• <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GAN的圖像超分辨率方法研究

    2019-07-08 03:41:08王旺徐俊武
    軟件導(dǎo)刊 2019年6期
    關(guān)鍵詞:深度學(xué)習(xí)

    王旺 徐俊武

    摘 要:圖像超分辨率是一種采用軟件算法提高圖像空間分辨率的技術(shù),由于傳統(tǒng)超分辨率方法超清程度有限,基于深度學(xué)習(xí)的圖像超分辨率方法成為研究者們近年來(lái)的研究重點(diǎn)?;谏蓪?duì)抗網(wǎng)絡(luò)(GAN)的圖像超分辨率方法,在其網(wǎng)絡(luò)模型結(jié)構(gòu)基礎(chǔ)上增加批處理歸一化(BN)層以提升網(wǎng)絡(luò)收斂速度、加強(qiáng)網(wǎng)絡(luò)訓(xùn)練穩(wěn)定性,更改上采樣層網(wǎng)絡(luò)并對(duì)損失函數(shù)作相應(yīng)修改。在網(wǎng)絡(luò)訓(xùn)練過(guò)程中,選擇當(dāng)前比較通用的Adam優(yōu)化器。實(shí)驗(yàn)結(jié)果表明,該方法具有很好的超分辨率圖像重建能力,且在訓(xùn)練過(guò)程中訓(xùn)練穩(wěn)定性得到提升,收斂速度也有所加快。

    關(guān)鍵詞:超分辨率;生成對(duì)抗網(wǎng)絡(luò);深度學(xué)習(xí);圖像重建

    DOI:10. 11907/rjdk. 182450

    中圖分類號(hào):TP317.4

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)006-0181-03

    Abstract:Image super-resolution is a technology that uses software algorithms to improve the spatial resolution of images. The traditional super-resolution methods can not avoid the limitation of blur or super-resolution. Image super-resolution method based on deep learning has become the focus of researchers. Generative adversarial networks (GAN) are the hottest deep neural networks in recent years. This paper explores the method based on GAN. The super-resolution method which increases the use range of batch normalization and modifies the up-sampling method, also modifies and optimizes the loss function and its optimizer selection, optimizes the training instability of the image super-resolution method based on GAN and greatly enhances the stability. The optimized method is still very good. Excellent images and super resolution capability verified the features in an experimental way.

    Key Words:super-resolution; generative adversarial network; deep learning; image reconstruction

    0 引言

    圖像超分辨率(Super Resolution,SR)是將低分辨率(Low Resolution,LR)圖像通過(guò)一定算法提升到高分辨率(High Resolution,HR)[1]的技術(shù)。圖像超分辨率技術(shù)可應(yīng)用于許多重要領(lǐng)域,例如:衛(wèi)星圖像要求為高分辨圖像,以便地面中心能更好地識(shí)別出相關(guān)信息;某些檢測(cè)識(shí)別控制裝置也需要分辨率較高的圖像,以保證分類精確度;在醫(yī)學(xué)領(lǐng)域,高分辨率圖像是重要的疾病判斷依據(jù)[2]。

    圖像超分辨重建技術(shù)于20世紀(jì)60年代由Harris[3]首次提出,傳統(tǒng)圖像超分辨率方法有基于插值的方法、基于重建的方法與基于學(xué)習(xí)的方法[4]。其中基于插值的方法具有最簡(jiǎn)單的計(jì)算過(guò)程與最低計(jì)算復(fù)雜度,經(jīng)典方法包括最近鄰插值[5]、雙線性插值[6]和雙三次插值[7];基于重建的方法也稱為基于模型的方法,通常分為建模與重建兩個(gè)步驟,經(jīng)典方法包括迭代反投影法[8]、凸集投影法[9]與最大后驗(yàn)概率估計(jì)法[10-11];傳統(tǒng)基于學(xué)習(xí)的方法是基于淺層網(wǎng)絡(luò)的學(xué)習(xí)方法,主要包括基于流行學(xué)習(xí)[12]的方法與基于稀疏表示[13]的方法。

    Dong[14]最早提出基于深度網(wǎng)絡(luò)學(xué)習(xí)的方法,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率方法(SRCNN)首次使用深度學(xué)習(xí)解決圖像超分辨率問(wèn)題,之后不斷有學(xué)者對(duì)其進(jìn)行優(yōu)化與改進(jìn)。本文主要研究基于生成對(duì)抗網(wǎng)絡(luò)(GAN)的圖像超分辨率方法。

    1 網(wǎng)絡(luò)模型設(shè)計(jì)

    1.1 生成對(duì)抗網(wǎng)絡(luò)

