• <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 ?

    基于字典學(xué)習(xí)的煤與矸石圖像特征識(shí)別方法

    2018-05-11 06:17:48運(yùn)杰
    關(guān)鍵詞:列數(shù)矸石字典

    , , ,運(yùn)杰

    (山東科技大學(xué) 電子通信與物理學(xué)院,山東 青島 266590)

    我國(guó)礦產(chǎn)資源豐富,煤炭作為最重要的戰(zhàn)略資源在經(jīng)濟(jì)發(fā)展中有著舉足輕重的作用。煤炭開采過(guò)程中矸石的混入極大地影響了煤的使用效率,煤與矸石的分選是煤炭利用過(guò)程中不可或缺的環(huán)節(jié)[1]。機(jī)器視覺技術(shù)[2]具有通用性強(qiáng)且易于實(shí)施的特點(diǎn),可以實(shí)現(xiàn)非接觸式的檢測(cè),利于環(huán)境保護(hù),適用于煤炭開采這種重復(fù)性的工業(yè)生產(chǎn),煤與矸石識(shí)別的關(guān)鍵在于如何有效地表達(dá)煤與矸石圖像特征,特征提取的好壞將會(huì)直接影響分類識(shí)別的結(jié)果。于國(guó)防等[3]提出了利用灰度值進(jìn)行煤和矸石圖像識(shí)別的方法,但需要一定輔助條件,并且過(guò)程比較復(fù)雜;王祥瑞[4]提出的煤與矸石圖像特征提取方法較為簡(jiǎn)單,但基于灰度值的特征提取方式單一,在煤礦特定環(huán)境下影響識(shí)別的準(zhǔn)確度,不能滿足實(shí)際需求;何敏等[5]采用了灰度共生矩陣的特征提取方法,由于提取到的特征參數(shù)比較少,容易影響識(shí)別的結(jié)果;廖陽(yáng)陽(yáng)等[6]采用BP網(wǎng)絡(luò)的識(shí)別方法,因受到實(shí)驗(yàn)樣本差異的影響,其識(shí)別精度不高。而且上述特征提取方法難以適應(yīng)在實(shí)際環(huán)境情況下的分類識(shí)別,準(zhǔn)確率也有待提高,因此需要研究可以精確描述煤與矸石圖像的特征提取方法。

    近年來(lái),字典學(xué)習(xí)算法[7-8]在圖像去噪、面部識(shí)別、圖像修復(fù)、圖像超分辨率以及圖像分類等領(lǐng)域有著廣泛的應(yīng)用。字典學(xué)習(xí)算法因其稀疏的表示方式使學(xué)習(xí)得到的字典原子數(shù)量增加、形態(tài)豐富,可以與信號(hào)或者圖像本身的結(jié)構(gòu)進(jìn)行更好的匹配。本文將采用字典學(xué)習(xí)中的K-SVD算法提取煤與矸石的圖像特征,隨機(jī)選擇煤與矸石的樣本圖像作為字典原子后,將學(xué)習(xí)字典按列的順序隨機(jī)進(jìn)行更新,以最大限度地將煤與矸石的圖像特征有效表達(dá)出來(lái),提高識(shí)別的效率。

    1 字典學(xué)習(xí)原理

    隨著稀疏表示理論的不斷成熟,字典學(xué)習(xí)理論被提出并應(yīng)用于信號(hào)處理和圖像信息領(lǐng)域,其中信號(hào)的“簡(jiǎn)單性”是目前研究的熱點(diǎn),尤其是信號(hào)的稀疏性表示,即稀疏表示。字典學(xué)習(xí)方法通過(guò)優(yōu)化相應(yīng)的字典學(xué)習(xí)代價(jià)函數(shù),獲得對(duì)信號(hào)進(jìn)行稀疏表示的字典[9]。稀疏表示的模型為:給定字典D=d1,d2,…,dq∈Rp×q,字典D中的每一列dq∈Rp表示為一個(gè)原子,信號(hào)Y=y1,y2,…,ys∈Rp×s表示為字典D中若干原子的線性組合:Y≈DX,其中X=x1,x2,…,xs∈Rq×s為信號(hào)Y在字典D下的表示系數(shù),由于X矩陣內(nèi)有大量的零元素向量導(dǎo)致每個(gè)列向量都是稀疏的,因此X為稀疏矩陣。本文使用的是K-SVD字典學(xué)習(xí)算法[10-11],與其他字典學(xué)習(xí)算法相比,該算法時(shí)間復(fù)雜度較低,計(jì)算量小,適用性強(qiáng),并且已經(jīng)趨于成熟。

    為了將字典學(xué)習(xí)算法融于煤與矸石的圖像特征提取與識(shí)別中,把信號(hào)Y看作是煤與矸石的圖像信號(hào),字典D通過(guò)煤與矸石的樣本圖像學(xué)習(xí)得到,X為煤與矸石的圖像信號(hào)Y在學(xué)習(xí)字典D下的表示系數(shù)。求解Y≈DX式中的D和X的過(guò)程便為字典學(xué)習(xí)的過(guò)程,所對(duì)應(yīng)字典學(xué)習(xí)的優(yōu)化問(wèn)題可表示為:

    (1)

