• <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
    精品亚洲乱码少妇综合久久| 80岁老熟妇乱子伦牲交| 国产xxxxx性猛交| 国产又爽黄色视频| 91麻豆精品激情在线观看国产 | 女人久久www免费人成看片| 免费高清在线观看日韩| videosex国产| 肉色欧美久久久久久久蜜桃| 99riav亚洲国产免费| 久9热在线精品视频| 欧美一级毛片孕妇| 高潮久久久久久久久久久不卡| 男男h啪啪无遮挡| 啦啦啦视频在线资源免费观看| 欧美精品av麻豆av| 精品高清国产在线一区| 午夜久久久在线观看| 日本av手机在线免费观看| 亚洲色图综合在线观看| 青青草视频在线视频观看| 亚洲色图 男人天堂 中文字幕| 亚洲天堂av无毛| 成年人黄色毛片网站| 人成视频在线观看免费观看| 深夜精品福利| 极品少妇高潮喷水抽搐| 免费在线观看影片大全网站| 日韩一区二区三区影片| 欧美 日韩 精品 国产| 韩国精品一区二区三区| 少妇粗大呻吟视频| 老汉色∧v一级毛片| 欧美精品av麻豆av| xxxhd国产人妻xxx| 国产精品电影一区二区三区 | 老司机靠b影院| 少妇猛男粗大的猛烈进出视频| 91老司机精品| 亚洲免费av在线视频| 男女无遮挡免费网站观看| 后天国语完整版免费观看| 免费观看av网站的网址| 国产精品一区二区在线观看99| 国产主播在线观看一区二区| 亚洲精品久久成人aⅴ小说| 日韩 欧美 亚洲 中文字幕| 嫩草影视91久久| 老司机靠b影院| 丰满饥渴人妻一区二区三| 亚洲成人免费电影在线观看| 99九九在线精品视频| bbb黄色大片| 成年人免费黄色播放视频| 国产野战对白在线观看| 好男人电影高清在线观看| 一个人免费看片子| 日本欧美视频一区| 97在线人人人人妻| 久久人人97超碰香蕉20202| 日韩欧美国产一区二区入口| 一区二区三区乱码不卡18| 啦啦啦视频在线资源免费观看| 国产精品久久久久成人av| 我要看黄色一级片免费的| 女人爽到高潮嗷嗷叫在线视频| 少妇 在线观看| 女人被躁到高潮嗷嗷叫费观| 涩涩av久久男人的天堂| 亚洲第一av免费看| 日本五十路高清| 国产精品98久久久久久宅男小说| 亚洲专区国产一区二区| 一本大道久久a久久精品| 国产成人av激情在线播放| 亚洲第一欧美日韩一区二区三区 | 老司机深夜福利视频在线观看| 亚洲中文日韩欧美视频| 日日爽夜夜爽网站| 国产精品一区二区免费欧美| 亚洲情色 制服丝袜| www.熟女人妻精品国产| 久久ye,这里只有精品| 69av精品久久久久久 | 国产亚洲午夜精品一区二区久久| 亚洲国产欧美一区二区综合| 色在线成人网| 老熟妇仑乱视频hdxx| 亚洲avbb在线观看| 丝袜喷水一区| 在线亚洲精品国产二区图片欧美| 国产精品久久久久久精品古装| 欧美日韩亚洲高清精品| 悠悠久久av| 757午夜福利合集在线观看| 怎么达到女性高潮| 一区二区三区国产精品乱码| 黑人操中国人逼视频| 下体分泌物呈黄色| 精品高清国产在线一区| 最新美女视频免费是黄的| 在线av久久热| 国产精品美女特级片免费视频播放器 | 黄色视频在线播放观看不卡| 黑人操中国人逼视频| 一区二区三区国产精品乱码| 啦啦啦视频在线资源免费观看| 久久青草综合色| 日日摸夜夜添夜夜添小说| www.