    生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)是Goodfellow等[15]在2014年提出的一種生成模型,其是在深度學(xué)習(xí)生成模型基礎(chǔ)上發(fā)展而來(lái)的。它在網(wǎng)絡(luò)結(jié)構(gòu)上除生成網(wǎng)絡(luò)外,還包含一個(gè)判別網(wǎng)絡(luò)。生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)之間是一種對(duì)抗關(guān)系[16]。

    以圖像超分辨問(wèn)題為例,在解決該問(wèn)題過(guò)程中,生成網(wǎng)絡(luò)要將模糊的低分辨率圖像作為輸入,并輸出一個(gè)高分辨率的清晰圖像。判別網(wǎng)絡(luò)則要判斷輸入圖像是真實(shí)圖像還是生成網(wǎng)絡(luò)生成的圖像,生成網(wǎng)絡(luò)得到判別網(wǎng)絡(luò)的反饋之后繼續(xù)進(jìn)行圖像生成,直到判別網(wǎng)絡(luò)無(wú)法準(zhǔn)確區(qū)分真實(shí)圖像與生成圖像,即達(dá)到理想的納什均衡狀態(tài)。

    1.2 網(wǎng)絡(luò)模型設(shè)計(jì)與優(yōu)化

    在基于GAN的圖像超分辨率方法(SRGAN)中,網(wǎng)絡(luò)模型分為生成網(wǎng)絡(luò)模型和判別網(wǎng)絡(luò)模型。

    1.2.1 生成網(wǎng)絡(luò)模型

    原SRGAN方法的生成網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示,其中每種色塊表示一層網(wǎng)絡(luò),相同網(wǎng)絡(luò)使用相同顏色。在其網(wǎng)絡(luò)模型中,基本結(jié)構(gòu)是先輸入一張LR圖像,使用激活函數(shù)ReLU接入一層卷積層進(jìn)行特征提取;之后接入5個(gè)殘差網(wǎng)絡(luò)[18-19]模塊(Residual Networks Blocks)。在圖1中可以看出每個(gè)殘差網(wǎng)絡(luò)模塊的內(nèi)部結(jié)構(gòu),每個(gè)模塊使用兩個(gè)卷積層及兩個(gè)批量歸一化層[20]。殘差網(wǎng)絡(luò)最重要的結(jié)構(gòu)是跳躍連接(skip connection),通過(guò)該方式可以保持梯度,避免網(wǎng)絡(luò)退化問(wèn)題;在殘差塊之后使用兩個(gè)上采樣層,通過(guò)亞像素卷積層[17]實(shí)現(xiàn)上采樣操作,每層放大2倍,總共實(shí)現(xiàn)放大4倍的效果;最后通過(guò)一層卷積將通道數(shù)降為RGB通道,輸出最終圖像。

    由于GAN網(wǎng)絡(luò)本身存在的缺陷,在實(shí)現(xiàn)過(guò)程中很難達(dá)到最理想狀態(tài),也即納什均衡狀態(tài),具體表現(xiàn)為其在訓(xùn)練中十分不穩(wěn)定,計(jì)算損失時(shí)高時(shí)低,而且訓(xùn)練最終也不一定能達(dá)到最低點(diǎn),收斂不是很徹底,并且還可能出現(xiàn)模式崩潰(model collapse)問(wèn)題,導(dǎo)致訓(xùn)練效果非常差,即使增加訓(xùn)練時(shí)間也無(wú)法改善,在SRGAN中也存在類似問(wèn)題。本文主要優(yōu)化項(xiàng)包括:①使用轉(zhuǎn)置卷積[20]替換亞像素卷積進(jìn)行上采樣,亞像素卷積雖然被稱為卷積,實(shí)際上沒(méi)有卷積操作,而卷積在提取圖像特征方面發(fā)揮著重要作用,所以使用轉(zhuǎn)置卷積進(jìn)行上采樣會(huì)達(dá)到更好的效果;②由于BN層可起到很好的提升收斂速度、穩(wěn)定網(wǎng)絡(luò)訓(xùn)練效果的作用,本文在每一層卷積之后都使用BN層進(jìn)行歸一化處理;③將生成網(wǎng)絡(luò)輸出層的激活函數(shù)改為Tanh函數(shù)。

    1.2.2 判別網(wǎng)絡(luò)模型

    判別網(wǎng)絡(luò)相當(dāng)于一個(gè)特征提取模塊,激活函數(shù)選用leak ReLU函數(shù),可以防止梯度稀疏,總共執(zhí)行4次卷積運(yùn)算。除在輸入層之后不添加BN層外,在之后的三層卷積之后都添加BN層,最后卷積降維到1,接入sigmoid激活函數(shù),輸出對(duì)輸入圖像的判斷結(jié)果。其中l(wèi)eaky ReLU函數(shù)斜率設(shè)置為0.2。網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    1.2.3 損失函數(shù)設(shè)計(jì)與優(yōu)化