    式中:Y為煤與矸石的圖像信號(hào)矩陣;xi為稀疏矩陣X中某一列向量;‖·‖F(xiàn)為F范數(shù);‖·‖0為L(zhǎng)0范數(shù);T0為設(shè)定的初始值,與稀疏度相關(guān)。為求解學(xué)習(xí)過(guò)程中的優(yōu)化問(wèn)題,K-SVD字典學(xué)習(xí)利用稀疏編碼和字典更新兩步的迭代學(xué)習(xí)算法求解固定字典D和稀疏矩陣X,直到所求變量收斂或者達(dá)到設(shè)定的迭代次數(shù)。在稀疏編碼階段,稀疏矩陣X用OMP追蹤算法[12-13]進(jìn)行求解,具體運(yùn)算過(guò)程如圖1所示,其中步驟(3)表示的是求殘差r的最相關(guān)列標(biāo)號(hào),步驟(4)是通過(guò)最小二乘法獲得關(guān)于每個(gè)樣本圖像的稀疏系數(shù)X,步驟(5)更新殘差r,步驟(6)表示達(dá)到了設(shè)定的迭代次數(shù),迭代終止。第二步是字典更新階段,利用求解到的稀疏矩陣X對(duì)字典D進(jìn)行逐列更新,若需要更新字典中的第kk=1,2,…,K列dk,目標(biāo)方程可表示為:

    (2)

    為提高煤與矸石的識(shí)別率,本文在字典初始化時(shí)從煤與矸石圖像的訓(xùn)練樣本中隨機(jī)選擇不同的樣本作為字典原子,與順序選擇樣本相比可以降低運(yùn)算復(fù)雜度,提高算法收斂的速度。然后按照列的順序隨機(jī)進(jìn)行字典原子的更新,最后經(jīng)過(guò)多次迭代來(lái)選擇最優(yōu)的字典D。

    輸入:樣本矩陣Y=[y1,y2,…,ys]∈RP×S,字典D=[d1,d2,…,dq]∈Rp×q

    輸出:稀疏矩陣X=[x1,x2,…,xs]∈Rq×s

    (1)i=1;

    (2)r0=yi,Ω0=?,k=1;

    (3)jk=arg max|〈rk-1,dj〉|,j=1,2,…,q,Ωk=Ωk-1∪{jk};

    (5)rk=yi-DΩkxk;

    圖1稀疏編碼的算法流程
    Fig.1 Process of sparse coding algorithm

    2 煤與矸石圖像識(shí)別

    2.1 實(shí)驗(yàn)樣本及實(shí)驗(yàn)環(huán)境

    選取來(lái)自山西大同煤礦的大小形狀各異的煤與矸石樣本圖像800幅,其中煤與矸石兩類各400幅,每幅圖像的像素大小均為100×100,灰度級(jí)為256,格式為jpg。圖像經(jīng)過(guò)預(yù)處理后,隨機(jī)從每類抽取340幅圖像放入訓(xùn)練集,剩下的60幅圖像作為測(cè)試集。由于煤與矸石的開采處在地下,采集到的圖像容易受到周圍環(huán)境的影響,本研究只考慮了在相同光照強(qiáng)度因素下的煤與矸石圖像識(shí)別,如圖2所示。

    圖2 同一光照強(qiáng)度下的煤與矸石樣本圖像Fig.2 Coal and gangue sample images under different illumination conditions

    本文的實(shí)驗(yàn)數(shù)據(jù)是在Matlab 7.14.0(R2012a)上測(cè)試得到。

    2.2 圖像的預(yù)處理

    為了更好地對(duì)煤與矸石的圖像進(jìn)行特征提取,將拍攝到的含有大量干擾信息的彩色圖像轉(zhuǎn)換為灰度圖像,利用PCA算法降維[14-15]。PCA算法是一種常用的數(shù)據(jù)降維方法,是在盡可能代表原始數(shù)據(jù)的前提下,通過(guò)線性變換將高維空間中的樣本數(shù)據(jù)投影到低維空間,以去掉圖像中大量的冗余信息,從而提高K-SVD算法的特征提取效率。首先將放入訓(xùn)練集的每一幅樣本圖像隨機(jī)相連形成訓(xùn)練樣本矩陣,經(jīng)PCA算法進(jìn)行降維處理后,對(duì)降維后的樣本圖像進(jìn)行歸一化處理,使訓(xùn)練樣本矩陣中每一個(gè)列向量的模都為1。降維處理的投影公式為

    B=ETA-M,M=m,m,……,m。

    (3)

    式中,A為所需要處理的樣本矩陣,E為特征空間,m為樣本圖像的均值向量,將矩陣B進(jìn)行歸一化處理得到的矩陣Y便是所求的煤與矸石的圖像信號(hào)矩陣。

    2.3 煤與矸石圖像的特征提取

    預(yù)處理后,利用K-SVD字典學(xué)習(xí)算法將歸一化后的信號(hào)矩陣Y進(jìn)行學(xué)習(xí),經(jīng)過(guò)兩步的迭代學(xué)習(xí)算法求解出字典D與稀疏矩陣X。字典D實(shí)質(zhì)為經(jīng)過(guò)不斷的學(xué)習(xí)與優(yōu)化找到合適的變換空間,而稀疏矩陣X則是信號(hào)矩陣Y在變換空間D下的投影。于是信號(hào)矩陣Y的每一列向量對(duì)應(yīng)著稀疏矩陣X的每一列向量,稀疏矩陣X便作為樣本圖像的特征向量對(duì)應(yīng)著訓(xùn)練集的每一幅樣本圖像,故求解稀疏矩陣X的過(guò)程即為煤與矸石的圖像特征提取過(guò)程。

    2.4 分類識(shí)別

    支持向量機(jī)(SVM)[16]兼顧訓(xùn)練誤差與測(cè)試誤差的最小化,具有良好的適應(yīng)性和泛化能力,是識(shí)別率最好的二分類器,所以本研究選用SVM對(duì)煤與矸石的圖像進(jìn)行二分類。

