啪啪一区二区三区| 久久精品aⅴ一区二区三区四区| 一边摸一边抽搐一进一小说| 丰满迷人的少妇在线观看| 一进一出抽搐gif免费好疼 | 日韩有码中文字幕| 国产成人免费无遮挡视频| 热re99久久精品国产66热6| 国产免费av片在线观看野外av| 十八禁人妻一区二区| 男女高潮啪啪啪动态图| 一边摸一边抽搐一进一出视频| 99re在线观看精品视频| 亚洲七黄色美女视频| 老司机午夜福利在线观看视频| 九色亚洲精品在线播放| 国产又色又爽无遮挡免费看| 午夜福利在线观看吧| 伦理电影免费视频| 曰老女人黄片| 国产精品免费一区二区三区在线| 一区在线观看完整版| 午夜成年电影在线免费观看| 一二三四在线观看免费中文在| av视频免费观看在线观看| 亚洲五月婷婷丁香| 国产1区2区3区精品| 日韩欧美国产一区二区入口| 俄罗斯特黄特色一大片| 国产97色在线日韩免费| 色婷婷久久久亚洲欧美| 亚洲全国av大片| 丝袜美足系列| 999精品在线视频| 亚洲av日韩精品久久久久久密| 久久久久久亚洲精品国产蜜桃av| 美女福利国产在线| 老司机靠b影院| 免费少妇av软件| 久久中文字幕人妻熟女| 狂野欧美激情性xxxx| 免费观看精品视频网站| 一进一出抽搐gif免费好疼 | 国产精华一区二区三区| 一级片'在线观看视频| 亚洲色图av天堂| 久久精品国产亚洲av香蕉五月| 男人的好看免费观看在线视频 | 深夜精品福利| av有码第一页| 亚洲人成伊人成综合网2020| 热re99久久国产66热| 精品久久久久久,| 色精品久久人妻99蜜桃| 91老司机精品| 悠悠久久av| 午夜福利在线免费观看网站| 国产成人一区二区三区免费视频网站| 好看av亚洲va欧美ⅴa在| 韩国精品一区二区三区| 亚洲av电影在线进入| 在线观看日韩欧美| 亚洲av片天天在线观看| 亚洲国产欧美日韩在线播放| 91精品三级在线观看| 99在线视频只有这里精品首页| 一级毛片女人18水好多| 999精品在线视频| 五月开心婷婷网| 久久性视频一级片| 久久人妻av系列| 久久久久国产精品人妻aⅴ院| 波多野结衣av一区二区av| 丝袜美腿诱惑在线| 国产精品美女特级片免费视频播放器 | 十分钟在线观看高清视频www| 日日夜夜操网爽| 精品电影一区二区在线| 亚洲中文av在线| 亚洲欧美激情综合另类| 一级毛片女人18水好多| 身体一侧抽搐| 免费高清视频大片| 亚洲色图 男人天堂 中文字幕| 91在线观看av| 欧美日本亚洲视频在线播放| 免费观看人在逋| 成人18禁高潮啪啪吃奶动态图| 丰满饥渴人妻一区二区三| 亚洲熟妇中文字幕五十中出 | 女同久久另类99精品国产91| 搡老岳熟女国产| 亚洲一区二区三区欧美精品| 成人影院久久| 亚洲专区国产一区二区| 亚洲av成人不卡在线观看播放网| 国产精品爽爽va在线观看网站 | 亚洲欧美激情综合另类| av国产精品久久久久影院| 女人被躁到高潮嗷嗷叫费观| 精品乱码久久久久久99久播| 中文字幕人妻熟女乱码| 老司机亚洲免费影院| 一级a爱片免费观看的视频| 五月开心婷婷网| 一级片'在线观看视频| 国产精品一区二区精品视频观看| 神马国产精品三级电影在线观看 | 久久久国产欧美日韩av| 在线天堂中文资源库| 成人手机av| 久久久久久久久中文| 亚洲av成人不卡在线观看播放网| 亚洲av第一区精品v没综合| 正在播放国产对白刺激| 日韩免费av在线播放| 亚洲精品中文字幕一二三四区| 欧美大码av| 国产av在哪里看| 久久久久国内视频| 真人做人爱边吃奶动态| 亚洲欧美日韩无卡精品| 亚洲七黄色美女视频| 精品一区二区三区四区五区乱码| 国产成人免费无遮挡视频| 日韩精品青青久久久久久| 国产成年人精品一区二区 | 亚洲精品久久午夜乱码| 久久婷婷成人综合色麻豆| 91成年电影在线观看| 亚洲国产中文字幕在线视频| 999久久久精品免费观看国产| 