• <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 ?

    基于模擬退火和粒子群改進(jìn)的圖像分割FCM方法

    2018-04-04 09:10陸振宇夏志巍盧亞敏黃現(xiàn)云
    現(xiàn)代電子技術(shù) 2018年7期
    關(guān)鍵詞:粒子群算法

    陸振宇 夏志巍 盧亞敏 黃現(xiàn)云

    摘 要: 針對(duì)模糊C均值聚類(FCM)算法在分割圖像時(shí)需要事先給出聚類數(shù)和容易陷入局部極小值的問題,提出一種新的FCM算法。首先,利用粒子群算法更新FCM的聚類中心,以加強(qiáng)算法的搜索能力,提高收斂速度;其次,根據(jù)模擬退火準(zhǔn)則決定是否接受新的聚類中心,以得到當(dāng)前迭代下的全局最優(yōu)值;最后,設(shè)定有效性函數(shù)尋找圖像的最佳聚類數(shù),使算法具有自適應(yīng)判斷圖像類別個(gè)數(shù)的能力。實(shí)驗(yàn)結(jié)果表明,該算法具有較好的全局收斂性,并且在未知聚類數(shù)的情況下能自適應(yīng)尋找圖像的最佳分類個(gè)數(shù)。

    關(guān)鍵詞: 自適應(yīng)圖像分割; 模擬退火算法; 粒子群算法; 模糊C均值; 聚類中心; 全局最優(yōu)

    中圖分類號(hào): TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2018)07?0036?05

    Improved FCM method for image segmentation based on simulated

    annealing and particle swarm optimization

    LU Zhenyu1, 2, XIA Zhiwei1, LU Yamin1, HUANG Xianyun1

    (1. School of Electronic & Information Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China;

    2. Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment, Nanjing 210044, China)

    Abstract: Since the traditional fuzzy C?means (FCM) algorithm needs to give the clustering numbers in advance and is easy to fall into local minimum for image segmentation, a novel FCM algorithm based on simulated annealing algorithm and particle swarm optimization (PSO) is proposed. The PSO algorithm is applied to update the clustering center of FCM to enhance the search ability and convergence rate of the algorithm. And then the simulated annealing rule is used to decide whether to accept the new clustering center or not, so as to obtain the global optimal value of current iteration. The validity function is set to find the optimal clustering numbers of the image, and make the proposed algorithm have the ability to adaptively judge the numbers of an image category. The experiment results demonstrate that the algorithm has perfect global convergence, and is able to adaptively find the optimum catelory numbers of the image in the case of the unknown clustering numbers.

    Keywords: adaptive image segmentation; simulated annealing algorithm; particle swarm optimization; fuzzy C?means; clustering center; global optimization

    0 引 言

    圖像分割是根據(jù)一定的準(zhǔn)則把圖像分割成幾個(gè)互不重疊且各具特色的區(qū)域。目前圖像分割方法主要有:基于閾值的分割方法,如最大類間方差的自適應(yīng)閾值分割[1]、基于粒子群優(yōu)化的多級(jí)閾值分割[2];基于邊緣檢測(cè)的分割方法,如拉普拉斯算子[3]、結(jié)構(gòu)化森林[4];基于區(qū)域生長(zhǎng)和分裂合并的分割方法,如區(qū)域生長(zhǎng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法[5]、水平集與區(qū)域生長(zhǎng)相結(jié)合的方法[6];結(jié)合特定理論的分割方法,如基于分水嶺的標(biāo)號(hào)法[7]、深度卷積神經(jīng)網(wǎng)絡(luò)方法[8]。

    聚類分割方法屬于區(qū)域分割方法,它是一種無監(jiān)督的統(tǒng)計(jì)方法,在圖像分割領(lǐng)域應(yīng)用非常廣泛。FCM分割方法具有程序?qū)崿F(xiàn)簡(jiǎn)單、不需要人為干預(yù)等方面的優(yōu)勢(shì),但傳統(tǒng)的FCM算法在求解目標(biāo)函數(shù)時(shí)采用最速下降法,易使得迭代過程陷入局部最優(yōu)解。此外,對(duì)圖像進(jìn)行分割前必須預(yù)先給出圖像的聚類個(gè)數(shù),可擴(kuò)展性較差。

    針對(duì)這些問題,許多學(xué)者提出了很多改進(jìn)的方法。針對(duì)目標(biāo)函數(shù)求解時(shí)易陷入局部極值的問題,文獻(xiàn)[9]提出粒子群與FCM融合(PSOFCM)的方法;文獻(xiàn)[10]提出捕食者?食餌者微粒群與FCM融合(PPPSOFCM)的方法。針對(duì)如何自適應(yīng)判定圖像最優(yōu)聚類數(shù)的問題,文獻(xiàn)[11]提出基于數(shù)據(jù)集模糊劃分模式的劃分系數(shù)來確定聚類數(shù);文獻(xiàn)[12]提出基于緊密度和分離度這兩個(gè)指標(biāo)的有效性函數(shù)[VXB]來確定最佳聚類數(shù)。

