• <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 ?

    基于橢圓型度量學習的小麥葉部病害識別

    2019-01-05 08:02:22鮑文霞張東彥
    農業(yè)機械學報 2018年12期
    關鍵詞:橢圓型直方圖度量

    鮑文霞 趙 健 張東彥 梁 棟

    (安徽大學農業(yè)生態(tài)大數據分析與應用技術國家地方聯(lián)合工程研究中心, 合肥 230601)

    0 引言

    農作物病蟲害是制約我國農業(yè)生產的主要障礙,是影響作物產量的主要因素之一,同時也是限制我國農業(yè)優(yōu)質、高效持續(xù)發(fā)展的主導因素[1-3]。小麥作為我國的主要糧食作物,其各種病害尤其是白粉病對其產量和質量具有較大的影響[4],針對小麥白粉病,一般通過噴灑農藥來進行防治,過量的農藥施用導致農產品中殘留超標,影響農產品質量;同時,也對環(huán)境造成巨大的負擔,對人力、財力造成巨大的浪費。為了能正確、適量地使用農藥,高效地防治病蟲害,需要準確、實時地識別出病害的嚴重程度[5]。

    近年來,圖像處理、模式識別等技術被廣泛應用于農作物病害識別領域,并取得了顯著效果[6-21]。但仍存在一些問題:大多研究針對農作物不同病害的識別,對于農作物病害嚴重程度的研究相對較少;對于特征提取,大多直接提取顏色、紋理、形狀等特征,而沒有考慮由于樣本圖像拍攝視角變化和小麥葉片本身彎曲、傾斜、缺損等而容易造成分類識別率下降的問題;大多采用支持向量機、BP神經網絡等方法完成對農作物病害圖像的識別,這些傳統(tǒng)的機器學習方法的目標函數主要采用歐氏距離的度量方法,它將輸入樣本空間看成是各向同性的,然而各向同性假設在眾多實際應用中不成立,不能準確地反映數據樣本維度分量之間的潛在關系。本文在完成病害圖像病斑分割的基礎上,提出一種基于滑窗最大值(Moving window maximum, MWM)的病斑圖像特征提取方法,并且引入對樣本數據具有更好適應性的橢圓型度量,提出一種度量學習方法,實現(xiàn)對小麥白粉病嚴重程度的識別,為農作物葉片病害的嚴重程度智能識別提供參考。

    1 樣本采集及特征提取

    1.1 樣本采集

    小麥葉部病害圖像樣本均在北京市農林科學院試驗基地采集。輕度、中度和重度3種嚴重程度的白粉病葉片圖像共210幅。隨機選取其中的150幅作為訓練樣本,另外60幅作為測試樣本,具體樣本分布見表1。按照病斑面積與整個葉片面積的比值R來界定病害嚴重程度[21]:050%為重度,部分病害圖像如圖1所示。

    1.2 病斑分割

    病斑分割是農作物葉部病害識別的重要環(huán)節(jié),其分割效果對病斑特征提取和病害識別的影響顯著。以圖2a為例,先將顏色空間轉換到Lab空間,通過觀察,樣本圖像a、b分量的灰度直方圖存在較明顯的兩個尖峰,如圖3所示,因此利用最大類間方差法計算得到a、b分量灰度閾值分別為114.5和137.5,繼而利用閾值分割將樣本圖像轉換為二值圖,將得到的a、b分量二值圖進行異或運算,接著利用6像素×6像素的方形結構元素對異或后的圖像進行先開后閉的圖像增強運算,從而實現(xiàn)葉片分割,如圖2b所示。

    表1 不同嚴重程度樣本分布Tab.1 Sample distribution of different severities

    圖1 不同嚴重程度小麥葉片白粉病圖像Fig.1 Leaves images of wheat powdery mildew with different severities

    在得到葉片分割圖像后,分別提取葉片圖像的R、G、B分量圖,利用超紅特征值2R-G-B[21]得到R、G、B分量運算后的超紅特征圖,接著利用最大類間方差法計算超紅特征圖的閾值為27.11,利用該閾值對圖像進行分割并利用3像素×3像素的方形結構元素對圖像進行開運算,將病斑從葉片中分割出來,分割后的病斑圖像如圖2c所示。

    圖2 小麥葉片白粉病病斑分割圖Fig.2 Leaves images of wheat powdery mildew spot segmentation map

    圖3 a、b分量灰度直方圖Fig.3 Gray histograms of a and b components

    1.3 特征提取

    在模式識別領域,大量學者通過實驗研究證明,利用不同的特征對目標進行描述,往往能夠互補從而提高分類結果。顏色特征是小麥葉部病害的一個非常重要的外觀特征,也是進行病害診斷時的一個重要依據,顏色直方圖是許多植物病害識別系統(tǒng)中被廣泛采用的顏色特征,其中HSV空間更符合人眼的主觀判斷,是直方圖最常用的顏色空間,它的3個分量分別代表色彩(Hue,H)、飽和度(Saturation,S)和亮度(Value,V);紋理是能夠反映區(qū)域內像素灰度級空間的屬性,而局部二值模式(Local binary pattern, LBP)常用來描述圖像局部紋理特征,具有灰度不變性和旋轉不變性等顯著優(yōu)點。