    3 影響識(shí)別率因素研究

    經(jīng)測(cè)試,影響煤與矸石識(shí)別率的因素主要有兩個(gè):字典D和分類器的選擇。將著重研究字典D對(duì)識(shí)別率的影響,通過(guò)調(diào)整參數(shù)選擇最優(yōu)的字典D來(lái)提高煤與矸石的識(shí)別率。

    在字典D的列數(shù)為45,稀疏誤差ε=0.045,稀疏度α=0.45情況下,首先進(jìn)行不同字典初始化,在更新方法下經(jīng)過(guò)連續(xù)10次測(cè)試得到煤與矸石的識(shí)別率(圖3)??煽闯?,第6次的識(shí)別率最高,選擇這次的識(shí)別率作為該參數(shù)條件下煤與矸石圖像的識(shí)別率,同時(shí)圖中表現(xiàn)出的識(shí)別率波動(dòng)差距較大,表明字典的初始化與更新對(duì)識(shí)別效率有較大影響。

    圖4則表示在ε=0.039,α=0.27情況下,不同字典列數(shù)對(duì)煤與矸石的識(shí)別率影響曲線。從圖中可以看出,在字典列數(shù)大于50以后,煤與矸石的識(shí)別率隨著字典列數(shù)的不斷增加逐漸下降,而在小于50時(shí)識(shí)別率是不斷提高的。同時(shí)隨著字典列數(shù)的增加,程序運(yùn)行時(shí)間也會(huì)越長(zhǎng),相應(yīng)地也增大了識(shí)別時(shí)間,空間代價(jià)也越大。

    圖5給出了字典列數(shù)為40,稀疏度為0.33的條件下,不同稀疏誤差對(duì)煤與矸石識(shí)別率的影響曲線??煽闯?,煤與矸石的識(shí)別率在稀疏誤差為0.035之前一直呈上升趨勢(shì),之后不斷下降,表明稀疏誤差在0.035時(shí)識(shí)別效率最高。

    圖3 不同字典初始化與更新下的識(shí)別率Fig.3 Recognition rate under different dictionary initialization and update

    圖4 不同字典列數(shù)下的識(shí)別率Fig.4 Recognition rate under different number of dictionaries

    圖5 不同稀疏誤差下的識(shí)別率Fig.5 Recognition rate under different sparse error

    圖6 不同稀疏度下的識(shí)別率Fig.6 Recognition rate under different sparsity

    圖6給出了在字典列數(shù)為41和稀疏誤差為0.035的情況下,稀疏度對(duì)煤與矸石識(shí)別率的影響曲線。從圖中可知在稀疏范圍內(nèi),識(shí)別率在0.2~0.4間保持平穩(wěn)狀態(tài),在0.35左右達(dá)到峰值,在0.4以后不斷下降。

    為了判斷字典參數(shù)的優(yōu)劣對(duì)煤與矸石識(shí)別率的影響,本文通過(guò)調(diào)節(jié)字典參數(shù)測(cè)得煤與矸石的樣本識(shí)別率以及識(shí)別時(shí)間(表1)可以看出,實(shí)驗(yàn)測(cè)試的樣本識(shí)別率最高可達(dá)97.5%,錯(cuò)誤樣本僅為3,其中識(shí)別時(shí)間為2.9 s,字典的初始化與更新、字典列、稀疏誤差和稀疏度對(duì)識(shí)別率都有較大的影響。表2給出使用字典學(xué)習(xí)和不使用字典學(xué)習(xí)對(duì)煤與矸石識(shí)別率的影響情況對(duì)比,可知使用字典學(xué)習(xí)將煤與矸石的識(shí)別率從81.6%提高到97.5%,有效地提取出煤與矸石的圖像特征,達(dá)到更佳的分類識(shí)別效果。

    為了驗(yàn)證本論文所提方法的效果,在相同樣本情況下與已有幾種方法的最高識(shí)別率進(jìn)行了對(duì)比測(cè)試,基于灰度值的特征提取方式、基于小波變換的特征提取方式和基于灰度共生矩陣的特征提取方式的最高識(shí)別率分別為92.5%、94.1%和95.8%,而本文識(shí)別方法的最高識(shí)別率為97.5%。此外,煤礦中采煤機(jī)平均切割線速度一般約為7 cm/s,2.6 s的識(shí)別反應(yīng)時(shí)間滿足實(shí)際煤與矸石的自動(dòng)分選要求。

    表1 不同字典參數(shù)影響下的識(shí)別率Tab.1 Recognition rate under different dictionary parameters

    表2 是否使用字典學(xué)習(xí)對(duì)識(shí)別率的影響Tab.2 The effect of dictionary learning on recognition rate

    4 結(jié) 論

    研究了基于字典學(xué)習(xí)的煤與矸石圖像特征識(shí)別方法,得到結(jié)論如下:

    1) 基于K-SVD字典學(xué)習(xí)算法可以有效地表達(dá)煤與矸石的圖像特征,具有較好的稀疏性,可適用于規(guī)模較大的圖像信息采集;

    2) 字典學(xué)習(xí)算法中的字典初始化與更新、字典的列數(shù)、稀疏誤差和稀疏度均會(huì)影響煤與矸石的識(shí)別率,調(diào)節(jié)好字典中的最優(yōu)參數(shù)可有效提高煤與矸石的識(shí)別率;

    3) 與其他煤與矸石的圖像特征提取方法相比,基于字典學(xué)習(xí)的紋理特征提取方法有著特征維數(shù)較少,計(jì)算量小的優(yōu)勢(shì),時(shí)間和空間代價(jià)較小,為煤與矸石的自動(dòng)識(shí)別分選提供了一種新的思路和方式,為后續(xù)的分類識(shí)別打下良好基礎(chǔ)。

    由于條件有限,本文只考慮了同一光照強(qiáng)度對(duì)識(shí)別效果的影響,下一步將著重研究在實(shí)際開采過(guò)程中,受到更多噪聲影響下的煤與矸石識(shí)別率提高的問(wèn)題。

    參考文獻(xiàn):

    [1]石煥,程宏志,劉萬(wàn)超.我國(guó)選煤技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J].煤炭科學(xué)技術(shù), 2016,44(6):169-174.