    基于以上兩個(gè)問題的綜合考慮,本文提出一種自適應(yīng)的模擬退火粒子群FCM算法,該算法在已有的FCM聚類算法中融合了模擬退火、粒子群和有效性函數(shù)。首先在優(yōu)化FCM目標(biāo)函數(shù)時(shí),利用粒子群算法更新FCM的聚類中心。其次,根據(jù)模擬退火的Metropolis準(zhǔn)則繼續(xù)調(diào)整聚類中心,使得算法在每次迭代時(shí)都能達(dá)到全局最優(yōu)。最后,引入有效性函數(shù),通過計(jì)算圖像在不同類別數(shù)下的有效值,判定圖像的最佳聚類數(shù),使得算法在未知類別數(shù)的情況下得到合理的分割結(jié)果,進(jìn)一步提升算法的自適應(yīng)性。利用改進(jìn)的方法對(duì)仿真圖像和自然圖像進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,本文算法不僅能夠達(dá)到全局最優(yōu),而且可以在未知聚類數(shù)的情況下自動(dòng)尋找圖像的最佳分類個(gè)數(shù)。

    1 FCM算法

    FCM方法是將樣本空間[X={x1,x2,…,xn}]的樣本點(diǎn)分成[c]個(gè)類別, 其目標(biāo)函數(shù)為:

    式中:[U=(μij)n×c]是隸屬度矩陣;[μij]是樣本點(diǎn)[xi]隸屬于第[j] 類的值;[m(m>1)]是模糊指數(shù);[V=(v1,v2,…,vc)]是聚類中心值的矩陣;[vj]表示第[j]個(gè)聚類中心;[d2ij(xi,vj)=xi-vj]是樣本點(diǎn)[xi]到聚類中心[vj]的歐氏距離。

    該算法首先確定聚類數(shù)[c]和初始化隸屬度矩陣,然后通過式(2),式(3)反復(fù)更新聚類中心和隸屬度矩陣,當(dāng)達(dá)到一定精度時(shí),就得到各類的聚類中心和隸屬度。

    該算法有以下缺點(diǎn):對(duì)初始值敏感,很大程度上依賴初始聚類中心的選擇,當(dāng)初始聚類中心嚴(yán)重偏離全局最優(yōu)聚類中心時(shí),用FCM很可能陷入局部極小值。且必須預(yù)先給定聚類數(shù)[c,]但對(duì)于大多數(shù)樣本往往不知道最佳聚類數(shù)。

    2 PSOFCM算法

    基于粒子群的模糊C均值聚類算法(PSOFCM)的圖像分割通過PSO算法優(yōu)化FCM的聚類中心,在一定程度上避免了傳統(tǒng)的FCM對(duì)初始值敏感、容易陷入局部最優(yōu)的缺點(diǎn),同時(shí)圖像分割的效果也得到了提高,性能也比傳統(tǒng)的FCM方法更加穩(wěn)定。

    矩陣[Z=(Z1,Z2,…,ZN)T]是[N]個(gè)粒子的位置矩陣,其中[Zl=(zl1,zl2,…,zlc)]作為PSO中的一個(gè)粒子,表示一個(gè)聚類中心的集合。通過式(2)可以計(jì)算隸屬度矩陣[U,]將FCM算法的目標(biāo)函數(shù)作為PSO的適應(yīng)度函數(shù):

    式中:[vlj]是第[l]個(gè)粒子的速度在第[j]維上的分量;[Pl=(pl1,pl2,…,plc)]是第[l]個(gè)粒子的最佳位置;[Pg=][(pg1,pg2,…,pgc)]是全體粒子的最佳位置;[w]是慣性系數(shù);[c1,c2]是學(xué)習(xí)因子,一般取2。

    該算法通過式(5),式(6)改變每個(gè)粒子的位置即聚類中心的取值從而產(chǎn)生多種聚類結(jié)果,直到找到可接受的簇中心,即適應(yīng)度函數(shù)達(dá)到終止條件或整個(gè)循環(huán)達(dá)到最大循環(huán)次數(shù)。此算法與FCM算法的最大區(qū)別在于不再使用梯度下降方法而是使用PSO來確定聚類中心。

    PSOFCM算法主要通過粒子群的速度和位置公式來更新FCM算法中的聚類中心,該算法加強(qiáng)了FCM的全局搜索能力并提高了收斂速度,但仍然沒有有效解決FCM易陷入局部極值的問題和需要事先給定聚類數(shù)的缺點(diǎn)。

    3 本文方法

    首先在FCM算法中加入模擬退火粒子群算法,利用粒子群算法的速度公式更新FCM的聚類中心,并用模擬退火算法的Metropolis準(zhǔn)則來判斷是否接受新的聚類中心。然后引入有效性函數(shù),計(jì)算不同聚類數(shù)下的最優(yōu)值所對(duì)應(yīng)的有效值。最后根據(jù)有效值得到最佳的類別數(shù)和最優(yōu)的分割結(jié)果。

    3.1 改進(jìn)的模擬退火粒子群與FCM的融合(SAPSOFCM)

    N. Metropolis等人在1953年提出模擬退火算法,其思想是通過模擬高溫物體退火過程的方法來找到優(yōu)化問題的全局最優(yōu)或近似全局最優(yōu)解。為了解決PSOFCM易陷入局部極值的缺點(diǎn),在PSOFCM方法中引入模擬退火算法,即在每次迭代過程中,若粒子的適應(yīng)度小于該粒子之前的適應(yīng)度則接受新值,反之以概率[P(T)]來接受惡化解。

    [P(T)=exp(-ΔfT)] (7)

    式中:[T]為當(dāng)前溫度;[Δf=fit(U,Z(k)l)-fit(U,Z(k-1)l)],[k]為迭代次數(shù)。

    這樣粒子的適應(yīng)度會(huì)偶爾向增加的方向發(fā)展,有利于跳出局部極小區(qū)域。隨著假想溫度的降低,系統(tǒng)活動(dòng)性降低,最終以概率1穩(wěn)定在全局最優(yōu)值。