    在傳統(tǒng)深度學(xué)習(xí)的圖像超分辨率方法中,使用的損失函數(shù)大多是MSE,但是使用該函數(shù)在圖像放大倍數(shù)為4倍時(shí),生成的圖像會(huì)顯得過(guò)于平滑而缺少一些細(xì)節(jié)上的真實(shí)感。在本文的優(yōu)化方法中,對(duì)生成網(wǎng)絡(luò)定義的損失函數(shù)采用GAN網(wǎng)絡(luò)的通用方法,其損失函數(shù)除生成過(guò)程本身造成的重建損失外,還有通過(guò)判別網(wǎng)絡(luò)反饋的對(duì)抗損失,從而有效提升了最終生成的圖像效果。

    2 實(shí)驗(yàn)設(shè)計(jì)

    本實(shí)驗(yàn)使用的硬件配置為:CPU i7 6700,16G內(nèi)存,GTX970m顯卡;軟件環(huán)境為:Tensorflow 1.4,python 3.6。實(shí)驗(yàn)采用訓(xùn)練集為DIV2K數(shù)據(jù)集,這是一種用于圖像復(fù)原任務(wù)的高質(zhì)量(2K分辨率)圖像數(shù)據(jù)集。

    本實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)分為主觀評(píng)價(jià)與客觀評(píng)價(jià),其中主觀評(píng)價(jià)是從視覺(jué)效果上感受圖像細(xì)節(jié)清晰程度,客觀評(píng)價(jià)是通過(guò)計(jì)算原圖像與生成圖像的PSNR(Peak Signal-to-Noise Ratio)和SSIM(Structure Similarity Index)指標(biāo)進(jìn)行評(píng)價(jià)。其中PSNR是最常用的圖像質(zhì)量評(píng)估指標(biāo),SSIM主要用來(lái)衡量圖像結(jié)構(gòu)完整性。這兩個(gè)值越高,代表重建結(jié)果的像素值與標(biāo)準(zhǔn)越接近。

    2.1 實(shí)驗(yàn)方法

    在圖像集中選取一張測(cè)試圖像進(jìn)行1/4倍降采樣處理,將其作為輸入的低分辨率圖像,然后通過(guò)SRGAN方法生成高清圖像。同時(shí),本實(shí)驗(yàn)還將低清圖像采用雙三次插值法進(jìn)行重建,并與生成圖像的超分辨率效果進(jìn)行對(duì)比。

    2.2 實(shí)驗(yàn)結(jié)果分析

    圖3分別展示了通過(guò)插值法生成的高清圖像、通過(guò)SRGAN方法生成的高清圖像與原始高清圖像。從重建效果來(lái)看,插值法雖然在尺寸上與跟高清圖像一致,但其在視覺(jué)效果上非常模糊,圖像細(xì)節(jié)不清晰,邊緣也不夠銳利,而SRGAN方法生成的圖像則視覺(jué)效果較好。根據(jù)表1中的數(shù)據(jù),從客觀評(píng)價(jià)來(lái)看,SRGAN生成圖像的PSNR與SSIM值也比傳統(tǒng)插值法高。因此,實(shí)驗(yàn)從主觀與客觀兩方面都驗(yàn)證了SRGAN確實(shí)具有較好的超分辨率圖像重建能力,并且生成圖像的視覺(jué)效果優(yōu)于傳統(tǒng)方法。

    3 結(jié)語(yǔ)

    本文通過(guò)對(duì)生成對(duì)抗網(wǎng)絡(luò)進(jìn)行研究,對(duì)其生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)模型進(jìn)行深入探索,然后對(duì)基于GAN的圖像超分辨率方法進(jìn)行優(yōu)化,通過(guò)添加BN層提升網(wǎng)絡(luò)的訓(xùn)練穩(wěn)定性與收斂速度,修改上采樣層網(wǎng)絡(luò)以提升網(wǎng)絡(luò)超分辨率重建能力與生成圖像效果,并修改損失函數(shù)和優(yōu)化器,加強(qiáng)網(wǎng)絡(luò)訓(xùn)練與輸出。最后實(shí)驗(yàn)驗(yàn)證結(jié)果表明,優(yōu)化后的方法具有良好的超分辨率圖像重建能力,生成的圖像效果十分優(yōu)異。

    參考文獻(xiàn):

    [1] PARK S C,MIN K P,KANG M G. Super-resolution image reconstruction: a technical overview[J]. IEEE Signal Processing Magazine,2003,20(3):21-36.

    [2] 韓小虎. 基于深度學(xué)習(xí)的圖像超分辨算法研究[D]. 開封:河南大學(xué), 2016.

    [3] 黃冬冬. 基于深度學(xué)習(xí)的圖像超分辨率重建算法研究[D]. 馬鞍山:安徽工業(yè)大學(xué),2017.