熟女人妻精品国产| 多毛熟女@视频| 大片电影免费在线观看免费| 18禁裸乳无遮挡动漫免费视频| 菩萨蛮人人尽说江南好唐韦庄| 久9热在线精品视频| 欧美人与性动交α欧美精品济南到| 少妇猛男粗大的猛烈进出视频| 免费av中文字幕在线| 男女高潮啪啪啪动态图| 99精品久久久久人妻精品| 视频在线观看一区二区三区| 啪啪无遮挡十八禁网站| 国产精品久久久久久人妻精品电影 | 久久精品国产a三级三级三级| 男人舔女人的私密视频| 午夜精品国产一区二区电影| 欧美亚洲日本最大视频资源| 999久久久精品免费观看国产| 国产成人欧美| 老熟妇仑乱视频hdxx| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久精品人妻al黑| 国产麻豆69| 精品少妇久久久久久888优播| 国产视频一区二区在线看| 国产精品亚洲一级av第二区| 熟女少妇亚洲综合色aaa.| 最新在线观看一区二区三区| 亚洲国产欧美在线一区| 亚洲成a人片在线一区二区| bbb黄色大片| 色婷婷av一区二区三区视频| 99热国产这里只有精品6| 国产精品美女特级片免费视频播放器 | www.精华液| 欧美大码av| 色播在线永久视频| 国产精品免费视频内射| 在线亚洲精品国产二区图片欧美| 99re在线观看精品视频| 日韩三级视频一区二区三区| 另类亚洲欧美激情| 欧美日韩中文字幕国产精品一区二区三区 | 又黄又粗又硬又大视频| 在线观看免费视频网站a站| 免费人妻精品一区二区三区视频| 窝窝影院91人妻| 国产一区二区三区视频了| 亚洲久久久国产精品| 亚洲人成伊人成综合网2020| 又黄又粗又硬又大视频| 天天影视国产精品| 国产精品久久久久久人妻精品电影 | 国产视频一区二区在线看| 日韩欧美一区视频在线观看| 欧美亚洲 丝袜 人妻 在线| 夜夜夜夜夜久久久久| 久久精品国产综合久久久| 日本五十路高清| 国产精品av久久久久免费| av片东京热男人的天堂| 国产日韩欧美视频二区| 国产在线观看jvid| 99riav亚洲国产免费| 国产精品一区二区免费欧美| 正在播放国产对白刺激| 五月天丁香电影| 在线观看人妻少妇| 国产福利在线免费观看视频| 91大片在线观看| 91字幕亚洲| 香蕉丝袜av| 国产成人免费观看mmmm| 亚洲欧美激情在线| 一二三四社区在线视频社区8| 巨乳人妻的诱惑在线观看| 国产成人精品无人区| 久久久国产一区二区| 另类精品久久| 91精品三级在线观看| 视频在线观看一区二区三区| 精品福利永久在线观看| 国产又爽黄色视频| 91字幕亚洲| 久久国产精品男人的天堂亚洲| 亚洲成人国产一区在线观看| 老汉色av国产亚洲站长工具| 亚洲精品中文字幕一二三四区 | bbb黄色大片| 国产高清国产精品国产三级| 国产一区二区三区视频了| 欧美激情极品国产一区二区三区| 中国美女看黄片| 亚洲 欧美一区二区三区| 纯流量卡能插随身wifi吗| 日韩欧美一区视频在线观看| 成人黄色视频免费在线看| 日日夜夜操网爽| 亚洲国产成人一精品久久久| 蜜桃在线观看..| 最新的欧美精品一区二区| 欧美国产精品一级二级三级| 好男人电影高清在线观看| 91av网站免费观看| 久久人妻av系列| 亚洲精品中文字幕在线视频| 久久精品国产亚洲av高清一级| 桃花免费在线播放| 超碰成人久久| 宅男免费午夜| 亚洲伊人久久精品综合| 91大片在线观看| 91成人精品电影| 欧美在线一区亚洲| 2018国产大陆天天弄谢| 丝袜在线中文字幕| 最近最新中文字幕大全免费视频| 久久影院123| 天天躁夜夜躁狠狠躁躁| 少妇裸体淫交视频免费看高清 | 视频在线观看一区二区三区| 黑人欧美特级aaaaaa片| 每晚都被弄得嗷嗷叫到高潮| 丝袜美腿诱惑在线| 一级片'在线观看视频| 日韩中文字幕欧美一区二区| 久久毛片免费看一区二区三区| av福利片在线| av不卡在线播放| 蜜桃在线观看..