    SAPSOFCM方法步驟如下:

    Step1:初始化參數(shù),對(duì)初始溫度[T0、]溫度下降系數(shù)dec、群體規(guī)模[N、]學(xué)習(xí)因子[c1,c2、]慣性系數(shù)[w]等賦初值,粒子群的最大迭代次數(shù)為[kP,]模擬退火的最大迭代次數(shù)為[kS]。隨機(jī)產(chǎn)生[N]個(gè)初始位置,設(shè)[k=1,][i=1]。

    Step2:根據(jù)式(4)求出各粒子的適應(yīng)值,若當(dāng)前粒子的適應(yīng)度小于該粒子最佳位置的適應(yīng)度,則用[Zl]替代[Pl;][Pg]取所有粒子中適應(yīng)度最小的最佳位子。

    Step3:根據(jù)式(5),式(6)更新粒子群的速度及位置,并根據(jù)Metropolis準(zhǔn)則決定是否接受新值。

    Step4:若[fit(U,P(k)g)-fit(U,P(k-1)g)<ε]或[k>kP,]則進(jìn)入下一步。否則轉(zhuǎn)入Step2且[k=k+1]。

    Step5:進(jìn)行退火操作[T=dec?T]且令[k=0]。

    Step6:若[i>kS,]則進(jìn)入下一步;否則轉(zhuǎn)入Step2且[i=i+1]。

    Step7:得到最小有效值對(duì)應(yīng)的隸屬度矩陣,根據(jù)最大隸屬度原則得到分割圖像。

    此方法在分割圖像時(shí)用粒子群算法的速度和位置公式改變聚類中心,并用模擬退火算法的Metropolis準(zhǔn)則來判斷是否接受新的聚類中心,使得該方法能夠以一定的概率跳出局部極值,從而達(dá)到全局最優(yōu)值。

    3.2 自適應(yīng)的SAPSOFCM方法

    雖然SAPSOFCM算法解決了模糊C均值聚類易陷入局部極值的缺點(diǎn),但仍然需要預(yù)先給出聚類數(shù)。人們?cè)诮o出聚類數(shù)時(shí),往往憑借經(jīng)驗(yàn),有時(shí)并不能得到很好的分割結(jié)果。若在SAPSOFCM算法中引入有效性準(zhǔn)則函數(shù),則該算法能夠自適應(yīng)地找到最佳聚類數(shù)。

    首先確定聚類數(shù)[c]的范圍,因?yàn)閳D像最少要分成兩類,最多分割成最大灰度值的根號(hào),所以取[cmin=2,cmax=15。]然后在[c]取不同值的情況下調(diào)用SAPSOFCM方法分別對(duì)圖像進(jìn)行聚類,求出不同聚類數(shù)條件下的聚類中心值及其對(duì)應(yīng)的隸屬度矩陣。最后調(diào)用式(8)求出不同聚類數(shù)對(duì)應(yīng)的有效值。最小有效值對(duì)應(yīng)的聚類數(shù)即為最佳聚類數(shù)。

    通過有效性準(zhǔn)則函數(shù)確定最優(yōu)聚類數(shù),本文選取文獻(xiàn)[13]提出的[VWSJ]函數(shù)進(jìn)行仿真實(shí)驗(yàn),其定義如下:

    式中:[Pg=(Pgj)1×c]表示聚類中心向量;[Pgj]是第[j]個(gè)聚類中心;上標(biāo)[S]表示樣本空間[X]的維度;[xpj]表示數(shù)據(jù)[xj]的第[p]維值;[σ(X)p]表示樣本集[X]的第[p]維數(shù)據(jù)方差,在本文中[X]是一維數(shù)據(jù)空間,即[S=1]。當(dāng)[VWSJ(U,Pg,c)]達(dá)到最小值時(shí),說明分類的效果最好。

    3.3 方法步驟

    綜上,本文方法的總體步驟如下:

    4 實(shí)驗(yàn)結(jié)果

    本實(shí)驗(yàn)的測(cè)試環(huán)境為CPU酷睿2.5 GHz,內(nèi)存8 GB,用Matlab 2012a編程實(shí)現(xiàn)。在合成圖像和Berkeley大學(xué)數(shù)據(jù)庫中的圖像進(jìn)行對(duì)比實(shí)驗(yàn),以驗(yàn)證本文方法在圖像分割中的效果。

    其中,初始參數(shù)設(shè)置為[c1=1.9,][c1=1.8,][w=0.7,][N=30,][T0=5 000,]dec=0.9。

    圖1是對(duì)仿真圖像的實(shí)驗(yàn),以驗(yàn)證本文方法能否找到最佳聚類數(shù)。圖1a)和圖1c)是待分割圖像,都包含5個(gè)區(qū)域,圖1a)中5個(gè)區(qū)域的灰度值有較明顯的差異,但圖1c)中上面2個(gè)區(qū)域和中間圓形區(qū)域的灰度值非常接近。使用本文方法對(duì)圖1a)和圖1c)進(jìn)行分割,其結(jié)果如圖1b)和圖1d)所示。從結(jié)果中可以看出,本文方法能自動(dòng)檢測(cè)出圖中的5個(gè)區(qū)域,能夠在未知聚類數(shù)的情況下自適應(yīng)地得到最佳聚類數(shù)。

    為驗(yàn)證本文方法的效果,選擇經(jīng)典的Camera和Berkeley大學(xué)圖像庫中一張自然圖像176039進(jìn)行測(cè)試。分別用本文方法,PSOFCM和FCM方法對(duì)這些圖像分割3次。