    本文利用HSV顏色直方圖和LBP統(tǒng)計直方圖,針對小麥葉片可能存在彎曲、傾斜、缺損等問題,使用滑窗法來提取病害葉片的MWM局部細節(jié)特征。具體地,如圖4所示,對于每一幅樣本圖像(尺寸為880像素×120像素)采用10像素×10像素的子窗口,步長為5個像素掃描整幅圖像,在每個子窗口中,將HSV顏色空間量化為512個顏色小區(qū)間,每個顏色小區(qū)間的直方圖代表著其在子窗口中出現(xiàn)的概率,同樣地,每個子窗口也提取它的LBP統(tǒng)計直方圖特征,對每個子窗口中的某個像素,將相鄰的8個像素的灰度值與其進行比較,若周圍像素灰度大于中心像素灰度,則該像素點的位置被標記為1,否則為0。這樣,3×3鄰域內的8個點經比較可產生8位二進制數,將8位二進制數轉換為十進制作為該像素點的LBP值,然后計算每個子窗口的直方圖,即每個數字出現(xiàn)的頻率;再在同一水平高度的子窗口中,取HSV和LBP統(tǒng)計直方圖最大的值組成一個新的子窗口,這樣,最后得到的特征向量是同一水平高度上統(tǒng)計直方圖特征最大化的特征向量。

    圖4 MWM特征提取過程Fig.4 Process of MWM feature extraction

    考慮到多尺度信息,將原圖分別縮小1倍和2倍,建立三尺度圖像金字塔,同樣運用以上方法提取其MWM特征,將縮放后提取的特征組合在一起,構成一個新的特征向量X=(x1,x2,…,xn)T來描述小麥的葉部白粉病。此外,為了消除不同特征向量和向量單位的影響,對數據特征向量X作歸一化處理,歸一化后的特征向量記為=(1,2,…,n)T,其中

    (1)

    2 橢圓型度量學習

    基于圖像處理的農作物病蟲害識別方法中對病害圖像特征進行距離度量至關重要,然而圖像特征受視角、光照等因素的影響不同,常用的歐氏距離、曼哈頓距離等標準的距離度量方法平等地對待每一種特征,而不會剔除那些獨立使用時效果很差的特征。因此,本文引入橢圓型度量理論,尋找一種能夠反映樣本空間結構信息或語義信息的分式線性變換,從而使得橢圓型度量具有更好的區(qū)分性。

    2.1 橢圓型度量

    給定一個可逆對稱矩陣Ω∈Rn×n,誘導出x、y的雙線性形式為

    ω(x,y)=xTΩy(x、y∈Rn)

    (2)

    式中x、y——樣本特征向量

    ω——x、y關于Ω的雙線性函數

    下面統(tǒng)一采用ω(x,y)的簡化形式ωxy來表示。當Ω是正定,ωxy可誘導出橢圓型度量幾何,令En={x∈Rn:ωxx>0},定義dE:En×En→R+,橢圓型度量計算公式為

    (3)

    式中dE(x,y)——樣本x、y的橢圓型度量

    i——虛數單位

    ωxx——x、x關于Ω的雙線性函數

    ωyy——y、y關于Ω的雙線性函數

    k——曲率半徑

    2.2 橢圓型度量矩陣

    橢圓型度量依賴一個對稱矩陣Ω,定義一個正定對稱矩陣則可確定一個橢圓型度量,因此稱Ω為橢圓型度量矩陣。數據的統(tǒng)計特性在一定程度上反映了樣本數據的幾何結構,因此可根據樣本的類內與類間高斯分布的對數似然比定義橢圓型度量矩陣。

    對于特征向量Xi、Xj,它們的樣本差異Δ=Xi-Xj,根據二次判別分析法[22],用高斯概率模型來擬合小麥白粉病不同嚴重度以及相同嚴重度樣本特征之間的差值分布,同類樣本差異Δ符合變量ξI的高斯分布,異類樣本差異Δ符合變量ξE的高斯分布,即

    (4)

    (5)

    式中P——概率

    ξI——同類樣本差異擬合變量

    ξE——異類樣本差異擬合變量

    ΣI、ΣE——ξI、ξE差值分布的協(xié)方差矩陣

    將其進行對數似然比可得

    (6)

    將其簡化為

    (7)

    由此定義橢圓型度量矩陣Ω為

    (8)