    [4] 于海平,林曉麗,周鳳麗,等.基于稀疏表示的單幅圖像超分辨率重建研究[J].軟件導(dǎo)刊,2017(11):225-229.

    [5] SCHULTZ R R, STEVENSON R L. A Bayesian approach to image expansion for improved definition[J]. Image Processing IEEE Transactions on,1994,3(3):233-242.

    [6] HOU H,ANDREWS H. Cubic splines for image interpolation and digital filtering[J]. IEEE Transactions on Acoustics Speech & Signal Processing, 1978, 26(6):508-517.

    [7] LI X,ORCHARD M T. New edge-directed interpolation[J]. IEEE Trans Image Process,2001,10(10):1521-1527.

    [8] IRANI M, PELEG S. Improving resolution by image registration[J]. Cvgip Graphical Models & Image Processing,1991,53(3):231-239.

    [9] STARK H,OSKOUI P. High-resolution image recovery from image-plane arrays, using convex projections[J]. Journal of the Optical Society of America A Optics & Image Science,1989, 6(11):1715

    [10] SCHULTZ R R, STEVENSON R L. Improved definition video frame enhancement[C].International Conference on Acoustics, Speech, and Signal Processing. IEEE, 1995:2169-2172.

    [11] SCHULTZ R R, STEVENSON R L. Extraction of high-resolution frames from video sequences[J]. IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society, 1996, 5(6):996-1011.

    [12] ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by locally linear embedding[J]. Science, 2000, 290:2323-2326.

    [13] YANG J, WRIGHT J, HUANG T, et al. Image super-resolution as sparse representation of raw image patches[C].Computer Vision and Pattern Recognition, CVPR 2008. IEEE Conference on. IEEE, 2008.

    [14] DONG C, LOY C C, HE K, et al. Image super-resolution using deep convolutional networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2016, 38(2):295-307.

    [15] GOODFELLOW I J, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial nets[C].International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.

    [16] 唐賢倫, 杜一銘, 劉雨微,等. 基于條件深度卷積生成對(duì)抗網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 自動(dòng)化學(xué)報(bào), 2018(5):?855-864.

    [17] SHI W, CABALLERO J, HUSZáR F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[J]. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1874-1883.

    [18] 麻旋,戴曙光. 基于殘差網(wǎng)絡(luò)的圖像超分辨率算法改進(jìn)研究[J].軟件導(dǎo)刊,2018(4):91-93.

    [19] IOFFE S,SZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[J]. ARXIV,2015:448-456.

    [20] DUMOULIN V,VISIN F. A guide to convolution arithmetic for deep learning[DB/OL]. https://arxiv.org/pdf/1603.07285.pdf.

    (責(zé)任編輯:黃 健)