    SHI Huan,CHENG Hongzhi,LIU Wanchao.Present status and development trend of China’s coal preparation technology[J].Coal Science and Technology,2016,44(6):169-174.

    [2]田原.淺談機(jī)器視覺技術(shù)在煤礦中的應(yīng)用前景[J].工礦自動(dòng)化,2010,36(5):30-33.

    TIAN Yuan.Brief discussion of application prospect of technology of machine vision in coal mine[J].Industry and Mine Automation,2010,36(5):30-33.

    [3]于國(guó)防,鄒士威,秦聰.圖像灰度信息在煤矸石自動(dòng)分選中的應(yīng)用研究[J].工礦自動(dòng)化,2012,38(2):36-39.

    YU Guofang,ZOU Shiwei,QIN Cong.Application research of image gray information in automatic separation of coal and tangue[J].Industry and Mine Automation,2012,38(2):36-39.

    [4]王祥瑞.煤礦矸石自動(dòng)分選中圖像處理與識(shí)別技術(shù)的應(yīng)用[J].煤炭技術(shù),2012,31(8):120-121.

    WANG Xiangrui.Application of image processing and recognition technology in waste automatic separation of coal mine[J].Coal Technology,2012,31(8):120-121.

    [5]何敏,王培培,蔣慧慧.基于SVM和紋理的煤和煤矸石自動(dòng)識(shí)別[J].計(jì)算機(jī)工程與設(shè)計(jì),2012,33(3):1117-1121.

    HE Min,WANG Peipei,JIANG Huihui.Recognition of coal and stone based on SVM and texture[J].Computer Engineering and Design,2012,33(3):1117-1121.

    [6]廖陽(yáng)陽(yáng).基于BP網(wǎng)絡(luò)和圖像處理的煤矸石的動(dòng)態(tài)識(shí)別[J].工業(yè)控制計(jì)算機(jī),2015(7):119-122.

    LIAO Yangyang.Recognition of coal and stone based on BP[J].Industrial Control Computer,2015(7):119-122.

    [7]WEI C,MIGUEL R D R.Dictionary learning with optimized projection design for compressive sensing applications[J].IEEE Signal Processing Letters,2013,20(10):992-995.

    [8]SHI J,WANG X H.Image super-resolution reconstruction based on improved K-SVD dictionary-learning[J]. Acta Electronica Sinica,2013,41(5):997-1000.

    [9]練秋生,石保順,陳書貞.字典學(xué)習(xí)模型、算法及其應(yīng)用研究進(jìn)展[J].自動(dòng)化學(xué)報(bào),2015,41(2):240-260.

    LIAN Qiusheng,SHI Baoshun,CHEN Shunzhen.Research advances on dictionary learning models,algorithms and applications[J]. Acta Auto matica Sinica,2015,41(2):240-260.

    [10]JIANG Z L,LIN Z,DAVIS L S.Label consistent K-SVD:Learning a discriminative dictionary for recognition[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,2013,35(11):2651-2664.

    [11]劉雅莉,馬杰,王曉云,等.一種改進(jìn)的K-SVD字典學(xué)習(xí)算法[J].河北工業(yè)大學(xué)學(xué)報(bào),2016,45(2):1-8.

    LIU Yali,MA Jie,WANG Xiaoyun,et al.An improved K-SVD dictionary learning algorithm[J].Journal of Hebei University of Technology,2016,45(2):1-8.

    [12]LI J,WANG Q,SHEN Y.Near optimal condition of OMP algorithm in recovering sparse signal from noisy measurement[J].Journal of Systems Engineering and Electronics,2014,25(4):547-553.

    [13]李少東,裴文炯,楊軍,等.貝葉斯模型下的OMP重構(gòu)算法及應(yīng)用[J].系統(tǒng)工程與電子技術(shù),2015,37(2):246-252.

    LI Shaodong,PEI Wenjiong,YANG Jun,et al.OMP reconstruction algorithm via Bayesian model and its application[J].Systems Engineering and Electronics,2015,37(2):246-252.

    [14]FOUZI H,MOHAMED N N,HAZEM N N. Enhanced monitoring using PCA-based GLR fault detection and multiscale filtering[C]//IEEE Symposium on Computational Intelligence in Control and Automation.2013:1-8.

    [15]胡嘉良,高玉超,余繼峰, 等.基于PCA-BP神經(jīng)網(wǎng)絡(luò)的非常規(guī)儲(chǔ)層巖性識(shí)別研究[J].山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,35(5):9-16.

    HU Jialiang,GAO Yuchao,YU Jifeng,et al.Lithology identification of unconventional reservoirs based on PCA-BP neural network[J].Journal of Shandong University of Science and Technology(Natural Science),2016,35(5):9-16.

    [16]丁世飛,齊丙娟,譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào),2011,40(1):2-10.

