• <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 ?

    信息熵多屬性約簡(jiǎn)的煤粉塵圖像特性機(jī)理

    2019-09-10 18:31:53王征汪梅
    關(guān)鍵詞:信息熵

    王征 汪梅

    摘 要:為研究無明確特征模式的煤塵顆粒圖像特性,以某煤礦煤樣為研究對(duì)象,按國(guó)標(biāo)標(biāo)準(zhǔn)運(yùn)用粉塵采樣器對(duì)粉塵溢散源處顆粒物進(jìn)行多點(diǎn)采樣。采用多決策屬性約簡(jiǎn)模糊粗糙集3個(gè)階段即提出隸屬度模型、實(shí)現(xiàn)屬性約簡(jiǎn)、確定最大信息熵閾值分割對(duì)顆粒形態(tài)特征機(jī)理進(jìn)行分析。首先建立粉塵圖像各像素點(diǎn)對(duì)應(yīng)的模糊類別隸屬度模型,利用多分段函數(shù)確定隸屬度;分析煤粉塵圖像灰度特征并將其作為條件屬性,確定條件屬性的模糊依賴度,獲取最優(yōu)值并提取模糊屬性約簡(jiǎn),進(jìn)行目標(biāo)及背景區(qū)域的模糊下近似和模糊上近似劃分;最后建立煤粉塵顆粒的信息熵模型,存儲(chǔ)信息熵并實(shí)現(xiàn)對(duì)分割閾值的提取。結(jié)果表明:依據(jù)模糊屬性約簡(jiǎn)的互異重要度可實(shí)現(xiàn)多屬性約簡(jiǎn);并確定煤粉塵圖像模塊區(qū)域的最大信息熵分割閾值。所建立模型可刪除冗余屬性,選擇出對(duì)分類更為重要的屬性,并通過屬性約簡(jiǎn)完成特征選擇分類。

    關(guān)鍵詞:安全科學(xué)與工程;圖像灰度特征;信息熵;模糊類別隸屬度;多屬性約簡(jiǎn)

    中圖分類號(hào):TD 76 ? 文獻(xiàn)標(biāo)志碼:A

    DOI:10.13800/j.cnki.xakjdxxb.2019.0421 ? 文章編號(hào):1672-9315(2019)04-0713-07

    Abstract:To investigate imagery characteristics of coal dust particles without clear characteristic mode,coal samples from a coal mine were taken as research objects,and the dust sampler was used to conduct particles multi point sampling at dust spill source according to the international standard.The multi decision attribute reduction fuzzy rough set,including three stages of the membership model,realizing attribute reduction,and determinating maximum information entropy threshold segmentation,are adopted to analyze the particle morphology characteristics.The corresponding fuzzy degree membership model was established for dust image pixels and meanwhile the membership coefficient was determined by multi segment function.In additon,the gray feature of coal dust image was analyzed and used as conditional attribute so that the fuzzy dependence of conditional attribute can be determined to obtain its maximum value and extract the fuzzy attribute reduction.At the same time the fuzzy lower approximation and the upper approximation in the target and its background regions were divided.Finally the information entropy model of coal dust particles was established with the information entropy stored and its corresponding segmentation threshold extracted.The results show that multi attribute reduction can be realized according to the mutual importance of fuzzy attribute reduction;and the maximum information entropy segmentation threshold of coal dust image module area is determined.The established model,therefore,can delete the redundant attributes,select more important classification attributes,and complete the feature selection classification through attribute reduction.

    Key words:safety science and engineering;image grey feature;information entropy;fuzzy membership;multi attribute reduction