| 男女免费视频国产| 国产单亲对白刺激| 亚洲精品在线美女| 亚洲av第一区精品v没综合| 国产精品电影一区二区三区 | 考比视频在线观看| 日韩有码中文字幕| 老汉色∧v一级毛片| 久久人妻福利社区极品人妻图片| 多毛熟女@视频| 日韩中文字幕欧美一区二区| 中文字幕另类日韩欧美亚洲嫩草| 9色porny在线观看| 亚洲国产成人一精品久久久| 汤姆久久久久久久影院中文字幕| 国产成人精品久久二区二区免费| 高清视频免费观看一区二区| 亚洲欧美一区二区三区黑人| 极品人妻少妇av视频| 9热在线视频观看99| 精品少妇黑人巨大在线播放| 国产成人精品在线电影| 美女扒开内裤让男人捅视频| 成人特级黄色片久久久久久久 | 国产av精品麻豆| 夜夜夜夜夜久久久久| 精品福利观看| 午夜福利免费观看在线| 欧美大码av| 美女午夜性视频免费| 中文欧美无线码| 一区二区三区国产精品乱码| 精品国产一区二区三区四区第35| 大香蕉久久成人网| 无限看片的www在线观看| 男女无遮挡免费网站观看| 午夜精品久久久久久毛片777| 免费观看a级毛片全部| 亚洲中文日韩欧美视频| 亚洲,欧美精品.| 黄色片一级片一级黄色片| 精品高清国产在线一区| 久久久国产欧美日韩av| 大香蕉久久网| 91国产中文字幕| 在线播放国产精品三级| 亚洲专区字幕在线| 十八禁高潮呻吟视频| 99re6热这里在线精品视频| 老鸭窝网址在线观看| 香蕉丝袜av| 色婷婷av一区二区三区视频| 亚洲中文日韩欧美视频| 亚洲精品一卡2卡三卡4卡5卡| 精品乱码久久久久久99久播| 久久亚洲真实| 多毛熟女@视频| 国产成人欧美| 国产在线视频一区二区| 欧美黄色淫秽网站| 亚洲精品一卡2卡三卡4卡5卡| 美女高潮到喷水免费观看| 久久久国产一区二区| 窝窝影院91人妻| 天天躁夜夜躁狠狠躁躁| 亚洲av国产av综合av卡| 99国产精品一区二区三区| 美女高潮喷水抽搐中文字幕| 狂野欧美激情性xxxx| 久久婷婷成人综合色麻豆| 天天添夜夜摸| av国产精品久久久久影院| 美女午夜性视频免费| 亚洲国产av新网站| 另类精品久久| 国产成人精品久久二区二区91| 黑人操中国人逼视频| 国产av一区二区精品久久| 91麻豆av在线| 亚洲精品在线观看二区| 免费在线观看黄色视频的| 9热在线视频观看99| 人妻一区二区av| 国产亚洲午夜精品一区二区久久| 97在线人人人人妻| 汤姆久久久久久久影院中文字幕| 淫妇啪啪啪对白视频| 欧美日韩国产mv在线观看视频| 丝袜喷水一区| 亚洲精品国产精品久久久不卡| 亚洲性夜色夜夜综合| 免费在线观看黄色视频的| 亚洲精品国产一区二区精华液| 日韩免费高清中文字幕av| 国产真人三级小视频在线观看| 18禁美女被吸乳视频| 日韩中文字幕视频在线看片| 窝窝影院91人妻| 人人妻,人人澡人人爽秒播| 国产亚洲精品第一综合不卡| 精品乱码久久久久久99久播| 国产成人影院久久av| 高潮久久久久久久久久久不卡| 老熟妇仑乱视频hdxx| 自线自在国产av| 成人免费观看视频高清| 国产极品粉嫩免费观看在线| www.熟女人妻精品国产| 水蜜桃什么品种好| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲五月色婷婷综合| 国产成人欧美在线观看 | 国产亚洲精品一区二区www | 精品一区二区三区av网在线观看 | 日韩一区二区三区影片| 午夜精品国产一区二区电影| 99国产精品免费福利视频| 亚洲精华国产精华精| 两性夫妻黄色片| 精品久久久久久电影网| 久久精品亚洲精品国产色婷小说| 国产深夜福利视频在线观看| 亚洲第一青青草原| 国产黄频视频在线观看| 精品国内亚洲2022精品成人 | 精品少妇黑人巨大在线播放| 