    2.3 度量學習

    經1.3節(jié)病害的特征提取,得到的特征維數較高,其中含有與病害識別無關的信息和相關性非常高的冗余信息,而這些信息會影響到分類識別的效果。傳統(tǒng)的方法通常先采用主成分分析法(PCA)對高維數據降維,然后在PCA子空間中進行距離度量學習。但是,PCA在進行降維時并未考慮特征間的分類信息,由此可能會增加分類的難度。為了保持最大化的分類信息,在降維的同時學習橢圓型度量矩陣,充分考慮到維數降低對度量學習分類結果的影響。

    對初始特征xi、xj∈Rd,通過降維矩陣W∈Rd×r(r

    (9)

    其中

    為了將樣本分開,使得類內方差小,類間方差大,通過增大方差的距離來增加區(qū)分度,對于矩陣W的列向量w,它的方差為σI(w)=wTΣIw,因此可以定義廣義瑞利熵來最大化方差之間的比值,為

    (10)

    使得J(w)最大化等價于

    (11)

    3 算法步驟

    基于橢圓型度量學習的小麥葉部病害識別算法步驟如下:

    (1)對采集來的病害圖像進行預處理并進行病斑分割。

    (3)利用二次判別分析,用高斯概率模型來擬合小麥白粉病不同嚴重度以及相同嚴重度樣本特征之間的差值分布,分別計算協(xié)方差矩陣ΣI、ΣE,通過求解式(11)得到降維矩陣W,相應地由式(9)得到橢圓型度量矩陣Ω(W)。

    (4)最后利用特征子空間橢圓型度量dE(x,y)計算測試集和訓練集之間的距離,取每個測試樣本距離前5個樣本的平均距離作為最后的判斷依據。

    算法流程圖如圖5所示。

    圖5 算法流程圖Fig.5 Flow chart of algorithm

    4 實驗與分析

    實驗在Matlab 2016b上進行,為了驗證基于橢圓型度量學習的小麥葉部病害識別算法的有效性,對提取的MWM特征和分類器分別進行對比實驗。

    4.1 不同特征對比實驗

    方向梯度直方圖(Histogram of oriented gradient, HOG)特征對圖像幾何和光學形變具有良好的不變性,越來越多的研究者將HOG特征用于農作物病蟲害識別上并取得了較好的結果[23-24]??紤]到HOG特征提取方法是在灰度圖像上進行的,沒有充分利用圖像的顏色信息,因此文獻[23]結合HOG特征和HSV顏色特征進行植物病蟲害的識別;另外,顏色紋理形狀特征(Color texture shape features)也是農作物病蟲害識別領域常用的圖像特征,這里的顏色紋理形狀特征特指文獻[17,21]中提到的特征描述方法:RGB、HSI和YCbCr顏色空間的顏色成分R、G、B、H、S、I、Y、Cb、Cr的灰度均值作為顏色特征,利用灰度共生矩陣法分別計算病斑區(qū)域的對比度、相關性、能量、慣性矩和熵的均值和方差作為紋理特征,計算病斑區(qū)域的圓形度、偏心率、形狀復雜性和形狀參數作為形狀特征。

    為了驗證1.3節(jié)所述MWM特征提取方法的有效性,對病斑圖像分別提取MWM特征、HSV顏色特征結合HOG特征、HSV特征、LBP特征、HOG特征以及顏色紋理形狀特征[17,21],都采用本文橢圓型度量學習對特征進行分類。實驗結果利用經典評價指標累積匹配曲線(Cumulative match characteristic,CMC)來表示,CMC曲線表示測試集中所選測試圖與目標圖第n次成功匹配的概率,實驗結果如圖6所示。

    圖6 累積匹配曲線Fig.6 Cumulative match characteristic (CMC) curves

    在均使用橢圓型度量學習這一分類器的基礎上,可以看出:單一特征(HSV特征、HOG特征和LBP特征)在不同匹配次數上識別正確率各有高低,其中LBP特征在匹配次數為1時識別率雖低于HSV特征與HOG特征,但在其他次數上LBP特征識別率均領先,可以估計當測試樣本較多時,LBP特征將具有更好的魯棒性。融合特征往往比單一的特征描述取得更高的識別正確率,從圖6中可以看出,HSV+HOG特征要比單一的HSV、HOG特征識別正確率要高,而在1.3節(jié)中提到的MWM特征提取方法(即滑窗最大值法提取HSV特征和LBP特征)也比單一的HSV、LBP特征識別正確率要高。MWM特征提取方法比起HSV+HOG特征、顏色紋理形狀特征取得了更好的分類識別正確率。

    因此,本文提出的MWM特征提取方法選取了顏色信息豐富的HSV特征和魯棒性更好的LBP特征作為融合特征來互補共同描述病斑特征,同時提取特征的過程中,最大化了同一水平高度上每個子窗口特征統(tǒng)計直方圖的值,在損失少量特征信息的情況下保留了更好的特征信息,有效地去除了特征冗余,有效解決了小麥葉片可能存在彎曲、傾斜、缺損等問題,證明了MWM特征提取方法的有效性。

