• <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FDCT與ELM的遙感影像濕地類型分類
    ——以黃家湖國家濕地公園為例

    2018-07-07 03:47:14辛動軍陳建安臧藝元鐘國忠王傳立
    中南林業(yè)科技大學學報 2018年6期
    關鍵詞:曲波神經(jīng)網(wǎng)絡精度

    辛動軍 ,袁 夢 ,陳建安 ,鐘 旭 ,臧藝元 ,胡 平 ,鐘國忠 ,唐 鼐 ,王傳立

    (1.中南林業(yè)科技大學,湖南 長沙 410004;2.黃家湖國家濕地公園管理處,湖南 益陽 413000)

    濕地是水陸相互作用形成的獨特生態(tài)系統(tǒng),是生存環(huán)境和自然界生物多樣性的生態(tài)景觀之一,具有穩(wěn)定環(huán)境、物種基因保護及資源利用的功能[1-2]。遙感影像數(shù)據(jù)具有較高的空間分辨率、波譜分辨率、豐富的信息量、較高的定位精度,一直是濕地調(diào)查、研究與保護的重要數(shù)據(jù)源之一[3-4]。遙感分類可通過目視解譯和計算機自動分類完成[5]。目視解譯可充分利用判讀人員的知識和經(jīng)驗,解譯精度一般高于計算機分類,但其解譯精度受限于解譯人員的經(jīng)驗,帶有很大的主觀性。計算機自動分類速度快,能很大程度上降低人的勞動強度,但效果跟算法相關。已有的分類方法有:最小距離分類法和最大似然比分類法[6]。決策樹分類法[7-10],面向?qū)ο蠓╗11-12],主成分分析法[13],神經(jīng)網(wǎng)絡法[14-15]等。

    針對不同的濕地類型,基于遙感的濕地常用提取方法包括單波段閾值法,多波段閾值法,常見的濕地信息提取模式識別技術有監(jiān)督分類和非監(jiān)督分類以及以此為基礎提出的各種形式的混合分類法。這些方法大多基于數(shù)理統(tǒng)計理論,此類方法一般要求樣本數(shù)目趨于無窮大時才能獲得良好的分類精度,故在樣本數(shù)量少、特征維度低時效果欠佳。支持向量機的濕地信息自動提取方法雖然在整體上提高了分類精度,但依然存在很多錯分和漏分情況,主要是由于這些分類方法僅基于影像的光譜特征進行分類,而遙感影像本身存在“同物異譜、同譜異物”的現(xiàn)象。到目前為止,除受遙感影像源限制的原因外,基于以上算法的遙感影像數(shù)據(jù)濕地分類精度普遍不高[11-15]。因此要想達到理想的分類精度,還需要考慮其它相關特征及其有效提取、分析方法。本文以黃家湖國家濕地公園為例,利用高分辨率遙感影像數(shù)據(jù),提出利用快速離散曲波變換和極限學習機相結(jié)合的方法對濕地遙感影像進行分類,旨在探討增強遙感信息提取精度和濕地類型分類準確度的方法。

    1 材料與方法

    1.1 研究區(qū)概況

    研究區(qū)湖南黃家湖國家濕地公園(東經(jīng)112°18′30″~ 112°24′34″, 北 緯 28°40′40″~28°45′10″)位于益陽市北7.5 km處,資水尾閭,南洞庭湖之濱,主要包括益陽市資陽區(qū)境內(nèi)的黃家湖、南門湖、甘溪港河的永興-窯山口段及其周邊區(qū)域與沅江市境內(nèi)的黃家湖。濕地公園東連資江甘溪港河,西與迎豐水庫尾水渠相連,北與沅江三眼塘區(qū)接壤,南到黃家湖管委會的香鋪侖村和劃香侖村。湖南黃家湖國家濕地公園地處雪峰山余脈與洞庭交接前緣地帶,資水中下游以北,屬濱湖丘陵地貌類型,海拔最高為266.3 m,最低為24.9 m,地勢比較平緩,屬第四紀濱湖沖積平原地帶。主要地類有湖泊、河流、草本沼澤、森林沼澤、農(nóng)田、水產(chǎn)養(yǎng)殖場等濕地類型,此外還有道路、民用建筑等非濕地。公園湖泊面積較大,占總面積的43.7%,除湖泊外各類型間交錯分布,較為復雜。

    1.2 研究數(shù)據(jù)與方法

    1.2.1 快速離散曲波變換

    因快速離散曲波變換(Fast discrete curvelet transform)對圖像邊緣的強大提取和辨析能力,F(xiàn)DCT已被廣泛應用于圖像處理之中。在文獻[16]中介紹了 2 種離散曲波變換算法,分別是基于非等價空間快速傅里葉變換的離散曲波變換算法和基于 Wrapping 的快速離散曲波變換算法。其中Wrapping算法是目前最快的離散曲波變換算法,因此本文采用Wrapping算法。

    Wrapping 算法的主要流程:1、對森林斑塊遙感影像進行二維快速傅里葉變換,得到二維頻域表示。2、對變換后的頻域表示與窗函數(shù)運算。3、圍繞原點作局部化處理。4、進行二維快速傅里葉逆變換,計算曲波系數(shù)。曲波系數(shù)計算公式如下:

