• <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)
    高清不卡的av网站| 一级爰片在线观看| 欧美激情极品国产一区二区三区 | 久久婷婷青草| 22中文网久久字幕| 有码 亚洲区| 亚洲av免费高清在线观看| 亚洲欧美日韩另类电影网站| 免费少妇av软件| 熟女电影av网| 亚洲国产精品专区欧美| 日韩欧美精品免费久久| 香蕉精品网在线| 人妻 亚洲 视频| 久久99一区二区三区| 久久久久久久久大av| 国产免费视频播放在线视频| 三上悠亚av全集在线观看 | 亚洲婷婷狠狠爱综合网| 极品少妇高潮喷水抽搐| 肉色欧美久久久久久久蜜桃| 亚洲av男天堂| 色婷婷久久久亚洲欧美| 免费人成在线观看视频色| av福利片在线观看| 99久久精品热视频| 亚洲欧美清纯卡通| 美女中出高潮动态图| 欧美日韩综合久久久久久| 久久久久精品久久久久真实原创| 91久久精品国产一区二区成人| 成人二区视频| 五月开心婷婷网| 最新的欧美精品一区二区| 亚洲欧洲日产国产| 天堂俺去俺来也www色官网| 午夜免费男女啪啪视频观看| av在线观看视频网站免费| 亚洲精品国产色婷婷电影| 乱系列少妇在线播放| 夜夜爽夜夜爽视频| 国产女主播在线喷水免费视频网站| 久久久久视频综合| 国产精品久久久久成人av| 又爽又黄a免费视频| 波野结衣二区三区在线| 五月玫瑰六月丁香| 亚洲欧美一区二区三区国产| 在线播放无遮挡| 日韩av在线免费看完整版不卡| 国产亚洲午夜精品一区二区久久| 人妻系列 视频| a级片在线免费高清观看视频| 亚洲精品亚洲一区二区| 欧美少妇被猛烈插入视频| 国产淫片久久久久久久久| 欧美97在线视频| 制服丝袜香蕉在线| a级毛片免费高清观看在线播放| 乱系列少妇在线播放| 国产av一区二区精品久久| 日韩一本色道免费dvd| 国产亚洲午夜精品一区二区久久| 免费看av在线观看网站| 亚洲,欧美,日韩| 国产午夜精品久久久久久一区二区三区| 在线观看国产h片| 少妇熟女欧美另类| 不卡视频在线观看欧美| 精品一区二区免费观看| 五月天丁香电影| 国产淫语在线视频| 久久99蜜桃精品久久| 99九九线精品视频在线观看视频| 纯流量卡能插随身wifi吗| 国产白丝娇喘喷水9色精品| 国产极品粉嫩免费观看在线 | 亚洲精品aⅴ在线观看| 日韩三级伦理在线观看| 另类亚洲欧美激情| 天堂中文最新版在线下载| 成人黄色视频免费在线看| 欧美精品一区二区大全| 日日撸夜夜添| 国产成人a∨麻豆精品| 极品教师在线视频| 日韩一区二区视频免费看| 国产精品99久久99久久久不卡 | 亚洲国产欧美在线一区| av国产精品久久久久影院| 久久久久国产精品人妻一区二区| videos熟女内射| 内射极品少妇av片p| 亚洲精品aⅴ在线观看| 最近最新中文字幕免费大全7| 啦啦啦视频在线资源免费观看| 日韩一区二区三区影片| 久久国产精品男人的天堂亚洲 | 性色av一级| 青春草视频在线免费观看| 免费av不卡在线播放| 一区在线观看完整版| 成人国产av品久久久| 香蕉精品网在线| 亚洲av在线观看美女高潮| 久久久欧美国产精品| 亚洲欧美日韩东京热| 永久免费av网站大全| 日本色播在线视频| 大码成人一级视频| 天堂8中文在线网| 免费观看的影片在线观看| 久久久久久久国产电影| 尾随美女入室| 最新中文字幕久久久久| av女优亚洲男人天堂| 赤兔流量卡办理| 黄片无遮挡物在线观看| 午夜91福利影院| 国产高清三级在线| 