    DING Shifei,QI Bingjuan,TAN Hongyan.An overview on theory and algorithm of support vector machines[J].Journal of University of Electronic Science and Technology of China,2011,40(1):2-10.

    猜你喜歡
    列數(shù)矸石字典
    把握規(guī)則 確定位置
    開心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    礦井矸石山環(huán)境危害與防治措施分析
    山西冶金(2022年3期)2022-08-03 08:40:28
    礦山矸石綠色充填系統(tǒng)設(shè)計(jì)及參數(shù)研究*
    陜西煤炭(2021年6期)2021-11-22 09:12:26
    邢東礦ZC5160/30/50型復(fù)合型充填液壓支架的研究與應(yīng)用
    煤炭與化工(2021年5期)2021-07-04 02:52:12
    兔子列數(shù)
    高強(qiáng)螺栓的布置
    我是小字典
    正版字典
    讀者(2016年14期)2016-06-29 17:25:50
    亚洲国产精品合色在线| 精品久久久久久久人妻蜜臀av| 欧美日韩国产亚洲二区| 亚洲第一区二区三区不卡| 久久国产乱子免费精品| 一夜夜www| 禁无遮挡网站| 黄色丝袜av网址大全| 欧美+日韩+精品| 身体一侧抽搐| 国产av不卡久久| 久久久久国内视频| 级片在线观看| 亚洲成人免费电影在线观看| 色综合亚洲欧美另类图片| 99在线人妻在线中文字幕| 国产三级黄色录像| 一个人免费在线观看的高清视频| 噜噜噜噜噜久久久久久91| 丰满人妻一区二区三区视频av| 五月玫瑰六月丁香| 色哟哟·www| 九色成人免费人妻av| 国产黄a三级三级三级人| 一个人免费在线观看电影| 俺也久久电影网| 99热6这里只有精品| 夜夜夜夜夜久久久久| 久久伊人香网站| 欧美潮喷喷水| 亚洲欧美日韩东京热| av天堂中文字幕网| 精品一区二区三区人妻视频| 精品人妻1区二区| www.色视频.com| 日韩欧美三级三区| 男女床上黄色一级片免费看| www.999成人在线观看| 欧美日韩中文字幕国产精品一区二区三区| 国产亚洲欧美在线一区二区| 听说在线观看完整版免费高清| 淫秽高清视频在线观看| 日韩av在线大香蕉| 俺也久久电影网| 亚洲人成伊人成综合网2020| 色综合欧美亚洲国产小说| 亚洲天堂国产精品一区在线| 脱女人内裤的视频| 欧美精品啪啪一区二区三区| 国产视频一区二区在线看| 成人av一区二区三区在线看| 日韩免费av在线播放| 日本熟妇午夜| 亚洲精品粉嫩美女一区| 噜噜噜噜噜久久久久久91| 亚洲无线在线观看| 亚洲黑人精品在线| 夜夜爽天天搞| 久久久国产成人免费| 18禁裸乳无遮挡免费网站照片| 精品一区二区三区视频在线| 男插女下体视频免费在线播放| 一本久久中文字幕| 热99re8久久精品国产| 女人被狂操c到高潮| 99热这里只有是精品在线观看 | 亚洲第一电影网av| 日本撒尿小便嘘嘘汇集6| 婷婷丁香在线五月| 男女那种视频在线观看| 少妇的逼水好多| 国产精品国产高清国产av| 不卡一级毛片| 国产精品综合久久久久久久免费| 无遮挡黄片免费观看| 国产91精品成人一区二区三区| 国产三级黄色录像| 天天躁日日操中文字幕| 亚洲欧美清纯卡通| 精品免费久久久久久久清纯| 午夜福利视频1000在线观看| 真人一进一出gif抽搐免费| 男人的好看免费观看在线视频| 成人av在线播放网站| 午夜激情欧美在线| 91麻豆av在线| 国产av一区在线观看免费| 国产av一区在线观看免费| 久久国产精品人妻蜜桃| 成人美女网站在线观看视频| 少妇的逼水好多| 成年版毛片免费区| 久久久久久九九精品二区国产| 自拍偷自拍亚洲精品老妇| 日韩欧美三级三区| 黄色视频,在线免费观看| 日日干狠狠操夜夜爽| 欧美乱妇无乱码| 亚洲av电影不卡..在线观看| 久久久久久久亚洲中文字幕 | 亚洲片人在线观看| 婷婷六月久久综合丁香| 国产精品一区二区三区四区久久| 亚洲av一区综合| 成人无遮挡网站| 日本撒尿小便嘘嘘汇集6| 久久精品国产亚洲av天美| 成人欧美大片| 99久久九九国产精品国产免费| 1000部很黄的大片| 中文字幕人成人乱码亚洲影| 男女做爰动态图高潮gif福利片| 久久精品影院6| 免费看美女性在线毛片视频| 久久久久九九精品影院| 夜夜夜夜夜久久久久| 久久久久久久亚洲中文字幕 | av视频在线观看入口| 日韩有码中文字幕| 首页视频小说图片口味搜索| 国产 一区 欧美 日韩| 99久久99久久久精品蜜桃| 国产伦一二天堂av在线观看| 日本黄大片高清| 又粗又爽又猛毛片免费看| av在线观看视频网站免费| 色综合亚洲欧美另类图片| 免费观看人在逋| 国产日本99.