    式中:參數(shù)j、l、k分別表示曲波變換的尺度、方向和位移。

    1.2.2 極限學習機

    極限學習機(Extreme Learning Machine)ELM[17],是由新加坡南洋理工大學黃廣斌教授提出求解單隱層前饋神經(jīng)網(wǎng)絡的學習算法。相對于傳統(tǒng)的單隱層前饋神經(jīng)網(wǎng)絡,ELM隨機初始化單隱層前饋神經(jīng)網(wǎng)絡的輸入權值和偏置值,通過優(yōu)化訓練誤差和輸出權值范數(shù),來保證優(yōu)良的泛化性能。其最大的特點是通過求解隱層輸出矩陣的廣義逆,直接計算輸出權值的解析解,比傳統(tǒng)的神經(jīng)網(wǎng)絡速度更快。假設有N個任意的樣本(Xi,ti),其中,

    對于一個有L個隱層節(jié)點的單隱層神經(jīng)網(wǎng)絡可以表示為:

    其中,g(x)為激活函數(shù),Wi=[wi,1,wi,2,…,wi,n]T為輸入權重,βi為輸出權重,bi第i個隱層單元的偏置。Wi·Xj表示W(wǎng)i和Xj的內(nèi)積。一旦輸入權重Wi和隱層的偏置bi被隨機確定,隱層的輸出矩陣H就被唯一確定。訓練單隱層神經(jīng)網(wǎng)絡可以轉(zhuǎn)化為求解一個線性系統(tǒng)Hβ=T。并且輸出權重β可以被解析確定。

    其中,H?是矩陣的H的廣義逆。

    1.2.3 試驗設計與過程

    ELM結(jié)構(gòu)為單層前饋神經(jīng)網(wǎng)絡,其輸入為濕地遙感影像的光譜特征、紋理特征、空間特征,輸出為濕地類型,其隱含層神經(jīng)元數(shù)設置為40,學習函數(shù)采用連續(xù)可微的Sigmod函數(shù)[19]。因濕地類型的多樣性和光譜特征的不確定性,采用FDCT方法提取地物遙感影像的紋理特征,首先將遙感影像進行FDCT變換分解,獲得影像的高頻曲波變換系數(shù)和低頻曲波變換系數(shù),選取高頻部分曲波變換系數(shù)組合作為地物的紋理特征。最后將訓練好的ELM神經(jīng)網(wǎng)絡用于濕地類型自動識別[20-21]。

    實驗過程如下:

    (1)將樣本圖像和測試圖像采用基于Wrapping的快速離散曲波變換進行處理,從而獲得曲波變換系數(shù)。曲波變換后的結(jié)果如表1所示:

    表1 曲波變換結(jié)果Table 1 The result of curvelet transform

    從表1可以看出,圖像被劃分為4個尺度層。最內(nèi)層,也就是第一層稱為Coarse尺度層(最粗尺度層),是由低頻系數(shù)組成的一個19×15的矩陣。最外層,也就是第四層稱為Fine尺度層(最細尺度層),是由高頻系數(shù)組成的一個112×92的矩陣;中間的第二層和第三層稱為Detail尺度層,每層系數(shù)被分割為4個大方向,每個大方向又被劃分為4個、8個小方向,每個小方向是由中高頻系數(shù)組成的矩陣。

    (2)對曲波變換分解獲得的低頻系數(shù)再進行旋轉(zhuǎn)變換,形成列向量特征參數(shù)。

    (3)構(gòu)建ELM神經(jīng)網(wǎng)絡,在本文中隱含層神經(jīng)元數(shù)為5 000,學習函數(shù)采用Sigmod函數(shù),將2步得到的特征參數(shù)送入ELM神經(jīng)網(wǎng)絡進行學習、訓練和識別。

    (4)濕地型分類實驗結(jié)果如表2所示。

    表2 分類準確率Table 2 Classification accuracy

    從表2可以看出,F(xiàn)DCT+ELM的方法,識別率達到86.7% ,而SVM的方法為76.5%,但是FDCT+ELM的方法的特征維度為3 904,這會增加計算的復雜度。后期工作考慮對曲波特征進一步降維后再訓練,測試精度和時間上的變化。

    2 結(jié)果與分析

    2.1 分類效果比較

    利用FDCT+ELM方法對濕地進行分類可以得到較為滿意的結(jié)果,特征識別率達86.7%,Kappa指數(shù)達0.83。分類結(jié)果如圖2所示:

    支持向量機(SVM)算法對濕地圖片進行特征提取與分類效果如圖3所示:

    FDCT+ELM算法在各個地類的識別上具有更高的精度,各個地類區(qū)分明顯,不同地類邊界的幾何形態(tài)較為清晰,SVM分類結(jié)果較為破碎,斑點噪聲較多,尤其在農(nóng)田、冬水田與草本沼澤的分類上破碎化程度較為突出,對永久性河流與永久性淡水湖的區(qū)分也存在混淆,將永久性河流誤判為永久性淡水湖。在對水產(chǎn)養(yǎng)殖場的區(qū)分上,兩者都表現(xiàn)出較滿意的精度。兩種算法在對洪泛平原濕地、永久性湖泊除了有細微的差別外,地類區(qū)分的特征基本一致[22-23]??傮w而言,DCT+ELM算法表現(xiàn)更好。

