• <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KPCA與KFDA的SAR圖像艦船目標識別

    2017-08-02 07:48:34孟祥偉于柯遠
    艦船科學(xué)技術(shù) 2017年7期
    關(guān)鍵詞:降維維數(shù)識別率

    劉 磊,孟祥偉,于柯遠

    (海軍航空工程學(xué)院 電子與信息工程系,山東 煙臺 264001)

    基于KPCA與KFDA的SAR圖像艦船目標識別

    劉 磊,孟祥偉,于柯遠

    (海軍航空工程學(xué)院 電子與信息工程系,山東 煙臺 264001)

    針對SAR圖像中艦船目標識別的問題,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判別分析(Kernel Fisher Discriminate Analysis,KFDA)相結(jié)合的艦船目標識別算法。用核主成分分析的方法對實測的SAR艦船目標數(shù)據(jù)進行特征降維,再結(jié)合核Fisher判別分析法對降維后的樣本數(shù)據(jù)進行多類別分類。將該方法用于對實測的四類艦船目標進行識別,平均識別率可達91.25%。實驗結(jié)果表明,核主成分分析與核Fisher判別分析相結(jié)合的方法可提取目標的有效特征,在較低特征維數(shù)情況下獲得較高的目標正確識別率。

    SAR圖像;目標識別;特征提?。缓酥鞒煞址治?;核Fisher判別分析

    0 引 言

    隨著SAR在海洋上的應(yīng)用越來越廣泛,SAR圖像自動目標識別(Automatic Target Recognition,ATR)技術(shù)成為目前的熱門研究方向。國內(nèi)外對SAR ATR展開了廣泛深入的研究。比較著名的如林肯實驗室開發(fā)的基于模板的ATR系統(tǒng)[1],以及DARPA和AFRL共同資助的基于模型的MSTAR ATR系統(tǒng)等,它們通常將目標識別系統(tǒng)分為檢測、鑒別和分類3個階段[2 – 3]。SAR圖像特征提取是識別中的關(guān)鍵環(huán)節(jié)[4]。如何有效地提取出目標特征就顯得尤為重要。

    本文采用核主成分分析(KPCA)[5 – 6]與核Fisher判別分析(KFDA)[7 – 8]相結(jié)合的方法,利用KPCA準則進行非線性特征提取,降低樣本數(shù)據(jù)的維數(shù),提取有利于分類的特征,然后將結(jié)合核Fisher判別分析法對降維后的樣本數(shù)據(jù)進行分類,并通過實驗證明本文方法的有效性。

    1 理論與算法

    1.1 核主成分分析

    經(jīng)典的主成分分析[9 – 10]是一種線性算法,因此不能提取數(shù)據(jù)中的非線性結(jié)構(gòu)特征,而在實際問題中非線性特征卻廣泛存在著。核主成分分析通過非線性變換將輸入數(shù)據(jù)映射到高維特征空間,在高維空間中應(yīng)用PCA方法進行分析。

    對應(yīng)的特征方程為:

    定義核矩陣

    綜合以上各式得

    用核函數(shù)代替內(nèi)積

    1.2 核Fisher判別分析

    類似于KPCA思想,核Fisher判別分析把數(shù)據(jù)非線性映射到高維特征空間,然后在特征空間中進行Fisher判別。

    F空間上類間離散度矩陣為

    F空間上類內(nèi)離散度矩陣為

    其中:

    則在F空間中應(yīng)用Fisher線性判別就是最大化:

    2 算法思路及流程

    將KPCA與KFDA兩種方法結(jié)合可以充分利用2種方法各自的優(yōu)點,消除了變量之間的信息疊加,提高了提取特征的穩(wěn)定性。首先讀入SAR艦船目標圖像,將每幅圖像數(shù)據(jù)展成一個列向量,然后對數(shù)據(jù)進行歸一化處理,然后利用KPCA算法進行降維處理,最后采用KFDA方法對降維后的樣本進行分類識別。本文采用的識別流程如圖1所示。