    4.2 不同分類器對比實驗

    采用同樣的訓練樣本和測試樣本,將提取的MWM特征分別送入SVM分類器、BP神經網絡分類器以及橢圓型度量學習分類器進行分類識別,結果如圖7~9所示,圖中標簽1~3分別對應白粉病輕、中、重。對SVM分類器進行交叉驗證多次尋優(yōu),選擇出最優(yōu)的c、g參數,最終的小麥白粉病輕、中、重3種嚴重度分類正確率為88.33%。使用BP神經網絡時網絡參數經過多次試驗,選擇出最優(yōu)參數,由于神經網絡每次測試結果均存在細微差別,這里使用了多次測試的平均結果,平均識別正確率為90%;采用橢圓型度量學習分類器時識別正確率達到100%。

    圖7 SVM分類器識別結果Fig.7 SVM classifier

    圖8 BP神經網絡分類器識別結果Fig.8 BP neural network classifier

    通過控制變量法,比較了SVM、BP神經網絡、橢圓型度量學習分類器的分類性能,橢圓型度量學習分類器取得了更好的識別效果。這是因為比起傳統(tǒng)的SVM、BP神經網絡,橢圓型度量能夠反映特征空間結構信息或語義信息的分式線性變換,對特征具有更好的區(qū)分性,能夠更好地對特征潛在關系進行建模;在對特征降維的同時考慮了對橢圓型度量學習的影響,因此橢圓型度量學習分類器能達到更高的識別正確率。

    圖9 橢圓型度量學習分類器識別結果Fig.9 Elliptical metric learning classifier

    5 結束語

    基于橢圓型度量學習的小麥葉部病害識別算法,提出了一種MWM特征表示方法,同時提出了一種將降維和度量學習同時進行的橢圓型度量學習方法,對小麥白粉病嚴重度進行分類。通過對不同特征、不同分類器進行對比實驗,驗證了該方法的有效性,可以滿足智能識別小麥白粉病嚴重度的需求,同時該算法對于農作物病害嚴重度的識別推廣具有較好的借鑒意義。