    2.2 分類精度評價及結(jié)果分析

    為證明FDCT+ELM在高分辨率濕地遙感影像分類中的可行性,選取分類精度、錯分誤差、漏分誤差、總體精度和Kappa系數(shù)等因子進行評價。兩種方法的分類精度如表3和表4所示:

    圖2 FDCT+ELM方法分類結(jié)果Fig.2 The classif i cation result of FDCT+ELM method

    圖3 SVM分類結(jié)果Fig.3 The classif i cation result of SVM method

    表3 FDCT+ELM分類精度Table 3 The classification accuracy of FDCT+ELM

    表4 SVM分類精度評價Table 4 The classification accuracy of SVM

    對比分析表3和表4中分類精度、錯分誤差和漏分誤差數(shù)據(jù),基于FDCT+ELM的濕地類型分類方法其分類精度達到了86.7%,明顯高于傳統(tǒng)SVM的濕地類型分類方法76.5%的分類精度,前者的Kappa系數(shù)超過0.83,高于傳統(tǒng)SVM分類方法的0.80。

    3 結(jié)論與討論

    本研究利用高分辨率遙感影像數(shù)據(jù),對黃家湖國家濕地公園濕地類型進行了研究。主要得出如下結(jié)論:

    (1)提出基于FDCT與ELM的濕地類型分類方法,該方法結(jié)合快速離散曲波變換及極限學習機求解單隱層前饋神經(jīng)網(wǎng)絡的學習算法,在提高分類精度和運算速度的同時,具有結(jié)構(gòu)清晰、運算高效等優(yōu)點,在處理多維數(shù)據(jù)時可以根據(jù)需要主動選取分類特征變量,可以有效減少傳統(tǒng)分類方法在處理多光譜遙感數(shù)據(jù)時由于地物和地形過于復雜導致的分類混淆情況。

    (2)對基于FDCT與ELM的濕地類型分類方法實驗及精度評價分析表明,其整體精度達86.7%。與經(jīng)典的基于SVM算法分類方法相比,整體分類精度提高了10.2%,Kappa系數(shù)提高0.03,尤其是洪泛平原濕地,草本沼澤,非濕地,稻田、冬水田和森林沼澤的分類精度明顯提高。

    黃家湖國家濕地公園在洞庭湖區(qū)域,濕地類型主要包括草本沼澤,稻田、冬水田,非濕地,洪泛平原濕地,森林沼澤,水產(chǎn)養(yǎng)殖場,永久性淡水湖,永久性河流,運河、輸水河等景觀類型。其中植被一般都是成片分布區(qū)域較大,由此,利用快速離散曲波變換和極限學習機相結(jié)合的方法(FDCT+ELM算法)可以較為容易地將這些區(qū)域區(qū)分出來,在草灘和泥灘的過渡帶,以及草灘和明水體的過渡帶也都能比較準確地區(qū)分出濕地植被區(qū)域邊界。實驗表明,與SVM分類算法的濕地分類相比,F(xiàn)DCT+ELM算法使?jié)竦貐^(qū)域各地類類型區(qū)分明顯,不同地類邊界的幾何形態(tài)較為清晰,識別精度更高。當然,除了FDCT+ELM算法上的優(yōu)勢以外,其中研究區(qū)濕地類型70%以上為湖泊河流,相對比較單一,也是獲得較高濕地分類精度的因素之一。而基于SVM分類算法的濕地分類結(jié)果破碎化程度較高,尤其在農(nóng)田、冬水田與草本沼澤的分類上較為突出,斑點噪聲多,對永久性河流與永久性淡水湖的區(qū)分上也存在混淆。

    本次實驗中FDCT+ELM方法的特征維度高達3 904維,增加了計算的復雜度。后期工作中可考慮對曲波特征進行降維分析,在不降低分類精度的情況下降低計算的復雜度。針對濕地遙感分類,解譯者之間存在的相互差異對遙感分類結(jié)果的影響還仍然存在,為降低這一影響將是濕地遙感影像自動識別和分類研究有待進一步待解決的關鍵問題之一。

    基于FDCT與ELM算法將高分辨率遙感影像濕地分類方法推廣到地物識別、森林類型識別等應用領域,對其進一步研究有著十分重要的意義。

    [1]邱煌奧,程朋根,等.多光譜遙感影像濕地水體提取方法綜述[J].江西科學,2016,34(1):61-65.

    [2]Amani M, Salehi B, Mahdavi S, et al.Wetland Classification Using Multi-Source and Multi-Temporal Optical Remote Sensing Data in Newfoundland and Labrador, Canada[J].Canadian Journal of Remote Sensing, 2017, (58): 1-14.

    [3]Ballanti L, Byrd K, Woo I, et al.Remote Sensing for Wetland Mapping and Historical Change Detection at the Nisqually River Delta[J].Sustainability, 2017, 9(11): 1919.