免费高清在线观看视频在线观看| 91精品国产国语对白视频| 精品亚洲乱码少妇综合久久| 国产成人精品无人区| 亚洲欧洲精品一区二区精品久久久 | 丰满人妻一区二区三区视频av| 国产片特级美女逼逼视频| 日韩一区二区视频免费看| 久久99蜜桃精品久久| 美女福利国产在线| 男人添女人高潮全过程视频| 国产精品无大码| 在线观看免费高清a一片| av黄色大香蕉| 欧美精品一区二区大全| av国产精品久久久久影院| 国产日韩欧美亚洲二区| 日日啪夜夜撸| 能在线免费看毛片的网站| 男人添女人高潮全过程视频| 国产精品成人在线| 国语对白做爰xxxⅹ性视频网站| 亚洲国产精品国产精品| 精品酒店卫生间| 国产精品国产三级专区第一集| 蜜桃在线观看..| 插逼视频在线观看| 精品国产一区二区久久| 午夜免费鲁丝| 嘟嘟电影网在线观看| 人人妻人人看人人澡| 美女大奶头黄色视频| 日韩中文字幕视频在线看片| 大片免费播放器 马上看| 啦啦啦啦在线视频资源| 欧美精品高潮呻吟av久久| 内射极品少妇av片p| 欧美日本中文国产一区发布| 国产精品99久久99久久久不卡 | 麻豆成人av视频| 人人妻人人爽人人添夜夜欢视频 | 免费高清在线观看视频在线观看| av免费观看日本| 日本wwww免费看| 少妇人妻 视频| 久久久国产一区二区| 欧美另类一区| 丰满迷人的少妇在线观看| 啦啦啦中文免费视频观看日本| 精品久久久精品久久久| 欧美 日韩 精品 国产| 99热这里只有精品一区| 高清毛片免费看| 黑人巨大精品欧美一区二区蜜桃 | 插阴视频在线观看视频| 2021少妇久久久久久久久久久| 在线 av 中文字幕| 韩国av在线不卡| 成人二区视频| 国产精品一区二区三区四区免费观看| 亚洲av日韩在线播放| 午夜福利网站1000一区二区三区| 纵有疾风起免费观看全集完整版| 亚洲一区二区三区欧美精品| 91aial.com中文字幕在线观看| 日韩不卡一区二区三区视频在线| 亚洲自偷自拍三级| 午夜91福利影院| 51国产日韩欧美| 国产精品伦人一区二区| 极品少妇高潮喷水抽搐| 夜夜爽夜夜爽视频| 国产伦在线观看视频一区| 日本黄色日本黄色录像| av.在线天堂| 一级,二级,三级黄色视频| 一本—道久久a久久精品蜜桃钙片| 一区二区三区免费毛片| 日本黄色片子视频| 精品一品国产午夜福利视频| 夫妻性生交免费视频一级片| 交换朋友夫妻互换小说| 日韩中字成人| 国产一区亚洲一区在线观看| 夫妻午夜视频| 久久久久久久精品精品| 一区二区三区免费毛片| 精品人妻熟女av久视频| 亚洲国产欧美日韩在线播放 | 这个男人来自地球电影免费观看 | av黄色大香蕉| 男人添女人高潮全过程视频| 国产伦在线观看视频一区| 熟女电影av网| 亚洲一区二区三区欧美精品| 视频区图区小说| 亚洲av福利一区| 视频中文字幕在线观看| 免费黄色在线免费观看| 丝袜脚勾引网站| 国产一区有黄有色的免费视频| 黄色配什么色好看| 日韩人妻高清精品专区| 国产欧美日韩综合在线一区二区 | 久久 成人 亚洲| 99久久精品国产国产毛片| 在线亚洲精品国产二区图片欧美 | 又爽又黄a免费视频| 国产日韩欧美在线精品| 亚洲人成网站在线观看播放| 欧美+日韩+精品| 人体艺术视频欧美日本| 美女大奶头黄色视频| 人人妻人人澡人人看| 日本wwww免费看| 一级二级三级毛片免费看| 欧美日韩国产mv在线观看视频| a 毛片基地| 亚洲国产欧美日韩在线播放 | 99久久精品热视频| 精品一区在线观看国产| 日日爽夜夜爽网站| 