    猜你喜歡
    橢圓型直方圖度量
    有趣的度量
    統(tǒng)計頻率分布直方圖的備考全攻略
    高中數理化(2024年1期)2024-03-02 17:52:40
    符合差分隱私的流數據統(tǒng)計直方圖發(fā)布
    一類帶臨界指數增長的橢圓型方程組兩個正解的存在性
    模糊度量空間的強嵌入
    迷向表示分為6個不可約直和的旗流形上不變愛因斯坦度量
    用直方圖控制畫面影調
    一類擬線性橢圓型方程的正解
    地質異常的奇異性度量與隱伏源致礦異常識別
    基于直方圖平移和互補嵌入的可逆水印方案
    計算機工程(2015年8期)2015-07-03 12:20:21
    9色porny在线观看| 国产精品一区二区在线观看99| 欧美日韩成人在线一区二区| 国产aⅴ精品一区二区三区波| 久久精品亚洲精品国产色婷小说| 村上凉子中文字幕在线| 午夜亚洲福利在线播放| 久久草成人影院| 亚洲国产欧美网| 久久婷婷成人综合色麻豆| 欧美午夜高清在线| 天天操日日干夜夜撸| 国产单亲对白刺激| 在线观看免费高清a一片| 天堂俺去俺来也www色官网| 久久精品aⅴ一区二区三区四区| 精品国产乱码久久久久久男人| 午夜老司机福利片| 国产成人精品久久二区二区免费| 老熟女久久久| 欧美激情极品国产一区二区三区| 视频区图区小说| 精品国产乱子伦一区二区三区| 女同久久另类99精品国产91| 99精品欧美一区二区三区四区| 国产黄色免费在线视频| 国产日韩一区二区三区精品不卡| 精品国产超薄肉色丝袜足j| 国产一卡二卡三卡精品| 如日韩欧美国产精品一区二区三区| 搡老乐熟女国产| 国产精品98久久久久久宅男小说| 久久精品国产清高在天天线| 欧美成狂野欧美在线观看| 国产人伦9x9x在线观看| 一级黄色大片毛片| 深夜精品福利| 国产欧美日韩综合在线一区二区| 在线国产一区二区在线| av天堂在线播放| 日韩熟女老妇一区二区性免费视频| 一区在线观看完整版| 黑人欧美特级aaaaaa片| 美女视频免费永久观看网站| 国产欧美日韩精品亚洲av| 国产色视频综合| 黄片播放在线免费| 亚洲专区中文字幕在线| 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| 国产亚洲精品一区二区www | 操美女的视频在线观看| 欧美 亚洲 国产 日韩一| 在线视频色国产色| 最近最新中文字幕大全免费视频| 日韩欧美在线二视频 | 欧美成狂野欧美在线观看| xxx96com| 国产高清视频在线播放一区| 成在线人永久免费视频| 亚洲成a人片在线一区二区| 久久精品国产综合久久久| 亚洲av成人不卡在线观看播放网| 免费女性裸体啪啪无遮挡网站| 国产精品亚洲av一区麻豆| 在线观看舔阴道视频| 国产精品影院久久| 最近最新中文字幕大全免费视频| 夫妻午夜视频| 身体一侧抽搐| 亚洲久久久国产精品| 欧美精品一区二区免费开放| 日日爽夜夜爽网站| 极品少妇高潮喷水抽搐| 男女下面插进去视频免费观看| 婷婷丁香在线五月| 一边摸一边抽搐一进一出视频| 国产又色又爽无遮挡免费看| 午夜福利在线观看吧| 免费av中文字幕在线| 麻豆成人av在线观看| 国产91精品成人一区二区三区| 又大又爽又粗| 久久人人爽av亚洲精品天堂| 日韩制服丝袜自拍偷拍| 亚洲av日韩在线播放| 老司机福利观看| 成年版毛片免费区| 高清视频免费观看一区二区| 国产欧美日韩一区二区精品| 韩国av一区二区三区四区| 久久国产乱子伦精品免费另类| 亚洲片人在线观看| 欧美亚洲 丝袜 人妻 在线| 丰满迷人的少妇在线观看| 亚洲精品中文字幕在线视频| 女性生殖器流出的白浆| 免费不卡黄色视频| 九色亚洲精品在线播放| 国产欧美日韩精品亚洲av| 国产极品粉嫩免费观看在线| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜影院日韩av| 日韩欧美免费精品| 国产高清videossex| 国产亚洲精品久久久久久毛片 | 在线观看舔阴道视频| 午夜福利视频在线观看免费| 久久精品成人免费网站| 最近最新中文字幕大全电影3 | 日韩大码丰满熟妇| 精品国产乱子伦一区二区三区| 一进一出抽搐gif免费好疼 | 国产男女内射视频| 女同久久另类99精品国产91| 午夜福利免费观看在线| 欧美另类亚洲清纯唯美| 一级黄色大片毛片| 露出奶头的视频| 欧美丝袜亚洲另类 | 成人永久免费在线观看视频| 18禁国产床啪视频网站| 国产精品秋霞免费鲁丝片| 午夜福利影视在线免费观看| 日韩 欧美 亚洲 中文字幕| 母亲3免费完整高清在线观看| 中文字幕最新亚洲高清| 国产深夜福利视频在线观看| 亚洲国产欧美一区二区综合| 