国内毛片毛片毛片毛片毛片| 久久午夜综合久久蜜桃| 波多野结衣高清无吗| 久久亚洲真实| 亚洲精品av麻豆狂野| 国产不卡一卡二| 日韩有码中文字幕| av免费在线观看网站| 成人亚洲精品一区在线观看| 成人18禁在线播放| 99久久人妻综合| 日韩高清综合在线| 韩国av一区二区三区四区| 久久天堂一区二区三区四区| 久久午夜亚洲精品久久| 一二三四在线观看免费中文在| av网站免费在线观看视频| 美女国产高潮福利片在线看| 高清黄色对白视频在线免费看| www日本在线高清视频| 久久精品国产亚洲av高清一级| 中文字幕精品免费在线观看视频| 亚洲一码二码三码区别大吗| 国产精品乱码一区二三区的特点 | 欧美一级毛片孕妇| 国产精品香港三级国产av潘金莲| 成人18禁在线播放| 精品乱码久久久久久99久播| 正在播放国产对白刺激| 亚洲国产精品999在线| av福利片在线| 亚洲av五月六月丁香网| 精品国产美女av久久久久小说| 免费在线观看亚洲国产| 亚洲欧美精品综合一区二区三区| 黄色视频不卡| 法律面前人人平等表现在哪些方面| 亚洲专区中文字幕在线| av超薄肉色丝袜交足视频| 久久久久久久久中文| 18禁国产床啪视频网站| 成年女人毛片免费观看观看9| 少妇粗大呻吟视频| 久久久久国内视频| 亚洲专区字幕在线| 亚洲精品美女久久av网站| 亚洲男人的天堂狠狠| 99国产极品粉嫩在线观看| 大香蕉久久成人网| 一边摸一边抽搐一进一出视频| 国产成人精品在线电影| 国产成+人综合+亚洲专区| 精品免费久久久久久久清纯| 欧美精品亚洲一区二区| 亚洲五月婷婷丁香| 每晚都被弄得嗷嗷叫到高潮| 日本wwww免费看| 国产精品影院久久| 亚洲第一欧美日韩一区二区三区| 两个人免费观看高清视频| 欧美大码av| 日本精品一区二区三区蜜桃| 亚洲精品av麻豆狂野| 国产免费现黄频在线看| 国产免费男女视频| 夜夜爽天天搞| 久久精品91蜜桃| 欧美色视频一区免费| 999精品在线视频| 国产欧美日韩综合在线一区二区| 欧美日本亚洲视频在线播放| 熟女少妇亚洲综合色aaa.| 亚洲精品久久成人aⅴ小说| 亚洲欧洲精品一区二区精品久久久| 日韩欧美三级三区| 麻豆一二三区av精品| 久久久精品欧美日韩精品| 欧美人与性动交α欧美软件| 久久天躁狠狠躁夜夜2o2o| 丰满饥渴人妻一区二区三| 久久香蕉激情| 亚洲美女黄片视频| 多毛熟女@视频| 欧美老熟妇乱子伦牲交| 黄色毛片三级朝国网站| 欧美日韩乱码在线| 久久国产精品影院| 别揉我奶头~嗯~啊~动态视频| 神马国产精品三级电影在线观看 | 国产一卡二卡三卡精品| 可以在线观看毛片的网站| av有码第一页| 超碰成人久久| 一个人免费在线观看的高清视频| 男男h啪啪无遮挡| 免费高清在线观看日韩| 激情在线观看视频在线高清| 两性夫妻黄色片| 成人国产一区最新在线观看| 久久草成人影院| 另类亚洲欧美激情| 啦啦啦在线免费观看视频4| 极品教师在线免费播放| 国产精品99久久99久久久不卡| 久久性视频一级片| 亚洲精品在线观看二区| 午夜久久久在线观看| 18禁国产床啪视频网站| 久久久久久久久中文| 51午夜福利影视在线观看| 久久国产精品影院| av有码第一页| 国产伦一二天堂av在线观看| 1024视频免费在线观看| 午夜视频精品福利| 国产区一区二久久| 黄色女人牲交| 国产成人免费无遮挡视频| 少妇裸体淫交视频免费看高清 | 日本a在线网址| 国产精品免费视频内射| 日韩有码中文字幕| 亚洲第一av免费看| 亚洲情色 制服丝袜| 国产三级黄色录像| 欧美日韩瑟瑟在线播放| 久久性视频一级片| 久久欧美精品欧美久久欧美| 91麻豆av在线| 亚洲男人天堂网一区| 亚洲欧美日韩高清在线视频| 天堂动漫精品| 国产99久久九九免费精品| 美女高潮到喷水免费观看| 一区二区三区国产精品乱码| 久久精品人人爽人人爽视色| 