    3 實驗結(jié)果及分析

    實驗中所用的SAR圖像取自C波段RADARSAT-2衛(wèi)星獲取的實測SAR數(shù)據(jù)。圖像方位向和距離向的分辨率都為3 m。所選用的艦船包括集裝箱船、油船、軍艦與散裝貨船各80幅,共320幅構(gòu)成艦船庫。圖2展現(xiàn)了各類型艦船的光學(xué)圖像及在RADARSAT-2數(shù)據(jù)中部分艦船類型的SAR圖像。所有SAR圖像目標切片大小均為100×100,在艦船庫中選出每類艦船的前40幅圖像共160幅作為訓(xùn)練圖像,構(gòu)成訓(xùn)練集,剩下的160幅圖像作為測試樣本。

    在生成的艦船樣本中,每幅圖像按列相連構(gòu)成10 000維列向量,通過主成分分析的方法可以將這些10 000維的樣本特征向量降至k維。這樣數(shù)據(jù)庫中每一艘艦船樣本都可以由一個k維的特征向量來表示,以作為后續(xù)分類所采用的特征。這些特征向量對應(yīng)的圖像很像艦船,在這里稱之為“主成分船”。圖3中比較了KPCA+KFDA和PCA+KFDA兩種算法的特征維數(shù)變化對識別率的影響,隨著特征子空間維數(shù)的升高,艦船圖像的識別率也隨之逐漸提高。在特征維數(shù)小于10的時候,識別率的變化率比較大,而在特征維數(shù)大于20以后趨于穩(wěn)定。這里選定特征向量的維數(shù)為20維,20個主成分船如圖4所示。

    本文采用KPCA與KFDA相結(jié)合的方法,并與單獨采用KFDA方法以及KFDA與PCA結(jié)合的方法做出比較,為體現(xiàn)識別效果,將識別率采用百分比的形式展現(xiàn),即每類艦船能夠正確分類識別出的數(shù)量/每類總的測試數(shù)量。識別率的比較如表1所示。

    表 1 不同方法的識別率對比Tab. 1 Comparison of identification rate

    由表1可看出,將樣本數(shù)據(jù)用PCA方法進行特征降維后再用KFDA方法判別得到的識別率比直接用KFDA方法判別的識別率提高了5%。本文采用KPCA與KFDA相結(jié)合的方法可以進一步提高了識別率,達到91.25%,是一種有效的SAR圖像目標特征提取和目標識別的方法。

    4 結(jié) 語

    本文提出了一種基于KPCA+KFDA特征提取的SAR圖像目標識別方法,有效結(jié)合了2種方法的優(yōu)越性,用KPCA方法對樣本數(shù)據(jù)進行特征降維,再用KFDA方法進行判別。通過實驗仿真對本文方法進行了驗證,結(jié)果表明KPCA+KFDA方法得到的艦船目標識別率比沒有經(jīng)過特征降維的KFDA方法提高將近9%,比PCA+KFDA方法提高了近4%,提高了艦船目標識別的精度。

    [ 1 ]DUDGEON D E, LACOSS R T. An overview of automatic target recognition[J]. The Lincoln Laboratory Journal, 1993, 6(1): 3–10.

    [ 2 ]OUEHI K, TAMAKI S. Ship detection based on coherence images derived from cross correlation of multilook SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing letters, 2004, 1(3): 184–187.

    [ 3 ]ROSS T. D, et al. SAR ATR: so what’s the problem An MSTAR perspective. Proc. SPIE Conf. on SAR, 1999, 3721: 662–672.

    [ 4 ]張晰, 張杰, 紀永剛. 基于結(jié)構(gòu)特征的SAR船只類型識別能力分析[J]. 海洋學(xué)報, 2010, 32(1): 146–152. ZHANG X, ZHANG J, JI Y G. The capability analysis of ship classification by structure feature using SAR images[J]. Acta Oceanologica Sinica, 2010, 32(1): 146–152.

    [ 5 ]SCHOLKOPF B, SMOLA A, MULLER K. Nonlinear component analysis as a kernel eigenvalue problem[J]. Neural Computation, 1998, 10: 1299–1319.