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類器的圖書館亂架圖書檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    色94色欧美一区二区| 一区福利在线观看| 日韩欧美精品免费久久| 免费播放大片免费观看视频在线观看| 久久久国产精品麻豆| www.自偷自拍.com| 99九九在线精品视频| 日韩制服骚丝袜av| 日本免费在线观看一区| 少妇精品久久久久久久| av网站在线播放免费| 伊人亚洲综合成人网| 男人添女人高潮全过程视频| 国产乱来视频区| 亚洲国产欧美网| 一边亲一边摸免费视频| 电影成人av| 欧美日本中文国产一区发布| 亚洲国产精品国产精品| 国产亚洲一区二区精品| 国产免费一区二区三区四区乱码| 啦啦啦在线观看免费高清www| 满18在线观看网站| kizo精华| 国产欧美日韩一区二区三区在线| 卡戴珊不雅视频在线播放| 最黄视频免费看| 黄色一级大片看看| tube8黄色片| 欧美精品亚洲一区二区| 综合色丁香网| 欧美bdsm另类| 国产av码专区亚洲av| 青春草视频在线免费观看| 最近2019中文字幕mv第一页| 少妇人妻 视频| 高清黄色对白视频在线免费看| 精品国产乱码久久久久久男人| 亚洲欧美成人精品一区二区| 精品一品国产午夜福利视频| 欧美日韩精品网址| 卡戴珊不雅视频在线播放| 国产人伦9x9x在线观看 | 亚洲婷婷狠狠爱综合网| 亚洲欧美精品综合一区二区三区 | 老司机亚洲免费影院| 好男人视频免费观看在线| 国精品久久久久久国模美| 国产免费一区二区三区四区乱码| 2018国产大陆天天弄谢| av片东京热男人的天堂| 色吧在线观看| 久久精品亚洲av国产电影网| 久久鲁丝午夜福利片| 免费看不卡的av| 精品一品国产午夜福利视频| 午夜福利乱码中文字幕| 欧美变态另类bdsm刘玥| 熟女av电影| 另类亚洲欧美激情| a级片在线免费高清观看视频| 亚洲第一青青草原| 欧美日韩综合久久久久久| 18+在线观看网站| 日韩在线高清观看一区二区三区| 人妻 亚洲 视频| 久久久a久久爽久久v久久| 99国产精品免费福利视频| 黄色配什么色好看| 美女中出高潮动态图| 考比视频在线观看| 午夜福利一区二区在线看| 日韩一区二区视频免费看| 丝袜喷水一区| 精品亚洲成国产av| 天天躁狠狠躁夜夜躁狠狠躁| 免费黄网站久久成人精品| 久久久久久人妻| 韩国高清视频一区二区三区| 精品少妇一区二区三区视频日本电影 | 热re99久久精品国产66热6| 日韩一区二区三区影片| av女优亚洲男人天堂| 日韩 亚洲 欧美在线| 性色av一级| 亚洲五月色婷婷综合| 丝袜脚勾引网站| 国产精品熟女久久久久浪| av电影中文网址| 国产成人免费无遮挡视频| 色播在线永久视频| 女性被躁到高潮视频| 欧美日韩av久久| 亚洲精品在线美女| 久久久久久人妻| 涩涩av久久男人的天堂| 欧美97在线视频| 1024香蕉在线观看| 高清视频免费观看一区二区| 国产精品二区激情视频| 亚洲,欧美,日韩| 少妇的逼水好多| 王馨瑶露胸无遮挡在线观看| 日韩一卡2卡3卡4卡2021年| 成年女人毛片免费观看观看9 | 一级,二级,三级黄色视频| 国产精品成人在线| 如日韩欧美国产精品一区二区三区| 五月伊人婷婷丁香| 国产精品秋霞免费鲁丝片| 精品国产乱码久久久久久小说| 亚洲综合色惰| 国产亚洲欧美精品永久| 国产视频首页在线观看| 天美传媒精品一区二区| 两个人看的免费小视频| 国产免费视频播放在线视频| 欧美 亚洲 国产 日韩一| 欧美 亚洲 国产 日韩一| 激情视频va一区二区三区| 久久精品国产亚洲av天美| 在线观看人妻少妇| 老女人水多毛片| 亚洲国产成人一精品久久久| 国产亚洲av片在线观看秒播厂| 晚上一个人看的免费电影| 99热全是精品| 亚洲国产成人一精品久久久| 亚洲精品久久成人aⅴ小说| 深夜精品福利| 欧美日韩一区二区视频在线观看视频在线| 麻豆av在线久日| 国产精品一国产av| 久久久精品国产亚洲av高清涩受| 亚洲国产av影院在线观看| 高清av免费在线| xxxhd国产人妻xxx| 欧美日韩av久久| 在线免费观看不下载黄p国产| 欧美日韩精品成人综合77777| 天堂中文最新版在线下载| 欧美日韩一区二区视频在线观看视频在线| 日本-黄色视频高清免费观看| 寂寞人妻少妇视频99o| 免费观看av网站的网址| 肉色欧美久久久久久久蜜桃| 