色播在线永久视频| 免费搜索国产男女视频| 午夜视频精品福利| 老司机福利观看| 88av欧美| 国产伦一二天堂av在线观看| 十八禁人妻一区二区| 伊人久久大香线蕉亚洲五| 成人三级做爰电影| 男女床上黄色一级片免费看| 日韩免费高清中文字幕av| 免费看十八禁软件| 乱人伦中国视频| 成人亚洲精品av一区二区 | 国产熟女xx| 一级片免费观看大全| 12—13女人毛片做爰片一| 成人国语在线视频| 91麻豆精品激情在线观看国产 | 国产精品 国内视频| 少妇粗大呻吟视频| av网站在线播放免费| 亚洲第一青青草原| 国产亚洲精品一区二区www| 人成视频在线观看免费观看| 午夜视频精品福利| 久久久国产一区二区| 国产精品一区二区三区四区久久 | 可以免费在线观看a视频的电影网站| 91麻豆精品激情在线观看国产 | 电影成人av| 亚洲国产欧美日韩在线播放| 欧美成人免费av一区二区三区| 亚洲成av片中文字幕在线观看| 国产伦一二天堂av在线观看| 久久精品亚洲av国产电影网| 久久国产乱子伦精品免费另类| 成人18禁高潮啪啪吃奶动态图| 黑丝袜美女国产一区| 国产精品98久久久久久宅男小说| 国产成人av教育| 一区二区日韩欧美中文字幕| 美女福利国产在线| 久久精品91无色码中文字幕| 人人妻,人人澡人人爽秒播| 国产精品 欧美亚洲| 成人免费观看视频高清| 国产精品1区2区在线观看.| 国产成人av教育| 久热这里只有精品99| 美女福利国产在线| 中国美女看黄片| 99国产极品粉嫩在线观看| 级片在线观看| 欧美日韩亚洲综合一区二区三区_| 一级黄色大片毛片| 97超级碰碰碰精品色视频在线观看| 国产精品国产av在线观看| netflix在线观看网站| 1024视频免费在线观看| 亚洲精品一区av在线观看| 制服人妻中文乱码| 免费观看人在逋| 不卡一级毛片| 一级片'在线观看视频| 久久香蕉国产精品| 黄色成人免费大全| 99久久精品国产亚洲精品| 久久中文看片网| 中文字幕精品免费在线观看视频| 国产av又大| 日本五十路高清| 老司机福利观看| 亚洲国产精品sss在线观看 | 亚洲性夜色夜夜综合| 亚洲午夜理论影院| 欧美日本中文国产一区发布| 午夜免费鲁丝| 亚洲av日韩精品久久久久久密| 精品卡一卡二卡四卡免费| 日本免费a在线| 久久久久国产精品人妻aⅴ院| 久久亚洲真实| 亚洲 欧美 日韩 在线 免费| 一级作爱视频免费观看| 国产精品影院久久| 中出人妻视频一区二区| 国产免费av片在线观看野外av| 久久人妻av系列| 国产一区二区激情短视频| 韩国av一区二区三区四区| 在线看a的网站| 欧美成人午夜精品| 免费看十八禁软件| 国产成人欧美| 日韩一卡2卡3卡4卡2021年| 啦啦啦免费观看视频1| 国产av一区在线观看免费| 日本精品一区二区三区蜜桃| 久久久久久久久中文| 久久精品国产亚洲av高清一级| 亚洲欧美激情在线| 国产极品粉嫩免费观看在线| 在线视频色国产色| 国产成人啪精品午夜网站| 在线免费观看的www视频| 国产aⅴ精品一区二区三区波| 亚洲精品一二三| 精品国内亚洲2022精品成人| 亚洲中文av在线| 色老头精品视频在线观看| 精品无人区乱码1区二区| 黄片小视频在线播放| 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕精品免费在线观看视频| 久久香蕉激情| 丁香欧美五月| 成人影院久久| 久久久久久大精品| 日韩精品中文字幕看吧| 老司机午夜十八禁免费视频| 国产精品一区二区三区四区久久 | 国产成人av教育| 国产真人三级小视频在线观看| 日日夜夜操网爽| 视频在线观看一区二区三区| 日韩精品青青久久久久久| 高清av免费在线| 一二三四社区在线视频社区8| 亚洲一区中文字幕在线| 色婷婷av一区二区三区视频| 十八禁网站免费在线| 亚洲专区国产一区二区|