啦啦啦视频在线资源免费观看| 99久久人妻综合| 日韩欧美免费精品| 高清在线国产一区| 日韩欧美国产一区二区入口| 久久亚洲真实| 中文字幕av电影在线播放| 男女午夜视频在线观看| 最新的欧美精品一区二区| 精品国产乱子伦一区二区三区| 丝瓜视频免费看黄片| 国产伦人伦偷精品视频| 亚洲在线自拍视频| 午夜免费成人在线视频| 国产精品 国内视频| 黄片播放在线免费| 丁香欧美五月| 一边摸一边抽搐一进一小说 | 香蕉丝袜av| 国产精品久久电影中文字幕 | 国产精品 国内视频| 久久人人爽av亚洲精品天堂| 在线观看一区二区三区激情| 亚洲一卡2卡3卡4卡5卡精品中文| 一本综合久久免费| 深夜精品福利| 亚洲一区高清亚洲精品| 黑人巨大精品欧美一区二区mp4| 天堂√8在线中文| 色婷婷av一区二区三区视频| 精品福利观看| 久久久久精品人妻al黑| 国产男女内射视频| 99久久人妻综合| 国产精品久久久久久人妻精品电影| 国产在线精品亚洲第一网站| 国产深夜福利视频在线观看| 高清毛片免费观看视频网站 | 国产精品99久久99久久久不卡| 一二三四社区在线视频社区8| 国产麻豆69| 美女国产高潮福利片在线看| 欧美日韩中文字幕国产精品一区二区三区 | 久久久精品免费免费高清| 成年人黄色毛片网站| 99久久99久久久精品蜜桃| 久久精品熟女亚洲av麻豆精品| tocl精华| 老熟妇乱子伦视频在线观看| 视频区欧美日本亚洲| 精品欧美一区二区三区在线| 欧美 日韩 精品 国产| 国产av精品麻豆| 欧洲精品卡2卡3卡4卡5卡区| 人人妻,人人澡人人爽秒播| 啪啪无遮挡十八禁网站| 丁香六月欧美| 搡老岳熟女国产| 国产精品成人在线| 亚洲一区二区三区不卡视频| 国产精品二区激情视频| 亚洲第一欧美日韩一区二区三区| 老熟妇仑乱视频hdxx| 99国产精品一区二区蜜桃av | 中文字幕另类日韩欧美亚洲嫩草| 看免费av毛片| 丰满的人妻完整版| 首页视频小说图片口味搜索| 免费在线观看影片大全网站| 亚洲欧美一区二区三区黑人| 男男h啪啪无遮挡| 一区福利在线观看| 精品久久久久久电影网| 亚洲精品国产区一区二| а√天堂www在线а√下载 | 国产精品久久久久久人妻精品电影| 精品国产乱子伦一区二区三区| 国产成人系列免费观看| 如日韩欧美国产精品一区二区三区| 国产在视频线精品| 老汉色av国产亚洲站长工具| 国产精品永久免费网站| 在线观看一区二区三区激情| 美女 人体艺术 gogo| 国产乱人伦免费视频| 欧美激情极品国产一区二区三区| 久久午夜综合久久蜜桃| 国产精品久久久av美女十八| 黄色片一级片一级黄色片| a级毛片黄视频| 久久久水蜜桃国产精品网| 亚洲综合色网址| 悠悠久久av| 人成视频在线观看免费观看| 精品久久久精品久久久| 久久香蕉国产精品| 成人影院久久| 新久久久久国产一级毛片| 日韩大码丰满熟妇| 9热在线视频观看99| 岛国毛片在线播放| 成人18禁高潮啪啪吃奶动态图| videosex国产| 欧美精品av麻豆av| 国产野战对白在线观看| tocl精华| 老司机在亚洲福利影院| 亚洲av日韩精品久久久久久密| 夫妻午夜视频| 搡老岳熟女国产| 99精品久久久久人妻精品| 老司机在亚洲福利影院| 亚洲精品中文字幕一二三四区| 淫妇啪啪啪对白视频| 天天影视国产精品| 极品人妻少妇av视频| 午夜两性在线视频| av网站免费在线观看视频| 热re99久久国产66热| 国产欧美日韩一区二区三| 欧美黄色淫秽网站| 18禁观看日本| 高清毛片免费观看视频网站 | 一级黄色大片毛片| 天堂动漫精品| 女人被躁到高潮嗷嗷叫费观| 他把我摸到了高潮在线观看| 日韩人妻精品一区2区三区| 国产精品一区二区免费欧美| 激情视频va一区二区三区| 久久久久精品人妻al黑| 三级毛片av免费| 午夜日韩欧美国产| 欧美 日韩 精品 国产| 人妻一区二区av| 久久九九热精品免费| 50天的宝宝边吃奶边哭怎么回事| 国产一区二区三区视频了| 天堂√8在线中文| 女警被强在线播放| 怎么达到女性高潮| 免费少妇av软件| 久久中文字幕人妻熟女| 亚洲综合色网址| 丰满饥渴人妻一区二区三| 欧美黄色片欧美黄色片| 青草久久国产| 成人精品一区二区免费| 国产精品久久久av美女十八| 黄片大片在线免费观看| 午夜免费鲁丝| 悠悠久久av| 精品福利永久在线观看| 中文字幕最新亚洲高清| 老汉色∧v一级毛片| 国产男女超爽视频在线观看| 欧美丝袜亚洲另类 | 成年版毛片免费区| 亚洲国产看品久久| 久久亚洲真实| 免费在线观看日本一区| 国产精品影院久久| 夜夜爽天天搞| 欧美中文综合在线视频| 建设人人有责人人尽责人人享有的| 色94色欧美一区二区| 欧美成人免费av一区二区三区 | 