精品一区二区三卡| 一级片免费观看大全| 成人国产av品久久久| 变态另类成人亚洲欧美熟女 | 下体分泌物呈黄色| kizo精华| 亚洲熟女精品中文字幕| xxxhd国产人妻xxx| 天天躁夜夜躁狠狠躁躁| 人人妻,人人澡人人爽秒播| 午夜福利视频在线观看免费| 免费在线观看完整版高清| 久久精品国产亚洲av香蕉五月 | 亚洲国产欧美网| 国产色视频综合| 曰老女人黄片| 亚洲一区中文字幕在线| 日韩欧美一区二区三区在线观看 | 人人妻人人澡人人爽人人夜夜| 亚洲一卡2卡3卡4卡5卡精品中文| 王馨瑶露胸无遮挡在线观看| 男女无遮挡免费网站观看| 久久人妻福利社区极品人妻图片| 久久青草综合色| 91成人精品电影| 啪啪无遮挡十八禁网站| 成人18禁高潮啪啪吃奶动态图| 精品少妇一区二区三区视频日本电影| 三上悠亚av全集在线观看| 国产三级黄色录像| 久久久精品国产亚洲av高清涩受| e午夜精品久久久久久久| 国产在视频线精品| h视频一区二区三区| 90打野战视频偷拍视频| av片东京热男人的天堂| av免费在线观看网站| 美女高潮到喷水免费观看| 国产国语露脸激情在线看| 亚洲自偷自拍图片 自拍| 久热这里只有精品99| 无人区码免费观看不卡 | 成人18禁在线播放| 高清黄色对白视频在线免费看| 黑人欧美特级aaaaaa片| 亚洲精品中文字幕在线视频| 欧美久久黑人一区二区| 搡老熟女国产l中国老女人| 老汉色av国产亚洲站长工具| 亚洲国产精品一区二区三区在线| 777米奇影视久久| 亚洲色图av天堂| 久久久久久久国产电影| 成人永久免费在线观看视频 | 亚洲精品美女久久久久99蜜臀| 女人久久www免费人成看片| 精品久久蜜臀av无| 热re99久久精品国产66热6| 亚洲人成77777在线视频| 久久久国产一区二区| 人人澡人人妻人| 国产又色又爽无遮挡免费看| 中文欧美无线码| 久久99热这里只频精品6学生| 国产一区有黄有色的免费视频| 精品久久久久久久毛片微露脸| 国产一区二区 视频在线| 色在线成人网| 国产黄频视频在线观看| 香蕉久久夜色| 美女午夜性视频免费| 91国产中文字幕| 亚洲成人手机| 在线亚洲精品国产二区图片欧美| 亚洲欧美一区二区三区黑人| 国产精品免费大片| 亚洲全国av大片| a级毛片在线看网站| 热re99久久精品国产66热6| 欧美日韩成人在线一区二区| av不卡在线播放| 性高湖久久久久久久久免费观看| www.熟女人妻精品国产| 久久久欧美国产精品| 青青草视频在线视频观看| 99精品欧美一区二区三区四区| 黑人欧美特级aaaaaa片| 丝瓜视频免费看黄片| 免费在线观看黄色视频的| 18禁观看日本| 国产麻豆69| 国产男靠女视频免费网站| 天天操日日干夜夜撸| 亚洲午夜精品一区,二区,三区| 免费高清在线观看日韩| 色播在线永久视频| 久久中文字幕人妻熟女| 欧美国产精品一级二级三级| 成人av一区二区三区在线看| 18禁黄网站禁片午夜丰满| 国产欧美日韩一区二区三区在线| 女警被强在线播放| 国产一区有黄有色的免费视频| 99久久精品国产亚洲精品| 国产在线一区二区三区精| 欧美日韩一级在线毛片| 99久久人妻综合| aaaaa片日本免费| 在线观看人妻少妇| 日韩中文字幕视频在线看片| 亚洲欧美激情在线| tocl精华| 久久久久久久国产电影| 亚洲伊人久久精品综合| 亚洲精品久久成人aⅴ小说| 国产成人啪精品午夜网站| 亚洲,欧美精品.