免费观看| 人妻丰满熟妇av一区二区三区| 免费一级毛片在线播放高清视频| 全区人妻精品视频| 男女下面进入的视频免费午夜| 亚洲性夜色夜夜综合| 亚洲国产精品成人综合色| 精品无人区乱码1区二区| av专区在线播放| 日本成人三级电影网站| 波多野结衣高清无吗| 久久中文看片网| 国产精品精品国产色婷婷| 亚洲最大成人手机在线| 一卡2卡三卡四卡精品乱码亚洲| 久久精品国产亚洲av天美| 99久久99久久久精品蜜桃| 国产精品国产高清国产av| 97碰自拍视频| 国产91精品成人一区二区三区| 国产一区二区激情短视频| 热99在线观看视频| 嫩草影院精品99| 国产成人av教育| 丁香六月欧美| 欧美一区二区精品小视频在线| 哪里可以看免费的av片| 嫁个100分男人电影在线观看| 色综合欧美亚洲国产小说| 91狼人影院| 国产三级在线视频| 国产亚洲欧美在线一区二区| 成人av在线播放网站| 少妇的逼水好多| 午夜免费成人在线视频| 成人特级av手机在线观看| 真人一进一出gif抽搐免费| 男女那种视频在线观看| 国产亚洲精品久久久久久毛片| 国产av在哪里看| 亚洲最大成人av| 亚洲成av人片免费观看| 精品久久久久久久久久免费视频| 亚洲国产高清在线一区二区三| 国内揄拍国产精品人妻在线| 女人十人毛片免费观看3o分钟| 非洲黑人性xxxx精品又粗又长| 久久久久久久久中文| 成人国产一区最新在线观看| 亚洲av.av天堂| 免费观看人在逋| 久久精品国产99精品国产亚洲性色| 真人做人爱边吃奶动态| 国产精品一区二区性色av| 国产免费av片在线观看野外av| avwww免费| 国产精品三级大全| 麻豆国产av国片精品| 久久国产精品人妻蜜桃| 日本黄色视频三级网站网址| eeuss影院久久| 精品免费久久久久久久清纯| 欧美黄色淫秽网站| 日韩欧美国产在线观看| 91九色精品人成在线观看| 90打野战视频偷拍视频| 丰满人妻一区二区三区视频av| 观看美女的网站| 非洲黑人性xxxx精品又粗又长| 免费人成在线观看视频色| 三级国产精品欧美在线观看| 男女床上黄色一级片免费看| 午夜福利视频1000在线观看| 亚洲天堂国产精品一区在线| 全区人妻精品视频| 亚洲av.av天堂| 亚洲av免费高清在线观看| 天堂网av新在线| 亚洲精品在线美女| 一进一出好大好爽视频| 一区二区三区四区激情视频 | 青草久久国产| 极品教师在线视频| 国产精品不卡视频一区二区 | 国产中年淑女户外野战色| 级片在线观看| 全区人妻精品视频| 国产一区二区在线av高清观看| 国产亚洲欧美在线一区二区| 国产欧美日韩一区二区精品| 国产 一区 欧美 日韩| 欧美日韩综合久久久久久 | 国产高清视频在线播放一区| 久久99热这里只有精品18| 91久久精品国产一区二区成人| 国产69精品久久久久777片| 看免费av毛片| h日本视频在线播放| 波多野结衣高清无吗| www.999成人在线观看| 久9热在线精品视频| 国内精品久久久久精免费| 九九在线视频观看精品| 少妇丰满av| 男女视频在线观看网站免费| 亚洲久久久久久中文字幕| 又黄又爽又免费观看的视频| 婷婷色综合大香蕉| 性插视频无遮挡在线免费观看| 久久久久精品国产欧美久久久| 全区人妻精品视频| 亚洲精品色激情综合| 好男人在线观看高清免费视频| 午夜视频国产福利| 午夜福利18| 90打野战视频偷拍视频| 桃色一区二区三区在线观看| 亚洲va日本ⅴa欧美va伊人久久| 18禁黄网站禁片免费观看直播| 听说在线观看完整版免费高清| 亚洲国产精品999在线| 他把我摸到了高潮在线观看| 亚洲国产精品成人综合色| 精品久久久久久久久久久久久| 老熟妇乱子伦视频在线观看| 国内揄拍国产精品人妻在线| 欧美zozozo另类| 色尼玛亚洲综合影院| 久久久精品大字幕| 伊人久久精品亚洲午夜| 91久久精品电影网| 久久久久久久久久黄片| 日本一二三区视频观看| 国产在线精品亚洲第一网站| 亚洲国产高清在线一区二区三| 久久精品影院6| 欧美xxxx性猛交bbbb| 亚洲国产日韩欧美精品在线观看| 精品久久久久久久久亚洲 | 久久天躁狠狠躁夜夜2o2o| 观看免费一级毛片| 麻豆久久精品国产亚洲av| 久久久久久大精品| 久久精品国产99精品国产亚洲性色| 亚洲国产精品合色在线| 日韩中字成人| 夜夜爽天天搞| www.