    0 引 言

    近幾年,隨著國(guó)家與有關(guān)專家對(duì)大規(guī)模煤炭開采所引發(fā)的煤礦環(huán)境污染等問題的重視,以圖像信息為基礎(chǔ)的煤塵識(shí)別技術(shù)憑借其高效的視覺化、智能礦山系統(tǒng)等優(yōu)勢(shì),在國(guó)內(nèi)外礦山已獲得更深入的研究[1-3]。圖像視覺特性信息技術(shù)在解決煤礦安全可靠性不高的同時(shí),也為現(xiàn)場(chǎng)惡劣環(huán)境難適應(yīng)及煤塵爆炸危害難預(yù)測(cè)等問題的解決提供了有效的途徑。但粉塵的檢測(cè)機(jī)理十分復(fù)雜,其決定因素很多,導(dǎo)致煤塵檢測(cè)結(jié)果具有很大隨機(jī)性。因此,在粉塵顆粒物特性參數(shù)檢測(cè)中,運(yùn)用了不同研究方法進(jìn)行分析。電感應(yīng)法由脈沖數(shù)目確定顆粒的數(shù)量,由電位差變化幅度測(cè)量顆粒的體積。但該方法獲得的是顆粒尺寸的二次信息,須通過轉(zhuǎn)換獲得顆粒的實(shí)際尺寸信息[4]。對(duì)于密度不大且形狀為球形的粉塵顆粒,運(yùn)用光散射法,通過光強(qiáng)分析,可獲得粒子直徑及濃度,但對(duì)于形狀不規(guī)則的煤塵顆粒,若運(yùn)用光散射法,由于煤礦的地質(zhì)結(jié)構(gòu)和綜放面煤層強(qiáng)度系數(shù)不同,且煤塵對(duì)光的吸收和散射存在差異,因此檢測(cè)結(jié)果會(huì)出現(xiàn)偏差[5-7]。

    上述研究鑒于技術(shù)手段以及研究角度的局限,并沒有系統(tǒng)地分析粉塵顆粒物特性表現(xiàn)。隨著研究手段不斷發(fā)展,以圖像信息為基礎(chǔ)的粉塵識(shí)別技術(shù)具有直接觀察在不同粒度下的粉塵顆粒形狀的優(yōu)勢(shì)。Grasa等針對(duì)圖像區(qū)域內(nèi)灰度相似性及不連續(xù)性提出將粉塵圖像按不同特性進(jìn)行區(qū)域劃分,并對(duì)顆粒目標(biāo)點(diǎn)的特性參數(shù)測(cè)量及特征提取,這對(duì)研究人員進(jìn)一步研究煤塵圖像具有一定參考價(jià)值[8]。Baldevbhai等提出在圖像空間中對(duì)不同圖像信噪比運(yùn)用模糊聚類算法,由于對(duì)圖像的對(duì)比度分布性能敏感性好,可產(chǎn)生很好的分割效果,但該方法忽略圖像的細(xì)節(jié)信息,對(duì)灰度值差異不大的圖像目標(biāo)間或灰度值存在相互重疊區(qū)域的情況,分割效果不佳[9]。以上研究成果更多地考慮到圖像灰度的空間分布信息,大大提高了圖像分割的準(zhǔn)確度,但是終究無法達(dá)到理想狀況,面對(duì)各種圖像分類,運(yùn)用某種單一算法缺乏通用性。因此,采用合理的研究手段對(duì)圖像空間信息下煤塵顆粒物表現(xiàn)出來的微觀特性進(jìn)行有效解釋是必須討論的問題[10-13]。

    結(jié)合圖像空間學(xué)和微觀學(xué)研究發(fā)現(xiàn),煤塵顆粒物特性信息屬于非線性和不確定性建模問題,圖像識(shí)別的難點(diǎn)在于對(duì)冗余特征剔除的準(zhǔn)確度。文中從微觀角度對(duì)煤塵顆粒物的圖像特性機(jī)理展開研究。多屬性約簡(jiǎn)為這類問題提供了新的解決思路?;趫D像灰度特征空間區(qū)域信息劃分,考慮了分類屬性重要度的選擇,以圖像像素點(diǎn)的模糊類別隸屬度、圖像灰度特征對(duì)應(yīng)的模糊依賴度入手,構(gòu)建屬性約簡(jiǎn)信息熵?cái)?shù)學(xué)模型,依據(jù)所構(gòu)建模型對(duì)煤塵顆粒特性信息表征進(jìn)行合理解釋,為后期重疊顆粒分離進(jìn)行了先期理論和試驗(yàn)驗(yàn)證,對(duì)煤粉塵顆粒識(shí)別提供依據(jù)[14-17]。

    1 屬性約簡(jiǎn)圖像特征空間模型機(jī)理分析

    1.1 決策信息系統(tǒng)屬性約簡(jiǎn)的建立

    將樣本圖像設(shè)為對(duì)象,各種特征設(shè)為條件屬性,類別結(jié)果設(shè)為決策屬性,可形成決策表。對(duì)有用特征的提取過程實(shí)質(zhì)就是對(duì)決策表中屬性的約簡(jiǎn)過程。通過離散化處理獲得的決策表可作為用邏輯關(guān)系處理的一組公式,并對(duì)公式和規(guī)則進(jìn)行判別是否具有矛盾性以此確定其相容性,屬性約簡(jiǎn)是以決策表的相容性為基礎(chǔ)[19-20]。