    圖2,圖3顯示了不同方法在各個(gè)圖像上的3次分割結(jié)果。其中第1行是原始待分割圖像,第2行~第4行分別是本文方法,PSOFCM方法以及FCM方法得到的3次分割結(jié)果。

    從圖中可以看出,由PSOFCM方法和FCM方法得到的3個(gè)分割結(jié)果差異較大,且大部分分割結(jié)果不符合實(shí)際需求。而本文方法所得的分割結(jié)果符合人類視覺系統(tǒng)的特點(diǎn),且3次分割結(jié)果非常接近。這些結(jié)果表明本文方法的分割結(jié)果非常穩(wěn)定。

    表1給出了不同方法在各個(gè)圖像上運(yùn)行3次所得的目標(biāo)函數(shù)值,其中最優(yōu)值用粗體標(biāo)出。從表中可以看出,由本文方法所得的分割結(jié)果所對(duì)應(yīng)的目標(biāo)函數(shù)值最小,且3次都能達(dá)到最小。

    5 結(jié) 論

    鑒于FCM方法進(jìn)行圖像分割時(shí)有對(duì)初始值敏感易陷入局部極值且需要事先給出聚類數(shù)的缺陷,本文提出了基于模擬退火粒子群算法的自適應(yīng)FCM方法。首先使用粒子群算法的速度公式和位置公式來更新聚類中心,加強(qiáng)算法的全局搜索能力,提高收斂速度;然后以模擬退火準(zhǔn)則來判斷是否為新的聚類中心,使得該方法能夠以一定的概率接受惡化解,從而跳出局部極值的陷阱達(dá)到全局最優(yōu)解;最后通過有效性準(zhǔn)則函數(shù)來計(jì)算不同聚類數(shù)下的有效值,最小有效值所對(duì)應(yīng)的聚類數(shù)則為最佳聚類數(shù)。通過合成圖像的實(shí)驗(yàn)結(jié)果表明,本文方法能夠在未知聚類數(shù)的情況下自適應(yīng)地尋找最佳聚類數(shù);對(duì)自然圖像的分割結(jié)果表明,本文方法能夠達(dá)到全局最優(yōu)并且具有很好的穩(wěn)定性。該方法具有一定的實(shí)用價(jià)值。

    參考文獻(xiàn)

    [1] JUMB Vijay, SOHANI Mandar, SHRIVAS Avinash. Color image segmentation using k?means clustering and Otsu′s adaptive thresholding [J]. International journal of innovative technology and exploring engineering, 2014, 3(9): 72?76.

    [2] LIU Yi, MU Caihong, KOU Weidong, et al. Modified particle swarm optimization?based multilevel thresholding for image segmentation [J]. Methodologies and application, 2015, 19(5): 1311?1327.

    [3] KUMAR Kalyan, SASMITA Jena, SAROJANANDA Mishra. Edge detection of satellite images: a comparative study [J]. International journal of innovative science, engineering & technology, 2015, 2(3): 75?79.

    [4] DOLLAR P, ZITNICK C L. Fast edge detection using structured forests [J]. IEEE transactions on pattern analysis and machine intelligence, 2015, 37(8): 1558?1570.

    [5] ROUHI Rahimeh, JAFARI Mehdi, KASAEI Shohreh, et al. Benign and malignant breast tumors classification based on region growing and CNN segmentation [J]. Expert systems with applications, 2015(42): 990?1002.

    [6] ZHAO Yuqian, WANG Xiaohong, WANG Xiaofang, et al. Re?tinal vessels segmentation based on level set and region growing [J]. Pattern recognition, 2014, 47(7): 2437?2446.

    [7] ZHANG Xiaodong, JIA Fucang, LUO Suhuai, et al. A marker?based watershed method for X?ray image segmentation [J]. Computer methods and programs in biomedicine, 2014, 113(3): 894?903.

    [8] ZHANG Wenlu, LI Rongjian, DENG Houtao, et al. Deep convolutional neural networks for multi?modality isointense infant brain image segmentation [J]. Neuro image, 2015, 108: 214?224.

    [9] 陳曦,李春月,李峰,等.基于PSO的模糊C?均值聚類算法的圖像分割[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(18):181?182.

    CHEN Xi, LI Chunyue, LI Feng, et a1. Image segmentation based on PSO and fuzzy C?means clustering algorithm [J]. Computer engineering and applications, 2008, 44(18): 181?182.

    [10] 周鮮成,申群太.基于空間鄰域信息的模糊聚類圖像分割[J].武漢理工大學(xué)學(xué)報(bào),2009,31(1):102?105.

    ZHOU Xiancheng, SHEN Quntai. Fuzzy C?means clustering algorithm based on spatial information for image segmentation [J]. Journal of Wuhan University of Technology, 2009, 31(1): 102?105.

    [11] BEZDEK J C. Pattern recognition with objection function algorithms [M]. New York: Plenum Press, 1981.

    [12] XIE X L, BENI G. A validity measure for fuzzy clustering [J]. IEEE transactions on pattern analysis & machine intelligence, 1991, 13(8): 841? 847.

    [13] SUN H J, WANG S G, JIANG Q S. FCM?based model selection algorithms for determing the number of cluster [J]. Pattern recognition, 2004, 37(10): 2027?2037.