    [4]張樹文,顏鳳芹,于靈雪,等.濕地遙感研究進展[J].地理科學, 2013,33(11):1406-1412.

    [5]王卷樂.著鄱陽湖地區(qū)環(huán)境變化遙感監(jiān)測與環(huán)境管理[M].北京:科學出版社,2016.

    [6]MacAlister C, Mahaxay M.Mapping wetlands in the Lower Mekong Basin for wetland resource and conservation management using Landsat ETM images and fi eld survey data[J].Journal of Environ.Manage, 2009,90(7):2813-2823.

    [7]Huiping Z,Hong J,Qinghua H.Landscape and Water Quality change detection in urban wetland: a post-classification comparison method with IKONOS Data[J].Procedia Environmen talSciences,2011,10:1726-1731.

    [8]嚴恩萍,林 輝,莫登奎,等.基于ALOS數(shù)據(jù)的遙感植被分類研究[J].中南林業(yè)科技大學學報,2010,30(11):37-42.

    [9]曹洪濤,張拯寧,李 明.基于c4.5決策樹的多特征遙感分類方法[J].測繪工程,2016,25(3):73-76.

    [10]楊 冬, 李恩寶,等.利用決策樹模型的濕地提取與分類[J].遼寧工程技術大學學報( 自然科學版),2016,35(5):543-547.

    [11]謝 靜,王宗明,等.基于面向?qū)ο蠓椒ê投鄷r相HJ-1影像的遙感分類——以完達山以北三江平原為例[J].濕地科學,2012,10(4):429-438.

    [12]朱長明,李均力,等.面向?qū)ο蟮母叻直媛蔬b感影像濕地信息分層提取[J].測繪通報,2014(10): 23-28.

    [13]東啟亮,林 輝,孫 華,等.多源遙感數(shù)據(jù)融合方法在濕地分類中的適用性研究[J].中南林業(yè)科技大學學報,2013,33(1):52-57.

    [14]王慶光.基于人工神經(jīng)網(wǎng)絡的濕地遙感分類研究[D].北京:中國地質(zhì)大學, 2006.

    [15]Bortels L, Chan J C W, Merken R, et al.Long-term monitoring of wetlands along the Western-Greek Bird Migration Route using Landsat and ASTER satellite images: Amvrakikos Gulf (Greece)[J].Journal for Nature Conservation,2011,19(4):215-223.

    [16]Mary G J J, Ramachandran A.Quality Improvement in Color Image Compression using New FDCT and FIDCT[J].International Journal of Computer Applications, 2015,123(8):12-17.

    [17]G.Huang, Q.Zhu, C.Siew, Extreme learning machine: theory and applications[J].Elsevier Neurocomputing,2006,70(1–3):489–501.

    [18]王德嬌,史晉芳,吳 倩,等.一種混合降噪方法在輻射圖像降噪處理中的應用[J].機械設計與制造,2017(1):97-100.

    [19]Chen J, Chen H, Wan X, et al.MR-ELM: a MapReduce-based framework for large-scale ELM training in big data era[J].Neural Computing & Applications, 2016, 27(1): 101-110.

    [20]Deo R C, Tiwari M K, Adamowski J F, et al.Forecasting effective drought index using a wavelet extreme learning machine (W-ELM) model[J].Stochastic Environmental Research& Risk Assessment, 2017, 31(5): 1211-1240.

    [21]王 樂,王 超.影像融合和面向?qū)ο蠹夹g在濕地分類中的應用[J].地理空間信息,2017,15(8):22-29.

    [22]Cao J, Chen T, Fan J.Landmark recognition with compact BOW histogram and ensemble ELM[M]. Kluwer Academic Publishers,2016: 2839-2857.

    [23]Sinha R, Saxena S, Singh M.Protocols for riverine wetland mapping and classification using remote sensing and GIS[J].Current Science, 2017, 112(7): 1544-1552.