    [ 6 ]韓萍, 吳仁彪, 王兆華, 等. 基于KPCA準則的SAR目標特征提取與識別[J]. 電子與信息學(xué)報, 2003, 25(10): 1297–1301. HAN P, WU R B, WANG Z H, et al. SAR automatic target recognition based on KPCA criterion[J]. Journal of Electronics & Information Technology, 2003, 25(10): 1297–1301.

    [ 7 ]MULLER K, MIKA S, RATSCH G. An introduction to kernel based learning algorithms[C]// IEEE Tran. on Neural Networks, 2001(12): 181–201.

    [ 8 ]徐正光, 王淑盛, 劉冀偉 ,等. 基于主成分分析的核Fisher判別方法在油水識別中的應(yīng)用[J]. 北京科技大學(xué)學(xué)報, 2005, 27(1): 126–128. XU Z G, WANG S S, LIU J W, et al. Application of kernel Fisher method based on primary factor analysis to recognition problem between oil layer and water layer[J]. Journal of University of Science and Technology Beijing, 2005, 27(1): 126–128.

    [ 9 ]HUANG S J, YE J Y, Wang T Q. Extracting Refined Low-Rank Features of Robust PCA for Human Action Recognition[J]. Arabian Journal for Science and Engineering, 2015, 40(5): 1427–1441.

    [10]TAE H O, J C BAZIN. Partial sum minimization of singular values in robust PCA: algorithm and applications[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(4).

    Ship targets recognition in SAR images based on KPCA and KFDA

    LIU Lei, MENG Xiang-wei, YU Ke-yuan
    (Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China)

    Ship targets recognition algorithm combining Kernel Principal Component Analysis (KPCA) and Kernel Fisher Discriminate Analysis (KFDA) was proposed to deal with the problem of ship targets recognition in SAR images. Firstly, KPCA algorithm was used to transform the sample data of high dimension space to low dimension space to reduce the dimension. Then, the processed samples were recognized according to KFDA algorithm. The method is applied for recognizing fourth-class ship targets and the average recognition arrives at 91.25%. The result showed that the combination of KPCA and KFDA can effectively eliminate the interaction between sample variable indicators. It is an effective method for SAR images feature extraction and target recognition.

    SAR images;ship targets recognition;features extraction;kernel principal component analysis (KPCA);kernel fisher discriminate analysis(KFDA)

    TP391

    A

    1672 – 7649(2017)07 – 0149 – 04

    10.3404/j.issn.1672 – 7649.2017.07.032

    2016 – 09 – 03;

    2016 – 10 – 25

    國家自然科學(xué)基金資助項目(61179016)