成人毛片60女人毛片免费| 交换朋友夫妻互换小说| 久久精品国产亚洲av高清一级| 免费观看av网站的网址| 满18在线观看网站| 美女主播在线视频| 国产精品亚洲av一区麻豆 | av有码第一页| 国产成人精品在线电影| 国产成人精品在线电影| 久久久久久久久久人人人人人人| 免费少妇av软件| 免费少妇av软件| 亚洲国产欧美日韩在线播放| 晚上一个人看的免费电影| 熟妇人妻不卡中文字幕| 高清在线视频一区二区三区| 久久久国产欧美日韩av| 日本欧美视频一区| 欧美黄色片欧美黄色片| 免费高清在线观看日韩| 久久99一区二区三区| 欧美日韩成人在线一区二区| 久久这里只有精品19| 自拍欧美九色日韩亚洲蝌蚪91| av一本久久久久| 9色porny在线观看| 嫩草影院入口| 日韩免费高清中文字幕av| 超碰成人久久| 亚洲欧美一区二区三区国产| 黄网站色视频无遮挡免费观看| 欧美亚洲日本最大视频资源| 亚洲精品国产av蜜桃| 免费黄频网站在线观看国产| kizo精华| 在线天堂中文资源库| 亚洲欧美精品自产自拍| 欧美日韩成人在线一区二区| 国产欧美日韩综合在线一区二区| 中国三级夫妇交换| 多毛熟女@视频| xxxhd国产人妻xxx| av电影中文网址| 侵犯人妻中文字幕一二三四区| 国产亚洲一区二区精品| 丁香六月天网| 欧美在线黄色| 国产又色又爽无遮挡免| 大香蕉久久网| 久久人妻熟女aⅴ| 亚洲精品自拍成人| 欧美日韩一级在线毛片| 一本—道久久a久久精品蜜桃钙片| 男女边吃奶边做爰视频| 欧美日韩视频高清一区二区三区二| 毛片一级片免费看久久久久| 国产在视频线精品| 最近的中文字幕免费完整| 18禁动态无遮挡网站| 伊人久久国产一区二区| 美女午夜性视频免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 婷婷色麻豆天堂久久| 成人国语在线视频| 久久久久人妻精品一区果冻| 少妇被粗大猛烈的视频| 国产麻豆69| 波多野结衣一区麻豆| 女人精品久久久久毛片| 夫妻午夜视频| 人人妻人人添人人爽欧美一区卜| 久久国内精品自在自线图片| 国产精品免费视频内射| 女的被弄到高潮叫床怎么办| 国产野战对白在线观看| 成年女人在线观看亚洲视频| 人人妻人人爽人人添夜夜欢视频| 精品国产露脸久久av麻豆| 成人毛片a级毛片在线播放| 哪个播放器可以免费观看大片| 久久久久视频综合| 国产高清国产精品国产三级| 精品少妇内射三级| 国产精品99久久99久久久不卡 | 国产片特级美女逼逼视频| 国产无遮挡羞羞视频在线观看| 国产在线一区二区三区精| 国产午夜精品一二区理论片| 亚洲成色77777| 天天操日日干夜夜撸| 99香蕉大伊视频| 777米奇影视久久| 国精品久久久久久国模美| 日韩免费高清中文字幕av| 97在线人人人人妻| 久久婷婷青草| 成人免费观看视频高清| 纵有疾风起免费观看全集完整版| 亚洲天堂av无毛| 中文精品一卡2卡3卡4更新| 国产一区二区 视频在线| 欧美 亚洲 国产 日韩一| 国产一级毛片在线| 在线观看一区二区三区激情| 99re6热这里在线精品视频| 人成视频在线观看免费观看| 免费播放大片免费观看视频在线观看| 熟女少妇亚洲综合色aaa.| 啦啦啦视频在线资源免费观看| 亚洲精品第二区| 另类亚洲欧美激情| 久久99一区二区三区| 汤姆久久久久久久影院中文字幕| 亚洲国产av新网站| 搡老乐熟女国产| 一本久久精品| 国产乱来视频区| 国产日韩欧美在线精品| 在线天堂中文资源库| 中文天堂在线官网| 波多野结衣一区麻豆| 中文精品一卡2卡3卡4更新| 久久97久久精品| 精品少妇一区二区三区视频日本电影 | 国产有黄有色有爽视频| 中文欧美无线码| 国产亚洲午夜精品一区二区久久| 精品久久久精品久久久| 在线亚洲精品国产二区图片欧美| 亚洲精品久久成人aⅴ小说| 国产成人精品在线电影| 国产精品无大码| 日本wwww免费看| 久久青草综合色| 黄色视频在线播放观看不卡| 91成人精品电影| 亚洲精品美女久久av网站| 大香蕉久久成人网| 久久久国产一区二区| 人妻人人澡人人爽人人| 18禁观看日本| 亚洲,欧美,日韩| 日韩一本色道免费dvd| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品久久午夜乱码| 欧美成人午夜精品| 男人添女人高潮全过程视频| 大陆偷拍与自拍| 精品国产乱码久久久久久小说| 国产一区二区 视频在线| 777久久人妻少妇嫩草av网站| 