    猜你喜歡
    粒子群算法
    幾種改進(jìn)的螢火蟲算法性能比較及應(yīng)用
    基于支持向量機(jī)的短期電力負(fù)荷預(yù)測(cè)
    基于云計(jì)算平臺(tái)的資源調(diào)度優(yōu)化研究
    蟻群算法的運(yùn)用及其優(yōu)化分析
    電力市場(chǎng)交易背景下水電站優(yōu)化調(diào)度研究
    基于粒子群算法的產(chǎn)業(yè)技術(shù)創(chuàng)新生態(tài)系統(tǒng)運(yùn)行穩(wěn)定性組合評(píng)價(jià)研究
    無線傳感器網(wǎng)絡(luò)聯(lián)盟初始結(jié)構(gòu)生成研究
    交通堵塞擾動(dòng)下多車場(chǎng)車輛路徑優(yōu)化
    大型風(fēng)電機(jī)組組合式塔架結(jié)構(gòu)優(yōu)化設(shè)計(jì)
    最近2019中文字幕mv第一页| 成人漫画全彩无遮挡| a级毛片免费高清观看在线播放| 午夜福利在线观看吧| 欧美色欧美亚洲另类二区| 乱码一卡2卡4卡精品| 欧美人与善性xxx| 又粗又爽又猛毛片免费看| 深夜精品福利| 亚洲国产色片| 亚洲人成网站高清观看| 亚洲国产高清在线一区二区三| 最新中文字幕久久久久| 日本爱情动作片www.在线观看| 久久久国产成人免费| 观看免费一级毛片| 国产一级毛片七仙女欲春2| 熟女人妻精品中文字幕| 亚洲精品乱码久久久v下载方式| 内射极品少妇av片p| 此物有八面人人有两片| 国产精品女同一区二区软件| 久久久久性生活片| 中国美白少妇内射xxxbb| 国产爱豆传媒在线观看| 亚洲欧洲国产日韩| 插阴视频在线观看视频| 国产乱人偷精品视频| 亚洲色图av天堂| 亚洲真实伦在线观看| 亚洲欧美成人综合另类久久久 | 亚洲精品自拍成人| 国产视频首页在线观看| 搡女人真爽免费视频火全软件| 男女下面进入的视频免费午夜| 亚洲国产精品久久男人天堂| 国产色婷婷99| 看免费成人av毛片| 国产精品一区二区性色av| 日本免费一区二区三区高清不卡| 精品人妻偷拍中文字幕| 男的添女的下面高潮视频| 高清日韩中文字幕在线| 亚洲av免费高清在线观看| 天堂影院成人在线观看| 精品一区二区三区人妻视频| 亚洲熟妇中文字幕五十中出| 亚洲高清免费不卡视频| 亚洲av成人精品一区久久| 高清午夜精品一区二区三区 | 麻豆乱淫一区二区| 亚洲,欧美,日韩| 国产精品福利在线免费观看| 在线观看美女被高潮喷水网站| 午夜激情欧美在线| 97超碰精品成人国产| 国产一级毛片七仙女欲春2| 五月玫瑰六月丁香| 亚洲成人久久爱视频| 午夜视频国产福利| 亚洲国产精品sss在线观看| 久久综合国产亚洲精品| 国产91av在线免费观看| 人体艺术视频欧美日本| 日韩三级伦理在线观看| 午夜免费激情av| 久久久a久久爽久久v久久| 精品熟女少妇av免费看| 亚洲欧洲日产国产| 国产中年淑女户外野战色| 中文字幕av在线有码专区| 一区二区三区高清视频在线| 亚洲国产欧美人成| 亚洲欧美精品综合久久99| 人妻制服诱惑在线中文字幕| 99热网站在线观看| 国产真实乱freesex| 国产单亲对白刺激| 在线观看美女被高潮喷水网站| 插逼视频在线观看| 国产老妇女一区| 此物有八面人人有两片| 久久婷婷人人爽人人干人人爱| 丰满人妻一区二区三区视频av| 午夜a级毛片| 91久久精品国产一区二区三区| 精品久久久久久久末码| 国产精品美女特级片免费视频播放器| 日本在线视频免费播放| 麻豆一二三区av精品| 亚洲第一区二区三区不卡| 在线观看av片永久免费下载| 男女啪啪激烈高潮av片| 日韩人妻高清精品专区| 亚洲美女视频黄频| 日日干狠狠操夜夜爽| 成人av在线播放网站| 亚洲第一电影网av| 青春草视频在线免费观看| 日韩在线高清观看一区二区三区| 波野结衣二区三区在线| 亚洲激情五月婷婷啪啪| 99热网站在线观看| 久久午夜福利片| 特大巨黑吊av在线直播| 国产亚洲精品av在线| 国产高清不卡午夜福利| 亚洲精品亚洲一区二区| 久久久久久久久久黄片| 99国产精品一区二区蜜桃av| a级毛色黄片| 国产在线男女| 不卡一级毛片| 久久精品国产清高在天天线| 男女视频在线观看网站免费| 欧美色欧美亚洲另类二区| 看黄色毛片网站| 色哟哟哟哟哟哟| 美女黄网站色视频| 性插视频无遮挡在线免费观看| 一进一出抽搐动态| 联通29元200g的流量卡| 老熟妇乱子伦视频在线观看| 91aial.com中文字幕在线观看| 欧美精品国产亚洲| 美女内射精品一级片tv| 麻豆乱淫一区二区| 色尼玛亚洲综合影院| 亚洲天堂国产精品一区在线| 