    劉磊(1987 – ),男,博士研究生,研究方向為SAR圖像艦船目標識別。

    猜你喜歡
    降維維數(shù)識別率
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    β-變換中一致丟番圖逼近問題的維數(shù)理論
    一類齊次Moran集的上盒維數(shù)
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    提升高速公路MTC二次抓拍車牌識別率方案研究
    關(guān)于齊次Moran集的packing維數(shù)結(jié)果
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應(yīng)用
    涉及相變問題Julia集的Hausdorff維數(shù)
    精品亚洲成a人片在线观看| 日本黄色日本黄色录像| 蜜桃在线观看..| 久久av网站| a级片在线免费高清观看视频| 精品人妻在线不人妻| av视频免费观看在线观看| 亚洲视频免费观看视频| 亚洲精品国产精品久久久不卡| 亚洲性夜色夜夜综合| 国产精品自产拍在线观看55亚洲 | 老司机在亚洲福利影院| 99热全是精品| 老汉色∧v一级毛片| 亚洲国产成人一精品久久久| 成人国产一区最新在线观看| 91字幕亚洲| 韩国精品一区二区三区| 欧美精品高潮呻吟av久久| 日韩电影二区| 一本一本久久a久久精品综合妖精| 国产精品二区激情视频| 人妻一区二区av| 深夜精品福利| 国产欧美日韩精品亚洲av| 99re6热这里在线精品视频| 啦啦啦 在线观看视频| 国产男女超爽视频在线观看| 国产成人精品久久二区二区91| 国产福利在线免费观看视频| 1024视频免费在线观看| 亚洲五月婷婷丁香| 别揉我奶头~嗯~啊~动态视频 | 国产高清视频在线播放一区 | 99热国产这里只有精品6| 少妇人妻久久综合中文| 色婷婷av一区二区三区视频| 日韩中文字幕视频在线看片| 亚洲欧洲日产国产| 黑人欧美特级aaaaaa片| 脱女人内裤的视频| 99久久综合免费| 一本大道久久a久久精品| 国产精品久久久久久精品电影小说| 精品少妇一区二区三区视频日本电影| 亚洲精品成人av观看孕妇| 黄色 视频免费看| 成人av一区二区三区在线看 | 亚洲国产av新网站| 日韩一卡2卡3卡4卡2021年| 久久久久视频综合| av天堂久久9| 国产成人免费无遮挡视频| 90打野战视频偷拍视频| 中文字幕另类日韩欧美亚洲嫩草| 久久人妻熟女aⅴ| 久久国产精品大桥未久av| 精品免费久久久久久久清纯 | 国产日韩欧美视频二区| 成年av动漫网址| 国产在线观看jvid| 深夜精品福利| 国产精品av久久久久免费| 久久 成人 亚洲| 国产成+人综合+亚洲专区| 亚洲午夜精品一区,二区,三区| 建设人人有责人人尽责人人享有的| 嫩草影视91久久| 日韩 欧美 亚洲 中文字幕| 免费在线观看完整版高清| 国产一区二区激情短视频 | 咕卡用的链子| 99国产精品一区二区三区| 亚洲成人免费电影在线观看| 欧美日韩亚洲高清精品| av天堂在线播放| 青春草视频在线免费观看| 亚洲精品一二三| 美女高潮到喷水免费观看| 国产一区二区三区在线臀色熟女 | 两人在一起打扑克的视频| 国产男女内射视频| 天堂8中文在线网| 91九色精品人成在线观看| 老司机在亚洲福利影院| 婷婷成人精品国产| 91成人精品电影| 久久精品国产亚洲av香蕉五月 | 亚洲va日本ⅴa欧美va伊人久久 | 亚洲国产日韩一区二区| 亚洲人成77777在线视频| 亚洲激情五月婷婷啪啪| 91国产中文字幕| 可以免费在线观看a视频的电影网站| 久久国产精品人妻蜜桃| 亚洲国产欧美网| 亚洲欧美日韩另类电影网站| 嫩草影视91久久| 另类亚洲欧美激情| 