    猜你喜歡
    曲波神經(jīng)網(wǎng)絡精度
    林海雪原(五)
    林海雪原(三)
    神經(jīng)網(wǎng)絡抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    林海雪原(四)
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    曲波變換三維地震數(shù)據(jù)去噪技術
    GPS/GLONASS/BDS組合PPP精度分析
    基于神經(jīng)網(wǎng)絡的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復數(shù)神經(jīng)網(wǎng)絡在基于WiFi的室內(nèi)LBS應用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡的PID整定
    免费黄网站久久成人精品| 午夜视频国产福利| 免费观看在线日韩| 中国三级夫妇交换| 免费观看无遮挡的男女| 建设人人有责人人尽责人人享有的| 国产免费又黄又爽又色| 永久免费av网站大全| 十分钟在线观看高清视频www| 免费观看无遮挡的男女| 久久久久久人妻| 久久av网站| 亚洲精品aⅴ在线观看| 成人国语在线视频| 国产亚洲精品久久久com| 亚洲精品456在线播放app| 午夜影院在线不卡| 国产成人精品无人区| 少妇丰满av| 人人妻人人添人人爽欧美一区卜| 亚洲精品中文字幕在线视频| 看免费成人av毛片| 国产国语露脸激情在线看| 日本av手机在线免费观看| 久久人人爽人人片av| 午夜免费观看性视频| 大话2 男鬼变身卡| 精品久久久久久久久av| 少妇 在线观看| 一级毛片aaaaaa免费看小| 欧美日韩一区二区视频在线观看视频在线| 爱豆传媒免费全集在线观看| 午夜福利影视在线免费观看| 国产成人精品一,二区| 亚洲成人av在线免费| 最新中文字幕久久久久| 大片免费播放器 马上看| 国产精品久久久久久久久免| 色94色欧美一区二区| 日韩中字成人| 久久午夜福利片| 在线亚洲精品国产二区图片欧美 | av免费在线看不卡| 日本欧美国产在线视频| 午夜免费观看性视频| 成人毛片a级毛片在线播放| 日韩中文字幕视频在线看片| 精品人妻熟女av久视频| 国产不卡av网站在线观看| 国产女主播在线喷水免费视频网站| 中文精品一卡2卡3卡4更新| 午夜福利影视在线免费观看| 日韩一区二区视频免费看| 中文天堂在线官网| 免费久久久久久久精品成人欧美视频 | 成年美女黄网站色视频大全免费 | 精品人妻在线不人妻| 精品国产一区二区三区久久久樱花| 国产黄色免费在线视频| 色94色欧美一区二区| 极品少妇高潮喷水抽搐| 国产精品久久久久久久久免| 国产精品久久久久久久久免| 久久精品夜色国产| 大香蕉97超碰在线| 亚洲精品日本国产第一区| 亚洲精品日本国产第一区| 久久精品夜色国产| 性色av一级| 啦啦啦啦在线视频资源| 91精品国产九色| 男女无遮挡免费网站观看| 亚洲国产日韩一区二区| 日韩一本色道免费dvd| 男女国产视频网站| 下体分泌物呈黄色| 日日摸夜夜添夜夜添av毛片| 看非洲黑人一级黄片| 久久精品久久精品一区二区三区| 老熟女久久久| 国产成人精品无人区| 国产精品三级大全| 美女cb高潮喷水在线观看| 免费看av在线观看网站| 免费黄网站久久成人精品| 久久鲁丝午夜福利片| 精品久久久久久久久亚洲| 免费观看无遮挡的男女| 亚洲av成人精品一区久久| 亚洲第一区二区三区不卡| 在线观看三级黄色| 曰老女人黄片| 内地一区二区视频在线| 日韩电影二区| 亚洲精品,欧美精品| 日本av手机在线免费观看| 久久久久久久大尺度免费视频| 国产成人freesex在线| 中文字幕人妻丝袜制服| 中国美白少妇内射xxxbb| 大香蕉久久网| 看十八女毛片水多多多| 一个人看视频在线观看www免费| 日韩熟女老妇一区二区性免费视频| 国产av精品麻豆| 汤姆久久久久久久影院中文字幕| 免费不卡的大黄色大毛片视频在线观看| 国产精品免费大片| 大码成人一级视频| 男女国产视频网站| 国产精品女同一区二区软件| 超碰97精品在线观看| 人妻制服诱惑在线中文字幕| 18禁裸乳无遮挡动漫免费视频| av女优亚洲男人天堂| 少妇被粗大的猛进出69影院 | 日本黄大片高清| 夫妻午夜视频| 久久毛片免费看一区二区三区| 国产免费现黄频在线看| 亚洲av中文av极速乱| 亚洲国产av新网站| 国产成人aa在线观看| 日日摸夜夜添夜夜添av毛片| 中文字幕人妻丝袜制服| 男人操女人黄网站| 男女边吃奶边做爰视频| 