99热精品在线国产| 欧美人与善性xxx| 99久久久亚洲精品蜜臀av| 成人午夜精彩视频在线观看| 91精品一卡2卡3卡4卡| 全区人妻精品视频| 久久99蜜桃精品久久| 免费不卡的大黄色大毛片视频在线观看 | 免费无遮挡裸体视频| 天天躁夜夜躁狠狠久久av| 亚洲av.av天堂| 18禁在线播放成人免费| 国产精华一区二区三区| 午夜激情欧美在线| 精品少妇黑人巨大在线播放 | 免费人成视频x8x8入口观看| 丝袜喷水一区| 久久精品人妻少妇| 亚洲欧美日韩卡通动漫| 成人欧美大片| 亚洲欧美成人综合另类久久久 | 黄色欧美视频在线观看| 午夜福利在线在线| 久久午夜福利片| 免费人成在线观看视频色| 国产av在哪里看| 丝袜美腿在线中文| 人人妻人人看人人澡| 日韩中字成人| 成人av在线播放网站| 欧美人与善性xxx| 色综合亚洲欧美另类图片| 国产精品嫩草影院av在线观看| 午夜视频国产福利| 3wmmmm亚洲av在线观看| 日韩 亚洲 欧美在线| 一个人看视频在线观看www免费| 99热网站在线观看| 国产精品美女特级片免费视频播放器| 国产精品1区2区在线观看.| 国产国拍精品亚洲av在线观看| 日本撒尿小便嘘嘘汇集6| 国产精品.久久久| av又黄又爽大尺度在线免费看 | 久久久久久久久久久丰满| 欧美精品一区二区大全| 99久久无色码亚洲精品果冻| 18+在线观看网站| 成人国产麻豆网| 日本一二三区视频观看| 久久鲁丝午夜福利片| 国产精品人妻久久久影院| 麻豆乱淫一区二区| 寂寞人妻少妇视频99o| 一级二级三级毛片免费看| 又爽又黄a免费视频| 91午夜精品亚洲一区二区三区| 校园人妻丝袜中文字幕| 亚洲av中文字字幕乱码综合| 丰满的人妻完整版| 午夜激情福利司机影院| 亚洲中文字幕一区二区三区有码在线看| 中文字幕熟女人妻在线| 国产色婷婷99| www日本黄色视频网| 亚洲最大成人手机在线| 欧美人与善性xxx| 国产精品免费一区二区三区在线| 国产一级毛片在线| 日韩人妻高清精品专区| 午夜福利视频1000在线观看| 国产伦理片在线播放av一区 | 晚上一个人看的免费电影| 欧美日韩一区二区视频在线观看视频在线 | 午夜老司机福利剧场| 国产精品野战在线观看| 99热网站在线观看| 精品日产1卡2卡| 不卡一级毛片| 一区二区三区免费毛片| 天天一区二区日本电影三级| 久久久久久大精品| 精品久久久噜噜| 亚洲自拍偷在线| 国产精华一区二区三区| 国产白丝娇喘喷水9色精品| 国产成人福利小说| 免费黄网站久久成人精品| 日本免费一区二区三区高清不卡| 久久久久九九精品影院| 欧美激情国产日韩精品一区| 色哟哟·www| 高清毛片免费看| 亚洲精品日韩在线中文字幕 | 又粗又爽又猛毛片免费看| 六月丁香七月| 久久鲁丝午夜福利片| 国产成人福利小说| 国产色爽女视频免费观看| 91aial.com中文字幕在线观看| 亚洲最大成人手机在线| av天堂中文字幕网| 99国产精品一区二区蜜桃av| 精品久久久久久久人妻蜜臀av| 热99在线观看视频| 久久久国产成人精品二区| 成年女人看的毛片在线观看| 性插视频无遮挡在线免费观看| 在线国产一区二区在线| 99在线人妻在线中文字幕| 精品日产1卡2卡| 日韩av不卡免费在线播放| 中国美女看黄片| 亚洲无线观看免费| 天堂√8在线中文| 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 亚洲欧美日韩高清专用| 国产亚洲精品久久久久久毛片| 一级二级三级毛片免费看| 国产成人a区在线观看| 哪个播放器可以免费观看大片| 久久午夜亚洲精品久久| 在线a可以看的网站| 免费观看人在逋| 天堂网av新在线| 精华霜和精华液先用哪个| 一进一出抽搐动态| 悠悠久久av| 国产精品久久视频播放| 欧美不卡视频在线免费观看| 综合色丁香网| kizo精华| 丰满乱子伦码专区| 最近最新中文字幕大全电影3| 91aial.com中文字幕在线观看| 国产片特级美女逼逼视频| 看十八女毛片水多多多| 亚洲av第一区精品v没综合| 美女被艹到高潮喷水动态| www.