大陆偷拍与自拍| 大香蕉久久成人网| 十分钟在线观看高清视频www| 国产成人av激情在线播放| 久久久久网色| 国产欧美日韩一区二区三区在线| 欧美黑人精品巨大| 国产一区二区三区在线臀色熟女 | 一级片'在线观看视频| 黑人欧美特级aaaaaa片| 欧美 亚洲 国产 日韩一| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产看品久久| 热99久久久久精品小说推荐| 亚洲av日韩精品久久久久久密| 男女下面插进去视频免费观看| 国产一区二区三区av在线| av网站在线播放免费| 国产av国产精品国产| 欧美日韩av久久| 日本五十路高清| 宅男免费午夜| 精品国产乱码久久久久久男人| 这个男人来自地球电影免费观看| 久久这里只有精品19| 丰满人妻熟妇乱又伦精品不卡| 大片免费播放器 马上看| 亚洲午夜精品一区,二区,三区| 日韩欧美国产一区二区入口| 国产欧美日韩一区二区三 | 十分钟在线观看高清视频www| 亚洲国产精品一区三区| 天天躁日日躁夜夜躁夜夜| 动漫黄色视频在线观看| 日韩视频在线欧美| av有码第一页| 母亲3免费完整高清在线观看| 精品国产乱码久久久久久小说| 国产男女内射视频| 精品卡一卡二卡四卡免费| 九色亚洲精品在线播放| 精品人妻1区二区| 91麻豆精品激情在线观看国产 | 亚洲精品久久久久久婷婷小说| 成人国产av品久久久| 首页视频小说图片口味搜索| 国产成人啪精品午夜网站| 亚洲 欧美一区二区三区| 欧美日韩精品网址| videos熟女内射| 国产一区二区三区综合在线观看| 中亚洲国语对白在线视频| 两人在一起打扑克的视频| 夜夜躁狠狠躁天天躁| 国产黄片美女视频| 久久国产乱子伦精品免费另类| 亚洲国产欧洲综合997久久,| 国产亚洲精品久久久久5区| 一本久久中文字幕| 国产v大片淫在线免费观看| 午夜精品一区二区三区免费看| 757午夜福利合集在线观看| 国产爱豆传媒在线观看 | 99热这里只有精品一区 | 国产成年人精品一区二区| 午夜福利欧美成人| 99国产综合亚洲精品| 精品熟女少妇八av免费久了| 亚洲天堂国产精品一区在线| 日韩国内少妇激情av| 91字幕亚洲| 丰满人妻一区二区三区视频av | 国产熟女xx| 好男人电影高清在线观看| 亚洲av成人av| 久久久久九九精品影院| 色尼玛亚洲综合影院| 激情在线观看视频在线高清| 国产三级在线视频| 最近视频中文字幕2019在线8| 最近在线观看免费完整版| 99热这里只有是精品50| 久久久久久免费高清国产稀缺| 五月玫瑰六月丁香| 免费看十八禁软件| 亚洲第一电影网av| 欧美日本视频| 最好的美女福利视频网| 亚洲性夜色夜夜综合| 久99久视频精品免费| 精品国内亚洲2022精品成人| 午夜两性在线视频| 午夜a级毛片| 69av精品久久久久久| 成熟少妇高潮喷水视频| 国产免费男女视频| 最好的美女福利视频网| 欧美性猛交黑人性爽| 99在线视频只有这里精品首页| 国产在线精品亚洲第一网站| 久久香蕉精品热| 少妇被粗大的猛进出69影院| 最近最新中文字幕大全免费视频| 成人国语在线视频| 亚洲国产日韩欧美精品在线观看 | 正在播放国产对白刺激| 国语自产精品视频在线第100页| 18禁黄网站禁片免费观看直播| 欧美性猛交╳xxx乱大交人| 中文字幕精品亚洲无线码一区| 日韩欧美在线乱码| 在线观看www视频免费| 亚洲精品美女久久久久99蜜臀| 高清毛片免费观看视频网站| 一本精品99久久精品77| 亚洲国产高清在线一区二区三| 在线免费观看的www视频| 久久性视频一级片| 中文在线观看免费www的网站 | 欧美成狂野欧美在线观看| 精品国产乱子伦一区二区三区| 全区人妻精品视频| 1024香蕉在线观看| 两性夫妻黄色片| 午夜精品一区二区三区免费看| 亚洲一区二区三区色噜噜| 