热re99久久精品国产66热6| 精品一品国产午夜福利视频| 亚洲成人av在线免费| 亚洲精品久久久久久婷婷小说| 久久人人爽人人爽人人片va| 99久久综合免费| 中文字幕人妻熟人妻熟丝袜美| 欧美老熟妇乱子伦牲交| 久久女婷五月综合色啪小说| 久久免费观看电影| 少妇人妻 视频| 精品久久久久久久久av| 国产精品久久久久久av不卡| 国产成人aa在线观看| 老熟女久久久| 国产又色又爽无遮挡免| 欧美最新免费一区二区三区| 亚洲av欧美aⅴ国产| 又大又黄又爽视频免费| 亚洲精品国产成人久久av| 插阴视频在线观看视频| 国产亚洲一区二区精品| 久久婷婷青草| 老司机影院毛片| 久久99精品国语久久久| 777米奇影视久久| 美女内射精品一级片tv| 丰满饥渴人妻一区二区三| 久久久a久久爽久久v久久| 亚洲无线观看免费| 久久人妻熟女aⅴ| 国产熟女午夜一区二区三区 | 国产一区二区在线观看av| 精品久久久久久久久av| 免费观看无遮挡的男女| 高清黄色对白视频在线免费看 | 色视频www国产| 国产亚洲av片在线观看秒播厂| 一级毛片aaaaaa免费看小| 五月开心婷婷网| 男女边摸边吃奶| 视频区图区小说| 美女xxoo啪啪120秒动态图| 大香蕉97超碰在线| 91精品国产九色| 亚洲国产毛片av蜜桃av| 国产精品99久久久久久久久| 亚洲国产精品一区二区三区在线| 又大又黄又爽视频免费| 青青草视频在线视频观看| av不卡在线播放| 久久精品国产亚洲av天美| 永久网站在线| 精品一区在线观看国产| 女的被弄到高潮叫床怎么办| 成人亚洲欧美一区二区av| 一级,二级,三级黄色视频| 免费大片18禁| 久久久国产欧美日韩av| 日韩一本色道免费dvd| 美女福利国产在线| 日韩欧美一区视频在线观看 | 男人和女人高潮做爰伦理| 男女无遮挡免费网站观看| 日韩一本色道免费dvd| 中国国产av一级| 极品教师在线视频| 全区人妻精品视频| 97在线视频观看| 三上悠亚av全集在线观看 | 99久久精品国产国产毛片| 美女中出高潮动态图| 精华霜和精华液先用哪个| 最后的刺客免费高清国语| 国产精品国产av在线观看| 精品国产一区二区久久| 午夜激情福利司机影院| 伦理电影大哥的女人| 亚洲一级一片aⅴ在线观看| 最近2019中文字幕mv第一页| 看免费成人av毛片| 亚洲欧洲国产日韩| 亚洲精品日本国产第一区| 亚洲久久久国产精品| 大码成人一级视频| 免费看日本二区| 亚洲电影在线观看av| 久久人人爽av亚洲精品天堂| 欧美成人精品欧美一级黄| 一级毛片黄色毛片免费观看视频| 国产高清国产精品国产三级| 久久久久久人妻| 三级经典国产精品| 国产男女内射视频| 女的被弄到高潮叫床怎么办| 欧美精品人与动牲交sv欧美| 国产成人a∨麻豆精品| 蜜桃在线观看..| 成人国产av品久久久| 亚洲人成网站在线观看播放| 精品久久久久久久久亚洲| 亚洲欧美清纯卡通| 亚洲精华国产精华液的使用体验| 国内揄拍国产精品人妻在线| 国产 精品1| 十八禁网站网址无遮挡 | 久久久a久久爽久久v久久| 蜜臀久久99精品久久宅男| 能在线免费看毛片的网站| 亚洲综合精品二区| 熟女人妻精品中文字幕| 久久精品国产亚洲av涩爱| 七月丁香在线播放| 热99国产精品久久久久久7| av专区在线播放| 久久99一区二区三区| 欧美日韩视频高清一区二区三区二| 另类精品久久| 欧美三级亚洲精品| 久久影院123| 极品少妇高潮喷水抽搐| 天堂中文最新版在线下载| 久久国产精品大桥未久av | 