熟女人妻精品国产| 亚洲第一区二区三区不卡| 91麻豆精品激情在线观看国产| 久久性视频一级片| 99热精品在线国产| 亚洲自拍偷在线| 男女视频在线观看网站免费| 99热这里只有是精品50| 欧美一区二区精品小视频在线| 欧美性猛交黑人性爽| 国产麻豆成人av免费视频| 免费人成在线观看视频色| 又粗又爽又猛毛片免费看| 亚洲最大成人av| 日本黄色片子视频| 波野结衣二区三区在线| 国产精品三级大全| 夜夜夜夜夜久久久久| 国产午夜精品论理片| 日本免费一区二区三区高清不卡| 国产一区二区亚洲精品在线观看| 国产美女午夜福利| 国产精品人妻久久久久久| 成人毛片a级毛片在线播放| 97碰自拍视频| 成年女人永久免费观看视频| 男女视频在线观看网站免费| 成年免费大片在线观看| 乱码一卡2卡4卡精品| 变态另类成人亚洲欧美熟女| 亚洲真实伦在线观看| 亚洲七黄色美女视频| 在线播放国产精品三级| 午夜两性在线视频| 国产黄a三级三级三级人| 亚洲成人久久爱视频| 日日摸夜夜添夜夜添av毛片 | 国产午夜精品久久久久久一区二区三区 | 精品福利观看| 国产av不卡久久| 免费在线观看成人毛片| 亚洲,欧美,日韩| 午夜福利18| 免费搜索国产男女视频| 欧美一级a爱片免费观看看| 一进一出抽搐gif免费好疼| 少妇裸体淫交视频免费看高清| 亚洲人成伊人成综合网2020| 一级毛片久久久久久久久女| 中文字幕免费在线视频6| 啦啦啦观看免费观看视频高清| 丁香欧美五月| 国产成人影院久久av| 欧美日韩国产亚洲二区| 亚洲色图av天堂| 精品人妻偷拍中文字幕| 精品国产三级普通话版| 麻豆成人午夜福利视频| 亚洲国产日韩欧美精品在线观看| 婷婷六月久久综合丁香| 日本 欧美在线| 日日夜夜操网爽| 看十八女毛片水多多多| 久久久成人免费电影| 无人区码免费观看不卡| 成人一区二区视频在线观看| 久久精品久久久久久噜噜老黄 | 色哟哟哟哟哟哟| 国产一区二区在线av高清观看| 欧美中文日本在线观看视频| 亚洲av五月六月丁香网| 久久人人爽人人爽人人片va | 亚洲一区二区三区不卡视频| 3wmmmm亚洲av在线观看| 最后的刺客免费高清国语| 怎么达到女性高潮| 国产伦一二天堂av在线观看| 91av网一区二区| 一本久久中文字幕| 99精品在免费线老司机午夜| 又黄又爽又免费观看的视频| 男女床上黄色一级片免费看| 熟女人妻精品中文字幕| 亚洲国产日韩欧美精品在线观看| 国产精品av视频在线免费观看| 给我免费播放毛片高清在线观看| 亚洲在线观看片| 久久久久久九九精品二区国产| 精品免费久久久久久久清纯| 国产精品永久免费网站| 小说图片视频综合网站| 丰满乱子伦码专区| 麻豆av噜噜一区二区三区| 欧美不卡视频在线免费观看| 欧美黄色片欧美黄色片| 久9热在线精品视频| 欧美+日韩+精品| 我要看日韩黄色一级片| 中文资源天堂在线| 美女xxoo啪啪120秒动态图 | 少妇裸体淫交视频免费看高清| 韩国av一区二区三区四区| 国产黄a三级三级三级人| 日本一本二区三区精品| 丰满人妻一区二区三区视频av| 午夜久久久久精精品| 久久亚洲精品不卡| 亚洲精品乱码久久久v下载方式| 一a级毛片在线观看| 国产精品伦人一区二区| 在线观看一区二区三区| www.熟女人妻精品国产| 高清日韩中文字幕在线| 九色国产91popny在线| 香蕉av资源在线| 亚洲国产精品久久男人天堂| 国产精品久久久久久精品电影| 高清在线国产一区| 91麻豆精品激情在线观看国产| 乱码一卡2卡4卡精品| 免费av毛片视频| 亚洲第一电影网av| 色吧在线观看| 亚洲三级黄色毛片| 亚洲熟妇熟女久久| 成人精品一区二区免费| 99国产综合亚洲精品| 国产精品不卡视频一区二区 | 亚洲精品一卡2卡三卡4卡5卡| 欧美zozozo另类| 国产毛片a区久久久久| 在线观看美女被高潮喷水网站 | 好男人电影高清在线观看| 久久午夜亚洲精品久久| 日本成人三级电影网站| 久久久色成人| 亚洲av成人精品一区久久| 成人三级黄色视频| 99久国产av精品| 无遮挡黄片免费观看| 禁无遮挡网站| 变态另类成人亚洲欧美熟女| 一本久久中文字幕| 老熟妇仑乱视频hdxx| 午夜精品久久久久久毛片777| 久久热精品热| 日本撒尿小便嘘嘘汇集6| 色在线成人网| 欧洲精品卡2卡3卡4卡5卡区| 久久亚洲精品不卡| 日本一本二区三区精品| 亚洲18禁久久av| 高潮久久久久久久久久久不卡| 亚洲内射少妇av| 国产精品电影一区二区三区| 国产亚洲欧美在线一区二区| 亚洲国产日韩欧美精品在线观看| 国内精品美女久久久久久| 一个人观看的视频www高清免费观看| 激情在线观看视频在线高清| 午夜亚洲福利在线播放| h日本视频在线播放| 久久午夜福利片| 一区二区三区激情视频| 一进一出抽搐动态| 国产野战对白在线观看| 中国美女看黄片| 人人妻人人看人人澡| 久久人妻av系列| 日本黄大片高清| 日韩av在线大香蕉| 国产精品99久久久久久久久| 亚洲熟妇中文字幕五十中出| 99久国产av精品| 三级男女做爰猛烈吃奶摸视频| 精品一区二区三区人妻视频| 夜夜爽天天搞| 国产成+人综合+亚洲专区| 长腿黑丝高跟| 人妻丰满熟妇av一区二区三区| 高清日韩中文字幕在线| 亚洲人成网站在线播| 国产野战对白在线观看| 好男人在线观看高清免费视频| 麻豆成人av在线观看| 最近中文字幕高清免费大全6 | 综合色av麻豆| 亚洲精品乱码久久久v下载方式| 日韩欧美精品v在线| 成人av在线播放网站| 国产精品1区2区在线观看.