| 人人妻人人添人人爽欧美一区卜| 99在线人妻在线中文字幕 | 精品国产一区二区久久| 亚洲 国产 在线| 久久久久国内视频| 欧美人与性动交α欧美软件| 国产伦人伦偷精品视频| 色老头精品视频在线观看| 女人高潮潮喷娇喘18禁视频| 国产成人欧美在线观看 | 精品一区二区三卡| 高清av免费在线| 十八禁网站免费在线| 久久99热这里只频精品6学生| 国产精品九九99| 五月天丁香电影| 国产精品 国内视频| 亚洲国产成人一精品久久久| 日本wwww免费看| 成人国产一区最新在线观看| 黄色片一级片一级黄色片| 嫩草影视91久久| 狠狠婷婷综合久久久久久88av| 亚洲av成人一区二区三| 天堂中文最新版在线下载| 女性被躁到高潮视频| 日本精品一区二区三区蜜桃| 国产精品一区二区免费欧美| 国产精品二区激情视频| 国产免费视频播放在线视频| 亚洲精品中文字幕在线视频| 久久久久久久精品吃奶| 热99国产精品久久久久久7| 欧美精品人与动牲交sv欧美| 悠悠久久av| 国产国语露脸激情在线看| 日韩精品免费视频一区二区三区| 日本vs欧美在线观看视频| 99久久国产精品久久久| av电影中文网址| 久久精品成人免费网站| 午夜激情av网站| 亚洲一区二区三区欧美精品| 黑人巨大精品欧美一区二区蜜桃| 成人国语在线视频| 欧美黑人欧美精品刺激| 99热网站在线观看| 久热爱精品视频在线9| 国产av又大| 无限看片的www在线观看| a级毛片在线看网站| 成人国语在线视频| 国产免费av片在线观看野外av| 久久久久久久久免费视频了| 另类精品久久| 桃花免费在线播放| 亚洲av成人一区二区三| 国产成人精品在线电影| 色播在线永久视频| 51午夜福利影视在线观看| 岛国在线观看网站| 久久久久国内视频| 老熟妇仑乱视频hdxx| 十分钟在线观看高清视频www| 男女无遮挡免费网站观看| 1024视频免费在线观看| 999久久久精品免费观看国产| 精品国产一区二区久久| 婷婷成人精品国产| 狠狠婷婷综合久久久久久88av| 黄色视频在线播放观看不卡| 一区二区av电影网| 在线观看一区二区三区激情| 成人国产av品久久久| 十八禁网站免费在线| 亚洲精品乱久久久久久| 人人妻,人人澡人人爽秒播| 国产伦理片在线播放av一区| 日韩大片免费观看网站| 三上悠亚av全集在线观看| 国产色视频综合| 午夜两性在线视频| 国产精品偷伦视频观看了| 国产精品一区二区精品视频观看| 亚洲人成77777在线视频| 法律面前人人平等表现在哪些方面| 亚洲精品在线观看二区| 老司机影院毛片| 天天躁日日躁夜夜躁夜夜| 国产一区二区激情短视频| 午夜免费鲁丝| 久久中文看片网| 多毛熟女@视频| 国产又爽黄色视频| 天天操日日干夜夜撸| 久久精品国产综合久久久| 每晚都被弄得嗷嗷叫到高潮| 国产精品偷伦视频观看了| 18禁裸乳无遮挡动漫免费视频| 亚洲国产看品久久| 777米奇影视久久| 国产在线观看jvid| 亚洲国产精品一区二区三区在线| 国产精品99久久99久久久不卡| 国产成人精品久久二区二区91| 亚洲va日本ⅴa欧美va伊人久久| 性色av乱码一区二区三区2| av电影中文网址| 黄色视频,在线免费观看| 免费一级毛片在线播放高清视频 | 亚洲 国产 在线| 精品久久久久久电影网| 亚洲精品在线观看二区| 精品欧美一区二区三区在线| 日韩视频在线欧美| 亚洲成国产人片在线观看| 三上悠亚av全集在线观看| 一边摸一边抽搐一进一小说 | 亚洲va日本ⅴa欧美va伊人久久| 久久久久久久久久久久大奶| 久久精品亚洲精品国产色婷小说| 俄罗斯特黄特色一大片| 最近最新中文字幕大全电影3 | 少妇裸体淫交视频免费看高清 | 人人澡人人妻人| 国产日韩欧美在线精品| 亚洲人成伊人成综合网2020| 国产精品98久久久久久宅男小说| 高清黄色对白视频在线免费看| 欧美人与性动交α欧美软件| 中文字幕另类日韩欧美亚洲嫩草| 亚洲午夜理论影院|