伊人久久国产一区二区| 亚洲在久久综合| 亚洲av国产av综合av卡| 精品一区在线观看国产| 婷婷色综合www| 女人高潮潮喷娇喘18禁视频| 成人免费观看视频高清| 国产熟女午夜一区二区三区| 一二三四中文在线观看免费高清| 亚洲精品第二区| 久久毛片免费看一区二区三区| 人成视频在线观看免费观看| 亚洲综合色网址| a级毛片黄视频| 精品亚洲成国产av| 国产成人精品在线电影| 26uuu在线亚洲综合色| 咕卡用的链子| 丝袜喷水一区| 肉色欧美久久久久久久蜜桃| 十分钟在线观看高清视频www| 咕卡用的链子| 97在线人人人人妻| 久久久国产精品麻豆| 亚洲欧美成人综合另类久久久| 亚洲色图综合在线观看| 成人二区视频| kizo精华| 这个男人来自地球电影免费观看 | 日韩精品有码人妻一区| 亚洲,一卡二卡三卡| 女人高潮潮喷娇喘18禁视频| 视频在线观看一区二区三区| 一级片'在线观看视频| 超碰成人久久| 国产乱人偷精品视频| 五月开心婷婷网| 免费在线观看黄色视频的| 国产免费视频播放在线视频| 18禁动态无遮挡网站| 免费在线观看完整版高清| 视频在线观看一区二区三区| av网站在线播放免费| 美国免费a级毛片| 久久久久久久亚洲中文字幕| 99国产综合亚洲精品| 国产一区二区在线观看av| 亚洲婷婷狠狠爱综合网| 涩涩av久久男人的天堂| 女性生殖器流出的白浆| 又大又黄又爽视频免费| 咕卡用的链子| 久久精品国产亚洲av天美| 精品酒店卫生间| 最黄视频免费看| av在线播放精品| 久久久精品区二区三区| 熟女av电影| av福利片在线| 少妇猛男粗大的猛烈进出视频| 高清在线视频一区二区三区| 久久久久久久久久人人人人人人| 色婷婷av一区二区三区视频| 久久青草综合色| 中文字幕亚洲精品专区| 久久鲁丝午夜福利片| 亚洲色图综合在线观看| 午夜精品国产一区二区电影| videosex国产| 成人国产麻豆网| 亚洲国产最新在线播放| 国产日韩欧美亚洲二区| 国产精品av久久久久免费| 精品久久久久久电影网| 国产在视频线精品| 丝袜喷水一区| 成人毛片60女人毛片免费| 免费av中文字幕在线| 97人妻天天添夜夜摸| 80岁老熟妇乱子伦牲交| 婷婷色麻豆天堂久久| 国产精品一区二区在线不卡| 三级国产精品片| 欧美黄色片欧美黄色片| 国产97色在线日韩免费| 欧美国产精品va在线观看不卡| av视频免费观看在线观看| 午夜日本视频在线| 久久影院123| 老汉色∧v一级毛片| 国产av精品麻豆| 亚洲综合色网址| 在线 av 中文字幕| 亚洲国产看品久久| 亚洲激情五月婷婷啪啪| 久久ye,这里只有精品| 蜜桃国产av成人99| 在线天堂中文资源库| 日本vs欧美在线观看视频| 免费日韩欧美在线观看| 欧美精品高潮呻吟av久久| 高清黄色对白视频在线免费看| 亚洲综合色网址| 麻豆精品久久久久久蜜桃| 久久av网站| 99热国产这里只有精品6| 日韩欧美精品免费久久| 免费少妇av软件| 老鸭窝网址在线观看| 国产国语露脸激情在线看| 日韩免费高清中文字幕av| 久久精品熟女亚洲av麻豆精品| 日韩人妻精品一区2区三区| 91久久精品国产一区二区三区| 韩国高清视频一区二区三区| 成人免费观看视频高清| 久久久久视频综合| 久久精品夜色国产| 不卡视频在线观看欧美| 久久精品久久久久久噜噜老黄| 日日摸夜夜添夜夜爱| 伊人久久大香线蕉亚洲五| 大陆偷拍与自拍| 一级片'在线观看视频| 国产日韩欧美视频二区| 久久久国产精品麻豆| 日韩大片免费观看网站| 亚洲国产色片| 国产又色又爽无遮挡免| 人人妻人人澡人人看| 欧美日韩精品网址| 亚洲成色77777| 丰满迷人的少妇在线观看| 天天影视国产精品| 久久久久精品久久久久真实原创| 下体分泌物呈黄色| 波野结衣二区三区在线| 精品第一国产精品| 国产免费又黄又爽又色| 欧美人与性动交α欧美精品济南到 | 黄色毛片三级朝国网站| 国产又色又爽无遮挡免| 国产精品亚洲av一区麻豆 | 久久精品国产亚洲av天美| freevideosex欧美| 2021少妇久久久久久久久久久| 国产欧美亚洲国产| 亚洲欧洲日产国产| 黑人巨大精品欧美一区二区蜜桃| 伊人亚洲综合成人网| 久久韩国三级中文字幕| 在线观看免费视频网站a站| 久久精品国产自在天天线| 9热在线视频观看99| 岛国毛片在线播放| 国产精品三级大全| 高清在线视频一区二区三区| 久久99精品国语久久久| 国语对白做爰xxxⅹ性视频网站| 另类亚洲欧美激情| 美女国产视频在线观看| 久久人人97超碰香蕉20202| 