精品一区二区三区视频在线| 国产伦理片在线播放av一区| 男女啪啪激烈高潮av片| 男男h啪啪无遮挡| av专区在线播放| 免费播放大片免费观看视频在线观看| 在线 av 中文字幕| 十八禁网站网址无遮挡 | 18禁动态无遮挡网站| 寂寞人妻少妇视频99o| 亚洲精品久久午夜乱码| 日韩精品免费视频一区二区三区 | 最近的中文字幕免费完整| 亚洲中文av在线| 桃花免费在线播放| 最近的中文字幕免费完整| 精品国产一区二区三区久久久樱花| 成人特级av手机在线观看| 涩涩av久久男人的天堂| 91久久精品电影网| av卡一久久| 十八禁网站网址无遮挡 | 精品一区二区三卡| 久久国产乱子免费精品| 99久久综合免费| 丝袜喷水一区| 深夜a级毛片| 在线 av 中文字幕| 在线观看免费视频网站a站| 亚洲av成人精品一二三区| 18禁动态无遮挡网站| 国产一区二区三区av在线| 99热6这里只有精品| 制服丝袜香蕉在线| 国产精品女同一区二区软件| 日韩电影二区| 国产精品秋霞免费鲁丝片| 99热6这里只有精品| 永久网站在线| 搡老乐熟女国产| 国产色爽女视频免费观看| 国产黄频视频在线观看| 国产精品一区www在线观看| 大陆偷拍与自拍| 一二三四中文在线观看免费高清| 精品视频人人做人人爽| 少妇人妻久久综合中文| 国产精品国产三级国产专区5o| h日本视频在线播放| 国产精品秋霞免费鲁丝片| 国产精品久久久久久久久免| 亚洲精品自拍成人| 曰老女人黄片| 成人免费观看视频高清| 成人漫画全彩无遮挡| 秋霞伦理黄片| 爱豆传媒免费全集在线观看| 欧美成人精品欧美一级黄| 亚洲精品日韩在线中文字幕| 女性被躁到高潮视频| 最近中文字幕2019免费版| 精品少妇久久久久久888优播| 日韩精品免费视频一区二区三区 | 久久综合国产亚洲精品| 亚洲第一av免费看| 国产黄频视频在线观看| 免费观看的影片在线观看| 国产白丝娇喘喷水9色精品| 亚洲欧洲日产国产| 新久久久久国产一级毛片| 日本与韩国留学比较| 国产淫片久久久久久久久| 亚洲av二区三区四区| 偷拍熟女少妇极品色| 国产精品麻豆人妻色哟哟久久| 国产熟女午夜一区二区三区 | 国产精品蜜桃在线观看| 交换朋友夫妻互换小说| 人妻人人澡人人爽人人| 成人亚洲精品一区在线观看| 人人澡人人妻人| 另类亚洲欧美激情| 国产精品国产三级国产av玫瑰| 香蕉精品网在线| 国产永久视频网站| 中文字幕精品免费在线观看视频 | 亚洲精品日本国产第一区| av福利片在线观看| 欧美日韩视频高清一区二区三区二| a级一级毛片免费在线观看| 七月丁香在线播放| 亚洲国产成人一精品久久久| 日日啪夜夜撸| 免费观看的影片在线观看| av有码第一页| 国产高清有码在线观看视频| 午夜视频国产福利| 国产熟女欧美一区二区| 80岁老熟妇乱子伦牲交| 如日韩欧美国产精品一区二区三区 | 观看免费一级毛片| 国产精品福利在线免费观看| 亚洲欧美清纯卡通| 日韩,欧美,国产一区二区三区| 久久久精品94久久精品| 高清在线视频一区二区三区| 五月伊人婷婷丁香| 亚洲人与动物交配视频| 亚洲成色77777| 一级二级三级毛片免费看| 夜夜爽夜夜爽视频| 亚洲av成人精品一二三区| 一级黄片播放器| 精品国产露脸久久av麻豆| 一级毛片久久久久久久久女| 老女人水多毛片| 亚洲美女黄色视频免费看| 精品一区二区三区视频在线| 成人免费观看视频高清| av一本久久久久| 久久久久久久亚洲中文字幕| 26uuu在线亚洲综合色| 国产精品国产三级国产专区5o| 