色视频.com| 麻豆av噜噜一区二区三区| 国产精品一区二区性色av| 亚洲精品影视一区二区三区av| 中国美白少妇内射xxxbb| 国产精品一区二区三区四区久久| 久久久久久久久久久丰满| 亚洲成人精品中文字幕电影| 久久人人爽人人片av| 日本黄色视频三级网站网址| 六月丁香七月| 国产精品一区二区在线观看99 | 国产极品天堂在线| 亚洲av免费高清在线观看| 国产黄片美女视频| 偷拍熟女少妇极品色| 国产精品野战在线观看| 床上黄色一级片| 国产在视频线在精品| 精品久久久久久久久亚洲| 午夜激情欧美在线| 日韩一本色道免费dvd| 美女cb高潮喷水在线观看| 久久久久久久久久久免费av| 丝袜美腿在线中文| www.av在线官网国产| 99九九线精品视频在线观看视频| 国产成人午夜福利电影在线观看| 色综合站精品国产| 成人欧美大片| 精品久久国产蜜桃| 日韩大尺度精品在线看网址| 国产精品国产三级国产av玫瑰| 亚洲久久久久久中文字幕| 国产午夜精品久久久久久一区二区三区| 国模一区二区三区四区视频| 欧美最黄视频在线播放免费| 自拍偷自拍亚洲精品老妇| 天美传媒精品一区二区| 美女高潮的动态| 熟妇人妻久久中文字幕3abv| 婷婷色综合大香蕉| 中国美女看黄片| 免费人成在线观看视频色| 国产精品福利在线免费观看| 亚洲精品国产av成人精品| 可以在线观看毛片的网站| 又粗又爽又猛毛片免费看| 91在线精品国自产拍蜜月| av黄色大香蕉| 三级国产精品欧美在线观看| 青春草亚洲视频在线观看| 九九爱精品视频在线观看| 日韩欧美 国产精品| 精品久久国产蜜桃| 日本撒尿小便嘘嘘汇集6| kizo精华| 免费看a级黄色片| 久久韩国三级中文字幕| 亚洲人成网站高清观看| 小说图片视频综合网站| 国产男人的电影天堂91| 韩国av在线不卡| 白带黄色成豆腐渣| 我的女老师完整版在线观看| 精品一区二区三区视频在线| 亚洲无线观看免费| 久久久久久久久大av| 非洲黑人性xxxx精品又粗又长| 成年版毛片免费区| 少妇的逼好多水| 欧美另类亚洲清纯唯美| 人妻夜夜爽99麻豆av| 国产黄片视频在线免费观看| 十八禁国产超污无遮挡网站| 亚洲激情五月婷婷啪啪| 天天躁日日操中文字幕| 久久这里有精品视频免费| 精华霜和精华液先用哪个| 一本一本综合久久| 少妇熟女aⅴ在线视频| 久久人人爽人人爽人人片va| 美女 人体艺术 gogo| 九草在线视频观看| 国产成人福利小说| 亚洲人成网站在线播| 亚洲欧美日韩无卡精品| 蜜桃亚洲精品一区二区三区| 欧美bdsm另类| 99久久人妻综合| 少妇被粗大猛烈的视频| 国产亚洲欧美98| 99视频精品全部免费 在线| 成人漫画全彩无遮挡| a级一级毛片免费在线观看| 国产亚洲91精品色在线| a级一级毛片免费在线观看| 精品久久国产蜜桃| 亚洲精华国产精华液的使用体验 | 亚洲人成网站在线播| 五月伊人婷婷丁香| 国产久久久一区二区三区| 午夜a级毛片| 高清毛片免费看| 哪个播放器可以免费观看大片| 中出人妻视频一区二区| 国内揄拍国产精品人妻在线| 国产在视频线在精品| 久久精品国产清高在天天线| 国产亚洲av片在线观看秒播厂 | 你懂的网址亚洲精品在线观看 | 日韩大尺度精品在线看网址| 床上黄色一级片| 午夜视频国产福利| 我要搜黄色片| 少妇高潮的动态图| 插阴视频在线观看视频| 寂寞人妻少妇视频99o| 1024手机看黄色片| 亚洲精品日韩在线中文字幕 | 日韩欧美一区二区三区在线观看| 国产色爽女视频免费观看| 深夜精品福利| 成人午夜精彩视频在线观看| 美女xxoo啪啪120秒动态图| 亚洲无线观看免费| 欧美激情在线99| 国产白丝娇喘喷水9色精品| 精品久久久久久久末码| 亚洲中文字幕日韩| 99在线视频只有这里精品首页| 1000部很黄的大片| 午夜激情福利司机影院| 91av网一区二区| 欧美成人免费av一区二区三区| 一区福利在线观看| 乱码一卡2卡4卡精品| 深夜精品福利| 中文字幕av在线有码专区| 国产精品精品国产色婷婷| 国产成人一区二区在线| 99国产精品一区二区蜜桃av| 插逼视频在线观看| 午夜爱爱视频在线播放| 日本与韩国留学比较| 久久久国产成人精品二区| 精品久久久久久久久亚洲| 九九爱精品视频在线观看| 久久久久久伊人网av| 国产成人a区在线观看| 国产成人福利小说| 欧美日韩国产亚洲二区| 91久久精品国产一区二区成人| 成人亚洲欧美一区二区av| 18禁裸乳无遮挡免费网站照片| 国产一级毛片七仙女欲春2| 人妻少妇偷人精品九色| 日本与韩国留学比较| 中文字幕制服av| 国产成人91sexporn| 亚洲在线自拍视频| 91久久精品国产一区二区三区| 亚洲性久久影院| 成人午夜高清在线视频| 欧美日韩一区二区视频在线观看视频在线 | 国产精品久久久久久久久免| 日韩精品有码人妻一区| 十八禁国产超污无遮挡网站| 久久久精品94久久精品| 日本熟妇午夜| 插阴视频在线观看视频| 久久热精品热| 蜜桃亚洲精品一区二区三区| 久久久久久久久大av| 大又大粗又爽又黄少妇毛片口| 综合色av麻豆| 黄色配什么色好看| 免费观看的影片在线观看| 22中文网久久字幕| 久久草成人影院| 亚洲美女视频黄频| 国产色婷婷99| 超碰av人人做人人爽久久| 老熟妇乱子伦视频在线观看| 国产亚洲精品久久久com| 欧美一区二区精品小视频在线| 