国产av不卡久久| 欧美日韩一级在线毛片| 看黄色毛片网站| 欧美+亚洲+日韩+国产| 欧美性猛交╳xxx乱大交人| 婷婷丁香在线五月| 成年版毛片免费区| avwww免费| 亚洲精品久久国产高清桃花| 成人亚洲精品av一区二区| 国产亚洲精品一区二区www| 村上凉子中文字幕在线| 69av精品久久久久久| 国产精品永久免费网站| 国产视频一区二区在线看| 91麻豆精品激情在线观看国产| 桃红色精品国产亚洲av| 精品第一国产精品| 久久久久久免费高清国产稀缺| 19禁男女啪啪无遮挡网站| 成年免费大片在线观看| 日韩欧美在线乱码| 精品久久久久久,| 免费搜索国产男女视频| 国产又黄又爽又无遮挡在线| 亚洲成人免费电影在线观看| 一二三四社区在线视频社区8| 免费在线观看亚洲国产| 国产精品国产高清国产av| 一进一出好大好爽视频| 精品欧美国产一区二区三| 亚洲 欧美一区二区三区| 欧美+亚洲+日韩+国产| 叶爱在线成人免费视频播放| 久久久久国产一级毛片高清牌| 国产伦一二天堂av在线观看| 精品久久久久久,| 国产精品久久久久久人妻精品电影| 午夜成年电影在线免费观看| 久热爱精品视频在线9| 91麻豆精品激情在线观看国产| www.999成人在线观看| 在线观看午夜福利视频| 级片在线观看| 国产精品亚洲一级av第二区| 国产成年人精品一区二区| bbb黄色大片| 麻豆一二三区av精品| 女人高潮潮喷娇喘18禁视频| 国产黄色小视频在线观看| 成熟少妇高潮喷水视频| 黑人巨大精品欧美一区二区mp4| 久久中文看片网| 亚洲色图 男人天堂 中文字幕| 可以在线观看毛片的网站| 日本免费一区二区三区高清不卡| 欧美日韩中文字幕国产精品一区二区三区| 99热6这里只有精品| 国产午夜精品论理片| 亚洲国产精品sss在线观看| 久久亚洲真实| 高清在线国产一区| 身体一侧抽搐| 久久久久久久午夜电影| 成人国语在线视频| 精品国内亚洲2022精品成人| 99久久久亚洲精品蜜臀av| 国产一区二区在线av高清观看| 中文字幕精品亚洲无线码一区| 国产午夜精品论理片| 午夜a级毛片| 99riav亚洲国产免费| 日韩大尺度精品在线看网址| 2021天堂中文幕一二区在线观| 夜夜爽天天搞| 制服人妻中文乱码| 午夜两性在线视频| 哪里可以看免费的av片| 青草久久国产| 欧美一级a爱片免费观看看 | 真人一进一出gif抽搐免费| 一级毛片高清免费大全| 午夜福利18| 亚洲精华国产精华精| 国产高清videossex| 两个人的视频大全免费| 淫秽高清视频在线观看| 性欧美人与动物交配| 久久香蕉精品热| 麻豆国产97在线/欧美 | 国产成+人综合+亚洲专区| 婷婷六月久久综合丁香| 国产真实乱freesex| 中文资源天堂在线| 国产精品av视频在线免费观看| 亚洲成av人片免费观看| 超碰成人久久| 久久中文看片网| 国产成人av教育| 亚洲一区中文字幕在线| 国产私拍福利视频在线观看| 精品熟女少妇八av免费久了| 黑人操中国人逼视频| 在线观看一区二区三区| 午夜福利视频1000在线观看| 国产av麻豆久久久久久久| 成人三级黄色视频| 最近最新免费中文字幕在线| 精品久久久久久久久久免费视频| 伊人久久大香线蕉亚洲五| av视频在线观看入口| 黄色a级毛片大全视频| 亚洲真实伦在线观看| 国产成人精品久久二区二区91| 国产精品永久免费网站| 一进一出抽搐gif免费好疼| 国产精品av久久久久免费| 99久久综合精品五月天人人| 亚洲中文字幕日韩| 久久中文字幕一级| 亚洲男人的天堂狠狠| 亚洲一区二区三区色噜噜| 一个人免费在线观看电影 | 精品一区二区三区av网在线观看| 久久久久久人人人人人| 国内毛片毛片毛片毛片毛片| 日韩欧美国产在线观看| 亚洲全国av大片| 男女视频在线观看网站免费 | 国产亚洲欧美在线一区二区| 少妇的丰满在线观看| 