人体艺术视频欧美日本| 免费大片18禁| 青春草视频在线免费观看| 又大又黄又爽视频免费| 性色av一级| 亚洲av国产av综合av卡| 成年人午夜在线观看视频| av天堂中文字幕网| 亚洲精品久久午夜乱码| 尾随美女入室| 男女边吃奶边做爰视频| av专区在线播放| 各种免费的搞黄视频| 内地一区二区视频在线| 久久99蜜桃精品久久| 国产成人aa在线观看| 夜夜看夜夜爽夜夜摸| 久久97久久精品| 人妻一区二区av| 亚洲精品乱久久久久久| 水蜜桃什么品种好| 一级毛片黄色毛片免费观看视频| 人人澡人人妻人| 欧美成人午夜免费资源| 亚洲熟女精品中文字幕| 日韩一区二区三区影片| 久久免费观看电影| 国产片特级美女逼逼视频| 欧美区成人在线视频| 午夜福利视频精品| 黄色一级大片看看| 精品少妇久久久久久888优播| 亚洲国产精品999| 欧美国产精品一级二级三级 | 精华霜和精华液先用哪个| 麻豆精品久久久久久蜜桃| 欧美精品人与动牲交sv欧美| 国产精品熟女久久久久浪| 九九在线视频观看精品| 亚洲高清免费不卡视频| www.av在线官网国产| 青青草视频在线视频观看| 久久久欧美国产精品| 夫妻午夜视频| 亚洲丝袜综合中文字幕| 自拍欧美九色日韩亚洲蝌蚪91 | av在线观看视频网站免费| 黄色视频在线播放观看不卡| 九九在线视频观看精品| 午夜福利视频精品| 十八禁网站网址无遮挡 | 青春草视频在线免费观看| 亚洲av男天堂| 内地一区二区视频在线| 日本av免费视频播放| 国产乱来视频区| 久久久亚洲精品成人影院| 国产成人aa在线观看| 亚洲国产精品一区二区三区在线| 最后的刺客免费高清国语| 人人妻人人澡人人爽人人夜夜| 成人漫画全彩无遮挡| 欧美+日韩+精品| 久久6这里有精品| 九草在线视频观看| 久久综合国产亚洲精品| 蜜桃在线观看..| 欧美另类一区| 在线观看免费视频网站a站| 九色成人免费人妻av| 日本欧美视频一区| 一本色道久久久久久精品综合| av线在线观看网站| 久久精品国产自在天天线| 91精品国产九色| 欧美bdsm另类| 欧美成人精品欧美一级黄| 国产精品福利在线免费观看| 久久人人爽人人片av| 男人舔奶头视频| 曰老女人黄片| 永久免费av网站大全| 男人爽女人下面视频在线观看| 国产精品久久久久久久电影| 亚洲婷婷狠狠爱综合网| 国产精品一区二区三区四区免费观看| 少妇裸体淫交视频免费看高清| 伊人久久精品亚洲午夜| 观看美女的网站| 欧美人与善性xxx| 成人18禁高潮啪啪吃奶动态图 | 最后的刺客免费高清国语| 成人亚洲欧美一区二区av| 嫩草影院入口| .国产精品久久| 国产免费一区二区三区四区乱码| 国产精品.久久久| 卡戴珊不雅视频在线播放| 99re6热这里在线精品视频| 欧美性感艳星| 午夜福利,免费看| 欧美日韩视频高清一区二区三区二| 国产毛片在线视频| 青青草视频在线视频观看| 国产毛片在线视频| 久久 成人 亚洲| 欧美日韩一区二区视频在线观看视频在线| 下体分泌物呈黄色| 日产精品乱码卡一卡2卡三| 韩国av在线不卡| av在线观看视频网站免费| 国产视频内射| 欧美精品一区二区免费开放| 男人狂女人下面高潮的视频| 国产一区二区三区av在线| 妹子高潮喷水视频| 亚洲天堂av无毛| 久久久久久久国产电影| 人人妻人人澡人人看| 欧美成人午夜免费资源| 99久久精品热视频| 国产亚洲av片在线观看秒播厂| 99热国产这里只有精品6| 亚洲图色成人| 亚洲精品乱久久久久久| 男女无遮挡免费网站观看| 多毛熟女@视频|