久久精品久久精品一区二区三区| 青春草国产在线视频| 色5月婷婷丁香| 少妇丰满av| 一区二区三区乱码不卡18| 国产一区有黄有色的免费视频| 永久免费av网站大全| 亚洲国产精品一区三区| 久久精品国产a三级三级三级| 中文字幕人妻丝袜制服| 日韩成人av中文字幕在线观看| 亚洲精品乱码久久久v下载方式| 国产熟女欧美一区二区| 欧美少妇被猛烈插入视频| 成人二区视频| 久久99一区二区三区| 成人影院久久| 国产亚洲精品第一综合不卡 | 国产伦精品一区二区三区视频9| 国语对白做爰xxxⅹ性视频网站| 天天影视国产精品| 国产精品一国产av| 2021少妇久久久久久久久久久| 午夜视频国产福利| 亚洲综合色惰| 欧美精品亚洲一区二区| 看十八女毛片水多多多| 夫妻午夜视频| av黄色大香蕉| 街头女战士在线观看网站| 黄色毛片三级朝国网站| 亚洲三级黄色毛片| 在线观看免费日韩欧美大片 | 欧美精品一区二区大全| 亚洲,一卡二卡三卡| 亚洲不卡免费看| 亚洲在久久综合| av网站免费在线观看视频| 久久久久久伊人网av| 亚洲av免费高清在线观看| 国产精品人妻久久久久久| 69精品国产乱码久久久| 国产在视频线精品| 中文字幕人妻熟人妻熟丝袜美| 国产成人午夜福利电影在线观看| 日韩人妻高清精品专区| 欧美bdsm另类| 制服诱惑二区| 一本色道久久久久久精品综合| 最近最新中文字幕免费大全7| 久久午夜综合久久蜜桃| 久久精品久久久久久久性| 夫妻性生交免费视频一级片| 亚洲av电影在线观看一区二区三区| 内地一区二区视频在线| 超色免费av| 男男h啪啪无遮挡| 国产成人精品一,二区| 大香蕉久久成人网| 大香蕉97超碰在线| 国产成人精品福利久久| 一边亲一边摸免费视频| 女的被弄到高潮叫床怎么办| 午夜福利网站1000一区二区三区| 久久青草综合色| 久久久国产欧美日韩av| 美女主播在线视频| 亚洲精品第二区| 亚洲经典国产精华液单| 男女国产视频网站| 国产精品麻豆人妻色哟哟久久| 这个男人来自地球电影免费观看 | 99国产综合亚洲精品| 日本猛色少妇xxxxx猛交久久| 国产无遮挡羞羞视频在线观看| 国产男女超爽视频在线观看| 在线观看国产h片| 老熟女久久久| 国产 一区精品| 日韩免费高清中文字幕av| 国产不卡av网站在线观看| 极品人妻少妇av视频| 亚洲精品第二区| 亚洲人成77777在线视频| 七月丁香在线播放| 久久精品久久久久久噜噜老黄| 亚洲av成人精品一区久久| 日日摸夜夜添夜夜添av毛片| 精品久久久噜噜| 欧美三级亚洲精品| 精品一区二区免费观看| 国产高清国产精品国产三级| 男人爽女人下面视频在线观看| 国产欧美日韩一区二区三区在线 | 婷婷色综合大香蕉| 亚洲色图综合在线观看| 精品人妻在线不人妻| 亚洲美女视频黄频| 国产69精品久久久久777片| 日本-黄色视频高清免费观看| 欧美日韩视频高清一区二区三区二| av黄色大香蕉| 99热国产这里只有精品6| 精品一区二区三区视频在线| 亚洲成色77777| a级毛片免费高清观看在线播放| 亚洲国产精品国产精品| 日韩中字成人| 精品一区二区三区视频在线| 日韩在线高清观看一区二区三区| 九九在线视频观看精品| 欧美精品一区二区免费开放| av免费在线看不卡| 国产免费视频播放在线视频| 亚洲国产成人一精品久久久| 午夜福利视频在线观看免费| 伊人久久精品亚洲午夜| 国产午夜精品久久久久久一区二区三区| 国产伦精品一区二区三区视频9| 99久久综合免费| 国产无遮挡羞羞视频在线观看| 日韩,欧美,国产一区二区三区| 美女大奶头黄色视频| 国产伦精品一区二区三区视频9| 2018国产大陆天天弄谢| 精品一区在线观看国产| 免费高清在线观看日韩| 少妇丰满av| 国精品久久久久久国模美| 亚洲国产精品国产精品| 美女大奶头黄色视频| xxxhd国产人妻xxx| 女的被弄到高潮叫床怎么办| 最近中文字幕2019免费版| 国产一区二区在线观看av| 亚洲国产最新在线播放| 国产色爽女视频免费观看| 国产高清不卡午夜福利| 69精品国产乱码久久久| 国产成人av激情在线播放 | 日本黄大片高清| 欧美日韩视频高清一区二区三区二| 精品久久久噜噜| 亚洲色图 男人天堂 中文字幕 | 亚洲av综合色区一区| 制服丝袜香蕉在线| 亚洲欧美清纯卡通| 久久国产精品大桥未久av| 亚洲情色 制服丝袜| av在线老鸭窝| 亚洲av男天堂| 亚洲精品一区蜜桃| 如日韩欧美国产精品一区二区三区 | 中文字幕人妻熟人妻熟丝袜美| 国产熟女午夜一区二区三区 | 日韩精品有码人妻一区| 日韩一区二区三区影片| 免费大片黄手机在线观看| 欧美人与性动交α欧美精品济南到 | 在线观看美女被高潮喷水网站| 国产片特级美女逼逼视频| 亚洲av成人精品一区久久| 视频区图区小说| 久久久精品区二区三区| 久久久午夜欧美精品| 高清欧美精品videossex| 国产成人精品福利久久| 在线观看美女被高潮喷水网站| 久热这里只有精品99| www.