国产亚洲av高清不卡| 嫩草影院精品99| 久久国产精品人妻蜜桃| 国产av在哪里看| 中国美女看黄片| 黑人操中国人逼视频| 黄色女人牲交| 操出白浆在线播放| 成人国产综合亚洲| 亚洲熟妇熟女久久| 成人国语在线视频| 一区二区三区激情视频| 国产精品精品国产色婷婷| √禁漫天堂资源中文www| 国内少妇人妻偷人精品xxx网站 | 嫁个100分男人电影在线观看| 麻豆一二三区av精品| 两个人免费观看高清视频| 很黄的视频免费| 国产精品99久久99久久久不卡| 岛国视频午夜一区免费看| 国产单亲对白刺激| 精品国产超薄肉色丝袜足j| 欧美性猛交╳xxx乱大交人| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久亚洲av鲁大| 制服丝袜大香蕉在线| 男女那种视频在线观看| 亚洲精品一区av在线观看| 亚洲av熟女| 免费观看精品视频网站| 美女免费视频网站| 十八禁人妻一区二区| 99国产精品一区二区三区| 美女高潮喷水抽搐中文字幕| 亚洲人与动物交配视频| 亚洲精品一卡2卡三卡4卡5卡| 长腿黑丝高跟| 欧美极品一区二区三区四区| 一区二区三区高清视频在线| 国产精品久久久久久人妻精品电影| 精品国内亚洲2022精品成人| 18禁黄网站禁片免费观看直播| 国产亚洲av嫩草精品影院| netflix在线观看网站| 美女黄网站色视频| 国产区一区二久久| 成年版毛片免费区| 国产精品日韩av在线免费观看| 成人三级做爰电影| 99久久久亚洲精品蜜臀av| 51午夜福利影视在线观看| 高潮久久久久久久久久久不卡| 色在线成人网| 麻豆国产av国片精品| 久久久久国产精品人妻aⅴ院| 色噜噜av男人的天堂激情| 国产真实乱freesex| 国语自产精品视频在线第100页| 天天添夜夜摸| 国产片内射在线| 亚洲真实伦在线观看| 91国产中文字幕| 老司机深夜福利视频在线观看| 久久天堂一区二区三区四区| 精品一区二区三区四区五区乱码| 国产精品免费视频内射| 露出奶头的视频| 日韩欧美国产在线观看| 欧美av亚洲av综合av国产av| 欧美乱妇无乱码| 国内精品一区二区在线观看| 色综合站精品国产| 亚洲天堂国产精品一区在线| 美女大奶头视频| 欧美色视频一区免费| 亚洲av五月六月丁香网| 国产亚洲欧美在线一区二区| 成人亚洲精品av一区二区| 一进一出抽搐gif免费好疼| 怎么达到女性高潮| 久久 成人 亚洲| 色综合亚洲欧美另类图片| 免费看日本二区| 日韩欧美 国产精品| 在线观看午夜福利视频| 国产免费男女视频| 哪里可以看免费的av片| 国产精品久久电影中文字幕| 97碰自拍视频| 午夜精品在线福利| 婷婷亚洲欧美| 精品久久久久久久毛片微露脸| 最近最新中文字幕大全电影3| 波多野结衣高清无吗| 国产欧美日韩一区二区精品| 国产成人av激情在线播放| 国产高清激情床上av| 婷婷丁香在线五月| 亚洲精品在线观看二区| 欧美成狂野欧美在线观看| 一级黄色大片毛片| av在线天堂中文字幕| 丁香六月欧美| 日韩欧美一区二区三区在线观看| 少妇的丰满在线观看| 亚洲专区中文字幕在线| 一本久久中文字幕| 日韩精品中文字幕看吧| 国内毛片毛片毛片毛片毛片| 国产精品野战在线观看| 亚洲国产欧洲综合997久久,| 久久人妻av系列| 色综合亚洲欧美另类图片| 蜜桃久久精品国产亚洲av| 精品久久久久久,| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜两性在线视频| 欧美日韩乱码在线| 日韩欧美国产在线观看| 老司机靠b影院| videosex国产| 国产成人欧美在线观看| 天天一区二区日本电影三级| 国产野战对白在线观看| 国产亚洲精品久久久久5区| 亚洲欧美一区二区三区黑人| 国产亚洲欧美98| 亚洲欧美日韩东京热| 变态另类丝袜制服| 