亚洲经典国产精华液单| 九色成人免费人妻av| 欧美高清成人免费视频www| 91在线精品国自产拍蜜月| 日本成人三级电影网站| 亚洲国产色片| 国产一区二区三区av在线 | 国产黄a三级三级三级人| 在线播放无遮挡| 91久久精品国产一区二区成人| 国产精品久久久久久久电影| 99热6这里只有精品| 日韩中字成人| 成人美女网站在线观看视频| 成人漫画全彩无遮挡| 成年版毛片免费区| 国产老妇伦熟女老妇高清| av在线观看视频网站免费| 亚洲人成网站在线播| 深夜精品福利| 欧美日韩国产亚洲二区| 午夜老司机福利剧场| 国产爱豆传媒在线观看| 欧美成人免费av一区二区三区| 丰满人妻一区二区三区视频av| 美女被艹到高潮喷水动态| 最近视频中文字幕2019在线8| 少妇熟女aⅴ在线视频| 欧美成人a在线观看| 国产免费一级a男人的天堂| 麻豆精品久久久久久蜜桃| 在线观看一区二区三区| 国产色婷婷99| 精品免费久久久久久久清纯| 熟女电影av网| 青春草国产在线视频 | 亚洲精品456在线播放app| 久久久久久久久大av| 国产伦精品一区二区三区四那| 亚洲av第一区精品v没综合| 全区人妻精品视频| 99热这里只有是精品在线观看| 婷婷六月久久综合丁香| 成人一区二区视频在线观看| 狠狠狠狠99中文字幕| 日本-黄色视频高清免费观看| 在线免费观看不下载黄p国产| 久久精品久久久久久噜噜老黄 | 国内少妇人妻偷人精品xxx网站| 干丝袜人妻中文字幕| 国产私拍福利视频在线观看| 日韩欧美在线乱码| 午夜福利在线观看吧| 日韩一本色道免费dvd| 欧美另类亚洲清纯唯美| 亚洲精品粉嫩美女一区| 色综合色国产| 国产人妻一区二区三区在| 精品人妻视频免费看| 丝袜喷水一区| 亚洲av一区综合| 成人特级黄色片久久久久久久| 国产中年淑女户外野战色| 草草在线视频免费看| 国产在线男女| 欧美成人一区二区免费高清观看| 欧美+亚洲+日韩+国产| 高清毛片免费看| 成年女人永久免费观看视频| 国语自产精品视频在线第100页| 国产真实乱freesex| 国产一区二区在线观看日韩| 国产精品电影一区二区三区| 岛国在线免费视频观看| 成人毛片a级毛片在线播放| 99久国产av精品| 国产成人精品婷婷| 不卡视频在线观看欧美| 在现免费观看毛片| 欧美日韩精品成人综合77777| 成人美女网站在线观看视频| 最近中文字幕高清免费大全6| 日本黄大片高清| 蜜桃亚洲精品一区二区三区| 久久精品影院6| 久久久久国产网址| 能在线免费观看的黄片| 国产精品av视频在线免费观看| 午夜视频国产福利| 成人无遮挡网站| 99国产极品粉嫩在线观看| 天堂影院成人在线观看| 成人漫画全彩无遮挡| 伦理电影大哥的女人| 久久久久九九精品影院| 我的老师免费观看完整版| 一进一出抽搐动态| 久久99蜜桃精品久久| 久久草成人影院| 国产一区二区在线观看日韩| 国产一级毛片在线| 国产不卡一卡二| 国产精品久久电影中文字幕| 久久精品国产清高在天天线| 国产色爽女视频免费观看| 国产高清视频在线观看网站| 欧美最黄视频在线播放免费| a级毛片a级免费在线| 亚洲,欧美,日韩| 少妇猛男粗大的猛烈进出视频 | 只有这里有精品99| 国产精品伦人一区二区| 精品国产三级普通话版| 国产大屁股一区二区在线视频| 亚洲国产欧洲综合997久久,| 免费观看精品视频网站| 中文字幕熟女人妻在线| 久久久久免费精品人妻一区二区| 超碰av人人做人人爽久久| 两性午夜刺激爽爽歪歪视频在线观看| 男女视频在线观看网站免费| 国产亚洲精品久久久久久毛片| 男插女下体视频免费在线播放| 国产高潮美女av| 美女 人体艺术 gogo| 国产精品无大码| 亚洲人成网站在线播| 亚洲精品色激情综合| 成人午夜精彩视频在线观看| 美女xxoo啪啪120秒动态图| 成人永久免费在线观看视频| 91在线精品国自产拍蜜月| av福利片在线观看| 亚洲va在线va天堂va国产| 波多野结衣高清无吗| 一本精品99久久精品77| 一夜夜www| 男的添女的下面高潮视频| 国产乱人偷精品视频| 一个人免费在线观看电影| 日本免费一区二区三区高清不卡| 又爽又黄a免费视频| 日韩成人av中文字幕在线观看| 12—13女人毛片做爰片一| 亚洲图色成人| 观看美女的网站| 精品人妻偷拍中文字幕| 国产亚洲av片在线观看秒播厂 | 人人妻人人澡欧美一区二区| 黄色欧美视频在线观看| 男女视频在线观看网站免费| 国产精品福利在线免费观看| 欧美潮喷喷水| 亚洲va在线va天堂va国产| eeuss影院久久| 91精品一卡2卡3卡4卡| 99在线视频只有这里精品首页| 菩萨蛮人人尽说江南好唐韦庄 | 午夜福利在线观看免费完整高清在 | 亚洲第一区二区三区不卡|