色视频.com| 亚洲av综合色区一区| 亚洲精品aⅴ在线观看| 一区二区三区乱码不卡18| 日本黄色日本黄色录像| 久久人人爽av亚洲精品天堂| 免费看不卡的av| 五月玫瑰六月丁香| 一级爰片在线观看| 桃花免费在线播放| 中文字幕人妻熟人妻熟丝袜美| 最新的欧美精品一区二区| 中文字幕精品免费在线观看视频 | 少妇丰满av| 三级国产精品片| 22中文网久久字幕| 2021少妇久久久久久久久久久| 大香蕉久久网| 黄色毛片三级朝国网站| 国产成人精品福利久久| 日本av手机在线免费观看| av视频免费观看在线观看| 99热网站在线观看| 狠狠精品人妻久久久久久综合| 亚洲激情五月婷婷啪啪| 欧美xxxx性猛交bbbb| 亚洲欧美一区二区三区黑人 | 视频中文字幕在线观看| 日韩在线高清观看一区二区三区| 伦理电影免费视频| av视频免费观看在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 乱人伦中国视频| 欧美bdsm另类| 成年av动漫网址| 观看av在线不卡| 少妇人妻精品综合一区二区| 这个男人来自地球电影免费观看 | 久久99蜜桃精品久久| 国产 精品1| 肉色欧美久久久久久久蜜桃| 2021少妇久久久久久久久久久| 成人亚洲欧美一区二区av| 高清不卡的av网站| 久久久久国产网址| 91在线精品国自产拍蜜月| 久久久久久久久久成人| 亚洲精品久久午夜乱码| 国产毛片在线视频| 国产日韩一区二区三区精品不卡 | xxx大片免费视频| 久久久久久久国产电影| 国产免费一级a男人的天堂| 青春草亚洲视频在线观看| 丝袜脚勾引网站| 精品酒店卫生间| 最新中文字幕久久久久| 人妻人人澡人人爽人人| 久久久精品免费免费高清| 男的添女的下面高潮视频| 亚洲av电影在线观看一区二区三区| 亚洲av在线观看美女高潮| 国产女主播在线喷水免费视频网站| 夫妻午夜视频| 亚洲图色成人| 大话2 男鬼变身卡| 免费大片18禁| 18禁观看日本| kizo精华| 亚洲伊人久久精品综合| 欧美日韩国产mv在线观看视频| 久久毛片免费看一区二区三区| 国产男女内射视频| 午夜免费男女啪啪视频观看| 国产亚洲最大av| 男女无遮挡免费网站观看| 啦啦啦在线观看免费高清www| 国产成人精品一,二区| 国产精品人妻久久久影院| 精品亚洲成国产av| 18禁裸乳无遮挡动漫免费视频| 在线观看人妻少妇| 午夜激情久久久久久久| 两个人免费观看高清视频| 欧美另类一区| 国产精品不卡视频一区二区| 视频中文字幕在线观看| 黄色一级大片看看| 亚洲精品av麻豆狂野| 精品酒店卫生间| 少妇猛男粗大的猛烈进出视频| 日韩熟女老妇一区二区性免费视频| 黄色毛片三级朝国网站| 国产av精品麻豆| 人妻人人澡人人爽人人| 我的老师免费观看完整版| 日韩亚洲欧美综合| 久久久亚洲精品成人影院| 亚洲欧美日韩另类电影网站| 黄片无遮挡物在线观看| 另类精品久久| 日韩精品有码人妻一区| 日本91视频免费播放| 色婷婷av一区二区三区视频| 黄色欧美视频在线观看| 欧美少妇被猛烈插入视频| 免费看不卡的av| 成人漫画全彩无遮挡| 麻豆成人av视频| 日韩成人av中文字幕在线观看| 少妇的逼水好多| 国产 一区精品| 日本与韩国留学比较| 久久婷婷青草| 你懂的网址亚洲精品在线观看| 日韩不卡一区二区三区视频在线| 亚洲精品第二区| 久久鲁丝午夜福利片| 亚洲av成人精品一二三区| 能在线免费看毛片的网站| 欧美变态另类bdsm刘玥| 国产成人精品无人区| 成人国语在线视频| 亚洲四区av| 久久久久久人妻| 国产探花极品一区二区| 国产伦精品一区二区三区视频9| 中文乱码字字幕精品一区二区三区| 欧美老熟妇乱子伦牲交| 99热网站在线观看| 久久午夜综合久久蜜桃| 欧美亚洲日本最大视频资源| 91精品三级在线观看| 亚洲av福利一区| 最近2019中文字幕mv第一页| 国产毛片在线视频| 草草在线视频免费看| 国产精品99久久99久久久不卡 | 亚洲综合色惰| 欧美97在线视频| 黑人猛操日本美女一级片| 日韩成人伦理影院| 免费观看无遮挡的男女| 欧美日韩一区二区视频在线观看视频在线| 精品一区二区三区视频在线| 亚洲精品自拍成人| 特大巨黑吊av在线直播| 色吧在线观看| 考比视频在线观看| 最近中文字幕高清免费大全6| 久久精品人人爽人人爽视色| 免费日韩欧美在线观看| 我的老师免费观看完整版| 97精品久久久久久久久久精品| 