欧美国产日韩亚洲一区| 久久人人精品亚洲av| 操出白浆在线播放| 动漫黄色视频在线观看| 在线观看午夜福利视频| 老司机在亚洲福利影院| 人成视频在线观看免费观看| 日韩精品中文字幕看吧| 久久中文字幕一级| 欧美日本视频| 淫秽高清视频在线观看| 日日摸夜夜添夜夜添小说| 免费高清视频大片| 啦啦啦韩国在线观看视频| 亚洲国产欧洲综合997久久,| 九色国产91popny在线| 国产精品一及| 天堂影院成人在线观看| 久久这里只有精品中国| 精品午夜福利视频在线观看一区| 婷婷精品国产亚洲av在线| 美女 人体艺术 gogo| 亚洲精品中文字幕在线视频| 久久九九热精品免费| 亚洲中文字幕日韩| 久久精品91无色码中文字幕| 欧美日韩精品网址| 色综合站精品国产| 亚洲人成网站高清观看| 欧美午夜高清在线| 美女 人体艺术 gogo| 老熟妇乱子伦视频在线观看| 日日干狠狠操夜夜爽| 国产1区2区3区精品| 一区福利在线观看| 久久草成人影院| 国产不卡一卡二| 欧美极品一区二区三区四区| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲精品av麻豆狂野| 欧美日韩中文字幕国产精品一区二区三区| 一级毛片高清免费大全| 露出奶头的视频| 91九色精品人成在线观看| 91av网站免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美zozozo另类| 亚洲一区中文字幕在线| 久久亚洲真实| av免费在线观看网站| 最近最新免费中文字幕在线| 国语自产精品视频在线第100页| 色播亚洲综合网| 欧美激情久久久久久爽电影| 国产成人精品久久二区二区91| 国内精品一区二区在线观看| 国产成人精品久久二区二区91| 熟妇人妻久久中文字幕3abv| 亚洲精品中文字幕一二三四区| 激情在线观看视频在线高清| 18美女黄网站色大片免费观看| 欧美三级亚洲精品| 99在线视频只有这里精品首页| 日韩精品青青久久久久久| 精品无人区乱码1区二区| 99国产极品粉嫩在线观看| 热99re8久久精品国产| 最好的美女福利视频网| 久久草成人影院| 在线观看一区二区三区| 欧美极品一区二区三区四区| 两个人免费观看高清视频| svipshipincom国产片| 久久这里只有精品中国| 精品第一国产精品| 亚洲av成人av| 99精品在免费线老司机午夜| 亚洲精品国产精品久久久不卡| 亚洲中文日韩欧美视频| 亚洲av电影在线进入| 黑人操中国人逼视频| 黄频高清免费视频| 欧美日韩精品网址| 亚洲成人中文字幕在线播放| 欧美日韩亚洲国产一区二区在线观看| av欧美777| 国产人伦9x9x在线观看| 黄片小视频在线播放| 国产99久久九九免费精品| 久久精品综合一区二区三区| 午夜日韩欧美国产| 国产亚洲精品久久久久5区| 超碰成人久久| 老鸭窝网址在线观看| 全区人妻精品视频| 欧美色视频一区免费| 97碰自拍视频| 免费看日本二区| 欧美黑人精品巨大| xxx96com| 国产精品九九99| netflix在线观看网站| 51午夜福利影视在线观看| www日本在线高清视频| 日本 欧美在线| 亚洲国产高清在线一区二区三| 国产真实乱freesex| 午夜福利在线在线| 精品午夜福利视频在线观看一区| 久久天堂一区二区三区四区| 亚洲 欧美一区二区三区| 久99久视频精品免费| 亚洲av五月六月丁香网| 国产成人精品无人区| 熟女电影av网| 久9热在线精品视频| 久久人人精品亚洲av| 国产精品永久免费网站| 天堂√8在线中文| netflix在线观看网站| 日韩av在线大香蕉| 中文亚洲av片在线观看爽| 久久香蕉激情| 无遮挡黄片免费观看| 色尼玛亚洲综合影院| 黄色视频不卡| 国产精品亚洲美女久久久| 国产精品 国内视频| 两个人的视频大全免费|