丰满的人妻完整版| 三级毛片av免费| 欧美不卡视频在线免费观看 | 九色亚洲精品在线播放| 日本精品一区二区三区蜜桃| 黄色片一级片一级黄色片| 国产精品乱码一区二三区的特点 | 中文字幕高清在线视频| 久久国产精品男人的天堂亚洲| 电影成人av| 国产在线精品亚洲第一网站| 每晚都被弄得嗷嗷叫到高潮| 90打野战视频偷拍视频| 夫妻午夜视频| 亚洲成人免费电影在线观看| 国产欧美日韩精品亚洲av| 久久中文看片网| 日韩大码丰满熟妇| 国产亚洲欧美98| www日本在线高清视频| 国产不卡一卡二| 亚洲五月婷婷丁香| 一本综合久久免费| 亚洲精品美女久久av网站| 精品久久蜜臀av无| 涩涩av久久男人的天堂| 中文字幕人妻丝袜制服| 中文字幕高清在线视频| www.999成人在线观看| 美女视频免费永久观看网站| 桃红色精品国产亚洲av| 欧美国产精品va在线观看不卡| 亚洲中文av在线| 成人18禁在线播放| 久久精品aⅴ一区二区三区四区| 日本撒尿小便嘘嘘汇集6| 身体一侧抽搐| 十八禁人妻一区二区| 一边摸一边抽搐一进一出视频| 亚洲人成77777在线视频| 久久人人爽av亚洲精品天堂| 黄片小视频在线播放| 免费久久久久久久精品成人欧美视频| 波多野结衣av一区二区av| 在线观看日韩欧美| 国产无遮挡羞羞视频在线观看| 色精品久久人妻99蜜桃| 国产乱人伦免费视频| 精品国产乱码久久久久久男人| 在线观看免费高清a一片| 99精品欧美一区二区三区四区| av天堂久久9| 亚洲精品久久成人aⅴ小说| 国产成人免费观看mmmm| 男女午夜视频在线观看| e午夜精品久久久久久久| 飞空精品影院首页| 别揉我奶头~嗯~啊~动态视频| 天堂俺去俺来也www色官网| 久久精品成人免费网站| 又紧又爽又黄一区二区| 久久精品成人免费网站| 日韩中文字幕欧美一区二区| 在线看a的网站| 夫妻午夜视频| 999精品在线视频| 在线看a的网站| 91九色精品人成在线观看| 国产一区二区激情短视频| 精品国产乱子伦一区二区三区| 国产一卡二卡三卡精品| 成人18禁高潮啪啪吃奶动态图| 80岁老熟妇乱子伦牲交| av一本久久久久| 欧美黑人精品巨大| 成人18禁在线播放| 99热只有精品国产| 我的亚洲天堂| 成年人免费黄色播放视频| 国产成人av激情在线播放| 宅男免费午夜| 久久久久久久久免费视频了| 99国产精品免费福利视频| 国产日韩一区二区三区精品不卡| 免费在线观看完整版高清| 成人影院久久| 亚洲男人天堂网一区| 国产aⅴ精品一区二区三区波| 少妇被粗大的猛进出69影院| 中文字幕最新亚洲高清| 亚洲熟妇中文字幕五十中出 | av免费在线观看网站| 高清黄色对白视频在线免费看| 久久久久国产精品人妻aⅴ院 | 一级黄色大片毛片| a在线观看视频网站| 亚洲五月色婷婷综合| cao死你这个sao货| 国产精品98久久久久久宅男小说| 中国美女看黄片| 亚洲欧美精品综合一区二区三区| 这个男人来自地球电影免费观看| 超碰97精品在线观看| 欧美精品一区二区免费开放| 12—13女人毛片做爰片一| 免费观看a级毛片全部| 999久久久精品免费观看国产| 成人手机av| 国产99白浆流出| 国产色视频综合| 国产99白浆流出| 一级作爱视频免费观看| 好男人电影高清在线观看| 免费在线观看亚洲国产| 精品亚洲成国产av| 欧美成人免费av一区二区三区 | 日韩一卡2卡3卡4卡2021年| 亚洲伊人色综图| 99久久精品国产亚洲精品| 免费看a级黄色片| 国产精品亚洲av一区麻豆| 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩亚洲国产一区二区在线观看 | 无遮挡黄片免费观看| 成人国语在线视频| 一a级毛片在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产91精品成人一区二区三区| 丰满迷人的少妇在线观看| 99精品欧美一区二区三区四区| 久久人人爽av亚洲精品天堂| 欧美黄色片欧美黄色片| 国产精品电影一区二区三区 | netflix在线观看网站| 黑丝袜美女国产一区| 国产成+人综合+亚洲专区| 一夜夜www| av不卡在线播放| 亚洲aⅴ乱码一区二区在线播放 | 一本一本久久a久久精品综合妖精| 人人澡人人妻人| 日韩三级视频一区二区三区| 丝袜美足系列| 亚洲欧美一区二区三区黑人| 亚洲专区国产一区二区| 精品福利观看| 最新的欧美精品一区二区| 精品国产超薄肉色丝袜足j| 久9热在线精品视频| 日韩免费av在线播放| 精品一区二区三区四区五区乱码| 天天躁狠狠躁夜夜躁狠狠躁| 高清在线国产一区| 91精品三级在线观看| 免费一级毛片在线播放高清视频 | www.999成人在线观看| 亚洲中文日韩欧美视频| 性色av乱码一区二区三区2| 国产精品98久久久久久宅男小说| 久9热在线精品视频| 国产男靠女视频免费网站| 熟女少妇亚洲综合色aaa.