久久久久久久久久久免费av| 亚洲综合色网址| 如何舔出高潮| 亚洲第一区二区三区不卡| 人人妻人人添人人爽欧美一区卜| 国产xxxxx性猛交| 69精品国产乱码久久久| 日本欧美国产在线视频| 大香蕉久久网| 国产高清国产精品国产三级| 国产一区有黄有色的免费视频| 午夜av观看不卡| 国产片特级美女逼逼视频| 岛国毛片在线播放| 亚洲欧洲日产国产| 国产野战对白在线观看| 最新中文字幕久久久久| 麻豆精品久久久久久蜜桃| 成人毛片a级毛片在线播放| 国产成人a∨麻豆精品| 午夜福利,免费看| 爱豆传媒免费全集在线观看| 国产一级毛片在线| 中文天堂在线官网| 人妻人人澡人人爽人人| 岛国毛片在线播放| 欧美中文综合在线视频| av在线app专区| 日韩精品有码人妻一区| 青春草国产在线视频| 国产福利在线免费观看视频| 在线观看免费高清a一片| 80岁老熟妇乱子伦牲交| 99热网站在线观看| 三级国产精品片| 美女脱内裤让男人舔精品视频| 免费观看性生交大片5| 国产精品国产av在线观看| 久久久久视频综合| 午夜精品国产一区二区电影| 免费观看av网站的网址| 亚洲精品av麻豆狂野| 午夜免费男女啪啪视频观看| 桃花免费在线播放| 国产爽快片一区二区三区| 一区二区三区精品91| av女优亚洲男人天堂| 久久国产精品大桥未久av| 人人澡人人妻人| 亚洲国产看品久久| 精品久久久久久电影网| 热re99久久精品国产66热6| 高清黄色对白视频在线免费看| 卡戴珊不雅视频在线播放| 欧美激情 高清一区二区三区| 国产一区亚洲一区在线观看| videos熟女内射| 美女国产视频在线观看| 老熟女久久久| 日韩制服骚丝袜av| 亚洲图色成人| 国产一区二区在线观看av| 黑人巨大精品欧美一区二区蜜桃| 成人国产麻豆网| 九九爱精品视频在线观看| 看非洲黑人一级黄片| 日韩中文字幕欧美一区二区 | 亚洲欧美清纯卡通| 成人亚洲精品一区在线观看| 观看美女的网站| 18+在线观看网站| 国产片内射在线| 日本欧美视频一区| 日韩大片免费观看网站| 亚洲伊人色综图| 日韩精品有码人妻一区| 啦啦啦啦在线视频资源| freevideosex欧美| 久久人人爽人人片av| freevideosex欧美| 麻豆乱淫一区二区| 国产黄色免费在线视频| 少妇人妻精品综合一区二区| 精品人妻偷拍中文字幕| av女优亚洲男人天堂| 国产成人精品久久二区二区91 | 精品一区二区三区四区五区乱码 | 欧美激情极品国产一区二区三区| 久久久久久久久免费视频了| 亚洲视频免费观看视频| 欧美精品av麻豆av| 欧美激情 高清一区二区三区| 国产人伦9x9x在线观看 | 亚洲内射少妇av| 亚洲第一av免费看| 少妇的丰满在线观看| 老女人水多毛片| 一本色道久久久久久精品综合| 97在线人人人人妻| 七月丁香在线播放| 91成人精品电影| 免费不卡的大黄色大毛片视频在线观看| 欧美精品高潮呻吟av久久| 18禁裸乳无遮挡动漫免费视频| 久久精品国产a三级三级三级| 日本wwww免费看| 国产深夜福利视频在线观看| 99热网站在线观看| 涩涩av久久男人的天堂| 99热网站在线观看| 精品亚洲成国产av| 美女国产视频在线观看| 99久久人妻综合| 日韩不卡一区二区三区视频在线| 国产欧美日韩一区二区三区在线| 晚上一个人看的免费电影| 欧美精品av麻豆av| 国产精品蜜桃在线观看| 中文乱码字字幕精品一区二区三区| 人妻一区二区av| 成年女人毛片免费观看观看9 | 亚洲第一青青草原| 亚洲欧美成人综合另类久久久| 精品少妇一区二区三区视频日本电影 | 亚洲av日韩在线播放| 高清欧美精品videossex| 久久国产精品大桥未久av| 午夜福利影视在线免费观看| 伦理电影大哥的女人| 日本av手机在线免费观看| 在线精品无人区一区二区三| 亚洲色图综合在线观看| 精品酒店卫生间| 最近中文字幕高清免费大全6| 精品99又大又爽又粗少妇毛片| 午夜日本视频在线| 久久久久精品性色| 天堂中文最新版在线下载| 99九九在线精品视频| 亚洲在久久综合| 中国国产av一级| 久久毛片免费看一区二区三区| 又粗又硬又长又爽又黄的视频| 国产精品久久久久久久久免| 国产精品成人在线| 国产精品国产三级国产专区5o| 交换朋友夫妻互换小说| 热99国产精品久久久久久7| 国产av精品麻豆| 日韩欧美精品免费久久| 在线天堂最新版资源| 一本久久精品| 成人毛片60女人毛片免费| 亚洲精品日本国产第一区| 国产女主播在线喷水免费视频网站|