| 一二三四社区在线视频社区8| 丰满人妻熟妇乱又伦精品不卡| 男人舔奶头视频| 久久久国产成人免费| 亚洲精品在线美女| 亚洲最大成人手机在线| 特级一级黄色大片| 久久久久久大精品| 中文字幕av在线有码专区| 亚洲熟妇熟女久久| 老女人水多毛片| 精品人妻视频免费看| 国产69精品久久久久777片| 国产免费一级a男人的天堂| 久久九九热精品免费| av天堂中文字幕网| 久久午夜福利片| 国产精品一区二区三区四区免费观看 | 久久久色成人| 亚洲 欧美 日韩 在线 免费| 亚洲精品久久国产高清桃花| 99久久九九国产精品国产免费| 欧美在线一区亚洲| 一本综合久久免费| a级毛片a级免费在线| 亚洲中文日韩欧美视频| 亚洲熟妇中文字幕五十中出| 真实男女啪啪啪动态图| 色在线成人网| 久久精品国产99精品国产亚洲性色| 2021天堂中文幕一二区在线观| 热99re8久久精品国产| 一区二区三区高清视频在线| 好男人在线观看高清免费视频| 99视频精品全部免费 在线| 日韩av在线大香蕉| 99久久九九国产精品国产免费| 最近中文字幕高清免费大全6 | 国内精品久久久久久久电影| ponron亚洲| 麻豆成人午夜福利视频| 亚洲人成网站在线播放欧美日韩| 亚洲国产欧美人成| 亚洲人成网站高清观看| 最新中文字幕久久久久| 午夜激情欧美在线| 99久久久亚洲精品蜜臀av| 97热精品久久久久久| 婷婷亚洲欧美| 俄罗斯特黄特色一大片| 国产免费男女视频| 嫩草影院新地址| 国产伦一二天堂av在线观看| 偷拍熟女少妇极品色| 伊人久久精品亚洲午夜| 精品免费久久久久久久清纯| 99国产精品一区二区三区| 男女之事视频高清在线观看| 少妇熟女aⅴ在线视频| 99久久无色码亚洲精品果冻| 国产乱人伦免费视频| 一边摸一边抽搐一进一小说| 国产极品精品免费视频能看的| 亚洲欧美清纯卡通| 亚洲专区国产一区二区| 十八禁人妻一区二区| 国产视频一区二区在线看| 男人的好看免费观看在线视频| 夜夜看夜夜爽夜夜摸| 午夜精品在线福利| 12—13女人毛片做爰片一| 亚洲人与动物交配视频| 欧美一区二区精品小视频在线| 最近在线观看免费完整版| 国产一区二区三区视频了| 日韩 亚洲 欧美在线| 亚洲中文字幕日韩| 禁无遮挡网站| 亚洲成人免费电影在线观看| 久久性视频一级片| 国产精品98久久久久久宅男小说| 精品久久久久久久末码| 国产伦在线观看视频一区| 国产精品日韩av在线免费观看| 精品久久久久久久久久久久久| 亚洲激情在线av| 高潮久久久久久久久久久不卡| 亚洲熟妇熟女久久| 久久久久久久久中文| 国产精品爽爽va在线观看网站| 韩国av一区二区三区四区| 极品教师在线免费播放| 两性午夜刺激爽爽歪歪视频在线观看| 狠狠狠狠99中文字幕| 精品不卡国产一区二区三区| 久久久久九九精品影院| 国产精品一区二区免费欧美| 国产主播在线观看一区二区| 亚洲精品乱码久久久v下载方式| 丰满的人妻完整版| 在线播放国产精品三级| 亚洲成人精品中文字幕电影| 91麻豆av在线| 国产主播在线观看一区二区| 99久久成人亚洲精品观看| 草草在线视频免费看| 在线播放国产精品三级| 97超视频在线观看视频| 啦啦啦韩国在线观看视频| a级毛片a级免费在线| 亚洲成av人片在线播放无| 极品教师在线免费播放| 成年版毛片免费区| 亚洲精品久久国产高清桃花| 亚洲一区二区三区色噜噜| 久久午夜亚洲精品久久| 午夜福利在线观看免费完整高清在 | 最近在线观看免费完整版| 亚洲经典国产精华液单 | 欧美日韩国产亚洲二区| 综合色av麻豆| 99国产精品一区二区三区| 一个人免费在线观看电影| h日本视频在线播放| 男人的好看免费观看在线视频| 日韩人妻高清精品专区| aaaaa片日本免费| 3wmmmm亚洲av在线观看| 免费黄网站久久成人精品 | 色综合欧美亚洲国产小说| 久久亚洲精品不卡| www.熟女人妻精品国产| www.999成人在线观看| 人人妻人人看人人澡| 亚洲七黄色美女视频| 老司机深夜福利视频在线观看| 我要搜黄色片| 亚洲成av人片在线播放无| 99国产综合亚洲精品| 老熟妇乱子伦视频在线观看| 最近在线观看免费完整版| 又粗又爽又猛毛片免费看| 国产精品久久久久久久久免 | 99国产精品一区二区蜜桃av| 久久香蕉精品热| 男插女下体视频免费在线播放| 国产极品精品免费视频能看的| 亚洲人成电影免费在线| 日韩成人在线观看一区二区三区|