久久精品国产亚洲av涩爱| 国产av国产精品国产| 国产av精品麻豆| 成年人午夜在线观看视频| 精品人妻偷拍中文字幕| 99热这里只有是精品在线观看| av福利片在线| 欧美精品高潮呻吟av久久| 国产男女内射视频| 欧美+日韩+精品| 午夜福利视频精品| 男女免费视频国产| 国产日韩欧美视频二区| 婷婷色综合大香蕉| 国产精品麻豆人妻色哟哟久久| 多毛熟女@视频| 亚洲久久久国产精品| 男男h啪啪无遮挡| 制服丝袜香蕉在线| 99热这里只有是精品在线观看| 视频区图区小说| 久久久久久久亚洲中文字幕| 日韩强制内射视频| 精品酒店卫生间| 欧美 亚洲 国产 日韩一| 亚洲精品自拍成人| 熟妇人妻不卡中文字幕| 国产欧美另类精品又又久久亚洲欧美| 日韩在线高清观看一区二区三区| 国产免费视频播放在线视频| 我的老师免费观看完整版| 青春草国产在线视频| 日韩伦理黄色片| 亚洲国产毛片av蜜桃av| 99九九线精品视频在线观看视频| 波野结衣二区三区在线| 亚洲欧美一区二区三区国产| 成人黄色视频免费在线看| 黑人巨大精品欧美一区二区蜜桃 | 一本一本综合久久| 免费人妻精品一区二区三区视频| 亚洲av不卡在线观看| 亚州av有码| 亚洲精品一二三| 在线观看免费高清a一片| 国产成人精品久久久久久| 99热这里只有是精品在线观看| 日韩精品有码人妻一区| 一级毛片aaaaaa免费看小| 校园人妻丝袜中文字幕| 肉色欧美久久久久久久蜜桃| a级毛色黄片| 又大又黄又爽视频免费| 在线观看免费视频网站a站| 日本爱情动作片www.在线观看| 国产熟女欧美一区二区| 青春草国产在线视频| 亚洲国产av新网站| 赤兔流量卡办理| 日日爽夜夜爽网站| 午夜福利网站1000一区二区三区| 999精品在线视频| 桃花免费在线播放| 国产精品人妻久久久久久| 精品少妇内射三级| a级毛片在线看网站| 久久久久久久国产电影| 九色成人免费人妻av| 人人妻人人爽人人添夜夜欢视频| 亚洲欧美清纯卡通| 91国产中文字幕| 十八禁高潮呻吟视频| 亚洲欧洲日产国产| 看十八女毛片水多多多| 精品人妻熟女av久视频| 成人国产麻豆网| 秋霞伦理黄片| 久久综合国产亚洲精品| 亚洲国产日韩一区二区| 91久久精品国产一区二区成人| 国产精品一区二区在线观看99| 性色avwww在线观看| 国产熟女欧美一区二区| 一本一本综合久久| 中文欧美无线码| 国产色爽女视频免费观看| 丰满迷人的少妇在线观看| 人体艺术视频欧美日本| 国产乱来视频区| av免费在线看不卡| 久久av网站| 我要看黄色一级片免费的| 日本与韩国留学比较| 久久久a久久爽久久v久久| 18禁在线播放成人免费| 久久人妻熟女aⅴ| 日本黄色片子视频| 国产一区亚洲一区在线观看| 亚洲在久久综合| 国产精品嫩草影院av在线观看| av免费观看日本| 青春草视频在线免费观看| 中文字幕av电影在线播放| 22中文网久久字幕| 乱人伦中国视频| 久久午夜综合久久蜜桃| 欧美日韩一区二区视频在线观看视频在线| 国产无遮挡羞羞视频在线观看| 国产精品人妻久久久影院| 国产探花极品一区二区| 亚洲国产精品成人久久小说| 成人国产麻豆网| 久久毛片免费看一区二区三区| 99九九在线精品视频| 免费高清在线观看视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲av电影在线观看一区二区三区| 在线天堂最新版资源| 啦啦啦啦在线视频资源| 又粗又硬又长又爽又黄的视频| 国产成人精品福利久久| 狂野欧美激情性bbbbbb| 日本vs欧美在线观看视频| 熟女av电影| 99久国产av精品国产电影| 国产 一区精品| 亚洲丝袜综合中文字幕| 王馨瑶露胸无遮挡在线观看| 国产永久视频网站| 亚洲人成网站在线播| 激情五月婷婷亚洲| 在线天堂最新版资源| 麻豆精品久久久久久蜜桃| 亚洲天堂av无毛| 伊人久久国产一区二区| 亚洲国产欧美在线一区| 久久久久久久国产电影| 97在线人人人人妻| 亚洲av成人精品一二三区| 精品人妻一区二区三区麻豆| 国产精品国产三级国产av玫瑰| 精品久久久噜噜| 免费av中文字幕在线| 伦精品一区二区三区| 日日爽夜夜爽网站| 狠狠婷婷综合久久久久久88av| 丝袜脚勾引网站| 亚洲美女黄色视频免费看| 亚洲精品国产av蜜桃| av免费在线看不卡| 亚洲丝袜综合中文字幕| 天堂8中文在线网| 亚洲中文av在线| 免费观看的影片在线观看| 91久久精品电影网| 内地一区二区视频在线| 亚洲国产精品一区三区| 亚洲中文av在线| 国内精品宾馆在线| 午夜日本视频在线| 中文字幕免费在线视频6| 国产av码专区亚洲av| 亚洲欧美日韩另类电影网站| 日韩精品有码人妻一区| 美女中出高潮动态图|