| 另类亚洲欧美激情| 久久青草综合色| 国产精品一区二区在线观看99| 日韩免费高清中文字幕av| 国产成人精品久久二区二区91| 黄色成人免费大全| 久久香蕉激情| 国产成人系列免费观看| 伦理电影免费视频| 日韩三级视频一区二区三区| 超碰成人久久| 99riav亚洲国产免费| 每晚都被弄得嗷嗷叫到高潮| av片东京热男人的天堂| 日韩欧美一区二区三区在线观看 | 日韩欧美一区二区三区在线观看 | 久久中文看片网| 真人做人爱边吃奶动态| 黄频高清免费视频| 亚洲精品成人av观看孕妇| 麻豆国产av国片精品| 亚洲伊人色综图| 国产精品久久电影中文字幕 | 欧洲精品卡2卡3卡4卡5卡区| 国产一区二区三区综合在线观看| 女人爽到高潮嗷嗷叫在线视频| 一级片免费观看大全| 在线观看www视频免费| bbb黄色大片| 亚洲国产毛片av蜜桃av| 黑人猛操日本美女一级片| 男女床上黄色一级片免费看| 99久久99久久久精品蜜桃| 最近最新中文字幕大全免费视频| 欧美日韩黄片免| 免费在线观看亚洲国产| 黄色女人牲交| 中文字幕av电影在线播放| 欧美激情高清一区二区三区| 一级黄色大片毛片| 国产成人一区二区三区免费视频网站| 国产真人三级小视频在线观看| 亚洲情色 制服丝袜| 久久精品人人爽人人爽视色| 欧美激情久久久久久爽电影 | 一区在线观看完整版| 婷婷精品国产亚洲av在线 | 亚洲熟妇中文字幕五十中出 | 啦啦啦免费观看视频1| 国产高清国产精品国产三级| 成人免费观看视频高清| 又黄又爽又免费观看的视频| 麻豆国产av国片精品| 国产一区有黄有色的免费视频| 国产人伦9x9x在线观看| 天天添夜夜摸| 久久国产精品影院| 女警被强在线播放| 美女午夜性视频免费| 国产精品一区二区免费欧美| 黄色视频,在线免费观看| 欧美精品亚洲一区二区| av福利片在线| 美女午夜性视频免费| 亚洲欧美日韩高清在线视频| 国产有黄有色有爽视频| 国产亚洲一区二区精品| 两人在一起打扑克的视频| 精品人妻在线不人妻| 一级毛片高清免费大全| 亚洲av欧美aⅴ国产| 精品电影一区二区在线| 国产亚洲欧美精品永久| 天堂√8在线中文| 一本大道久久a久久精品| 这个男人来自地球电影免费观看| 国产男靠女视频免费网站| 欧美大码av| 亚洲av电影在线进入| 亚洲五月色婷婷综合| 日韩一卡2卡3卡4卡2021年| 一进一出好大好爽视频| 在线国产一区二区在线| a级毛片在线看网站| 丝袜在线中文字幕| 校园春色视频在线观看| 国产精品.久久久| 欧美不卡视频在线免费观看 | 真人做人爱边吃奶动态| 亚洲五月天丁香| 好男人电影高清在线观看| 国产精品 欧美亚洲| 一个人免费在线观看的高清视频| 女同久久另类99精品国产91| 日本vs欧美在线观看视频| 在线永久观看黄色视频| 香蕉久久夜色| 亚洲色图 男人天堂 中文字幕| 久久国产乱子伦精品免费另类| 最新美女视频免费是黄的| 99精国产麻豆久久婷婷| 妹子高潮喷水视频| 可以免费在线观看a视频的电影网站| 日韩精品免费视频一区二区三区| 国产精品 欧美亚洲| 高清视频免费观看一区二区| 中文字幕精品免费在线观看视频| 十八禁人妻一区二区| 成人av一区二区三区在线看| 美女 人体艺术 gogo| 美女午夜性视频免费| 看片在线看免费视频| 一级片免费观看大全| 日本五十路高清| av天堂久久9| 午夜亚洲福利在线播放| 国产一区二区三区视频了| 成年女人毛片免费观看观看9 | 丰满人妻熟妇乱又伦精品不卡| 国产精品自产拍在线观看55亚洲 | e午夜精品久久久久久久| 深夜精品福利| 下体分泌物呈黄色| 日本撒尿小便嘘嘘汇集6| 国产精品二区激情视频| 老司机亚洲免费影院| 99香蕉大伊视频| 日韩欧美一区二区三区在线观看 | 亚洲中文av在线| 亚洲精品成人av观看孕妇| 国产成人欧美在线观看 | 两性午夜刺激爽爽歪歪视频在线观看 | 一进一出抽搐动态| 亚洲视频免费观看视频| 国产在视频线精品| 国产av又大| 国产精品香港三级国产av潘金莲| 少妇猛男粗大的猛烈进出视频| 久久精品91无色码中文字幕| 十八禁高潮呻吟视频| 国产精品一区二区免费欧美| 人成视频在线观看免费观看| 亚洲少妇的诱惑av| 脱女人内裤的视频| 电影成人av| tube8黄色片| 91精品国产国语对白视频| 超色免费av| 天天影视国产精品| 午夜日韩欧美国产| 一区二区三区精品91| 在线观看一区二区三区激情| 国精品久久久久久国模美| 中亚洲国语对白在线视频| 亚洲国产毛片av蜜桃av| 精品高清国产在线一区| 亚洲人成电影观看|