    根據(jù)圖像中對(duì)象或區(qū)域的顏色、形狀、紋理和空間位置等重要的圖像信息特征來進(jìn)行分析和檢索,獲取圖像的有用信息,實(shí)現(xiàn)對(duì)圖像的識(shí)別。圖像特征的選取通過反復(fù)試驗(yàn),在極大似然分類精度原則下從10多種特征中確定了用于分類的6個(gè)特征,經(jīng)比較確定為一組對(duì)分割精度較為敏感的有效特征信息。設(shè)灰度均值、灰度方差、對(duì)比度、紋理均值、粗糙度、均勻度6個(gè)特征信息表示條件屬性A.由于這些特征值為連續(xù)值,因此通過相應(yīng)算法進(jìn)行離散化處理。通過獲取有效特征信息,確定目標(biāo)類別屬性即決策屬性C,實(shí)現(xiàn)對(duì)圖像的識(shí)別[21-22]。

    1.2 屬性約簡(jiǎn)算法描述

    通過下述算法可實(shí)現(xiàn)對(duì)決策表的屬性約簡(jiǎn)。

    輸入:決策表T={U,A∪C,V,f},其中U表示論域,A,C分別對(duì)應(yīng)為條件屬性集和決策屬性集。

    輸出:決策表的相對(duì)屬性約簡(jiǎn)。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證文中提出的信息熵多屬性約簡(jiǎn)模型及其性能反應(yīng)的合理性,首先采用文獻(xiàn)[24]、文獻(xiàn)[25]及IEMAR算法對(duì)比展示,依據(jù)30組不同類別的煤塵圖像作為訓(xùn)練樣本,類別按照取像光源、取像時(shí)段、取像溫度不同條件劃分,對(duì)不同粒度大小的煤塵顆粒圖像特性信息進(jìn)行識(shí)別。每組取像20幅圖片,限于篇幅,僅列出部分樣本。在Pentium Dual Core G3420CPU,4GRAM的PC機(jī)、OlympusBX41通過Olympus BX41顯微放大裝置獲取圖像(顯微放大倍數(shù):目鏡×10,物鏡×10)以及Matlab2014b軟件環(huán)境下,實(shí)驗(yàn)對(duì)象取自某煤礦選煤廠采集的不同粒度大小的煤塵圖像,像素大小均為512×512.煤塵粒度> 200 μm如圖1(a)所示,75 μm <煤塵粒度 < 200 μm如圖2(a)所示,煤塵粒度< 75 μm如圖3(a)所示。并通過幾種不同的算法對(duì)圖像進(jìn)行分割,分割效果分別如圖1,圖2,圖3中(b)、(c)、(d)所示。

    從表1可以得出,文中提出算法與其他同類方法相比,融合了信息系統(tǒng)中的模糊性和粗糙性形成的模糊分類規(guī)則,具有更強(qiáng)的泛化能力,而且提高了搜索效率,并在一定程度上使得圖像分割的有效性和魯棒性得到保證。從權(quán)衡分割精度同計(jì)算效率的角度考慮,文中算法是一種實(shí)用有效的圖像分割算法。無論在閾值還是分割性能指標(biāo)上都擁有顯著的優(yōu)勢(shì),能滿足精確分割的要求,這也為煤塵圖像處理的后續(xù)研究提供精確數(shù)據(jù)。

    4 結(jié) 論

    1)屬性約簡(jiǎn)數(shù)據(jù)庫(kù)模型對(duì)連續(xù)數(shù)值離散化處理后消失的屬性有序關(guān)系可提供很好的借鑒。分析表明屬性約簡(jiǎn)模型的建立極大程度上降低了因?qū)傩缘挠行蜿P(guān)系消失而導(dǎo)致連續(xù)值屬性信息丟失造成的影響。而模型結(jié)構(gòu)的半序關(guān)系在一定程度上可使得信息的丟失量降低。

    2)煤塵圖像的有效獲取受到多種因素的影響,比如監(jiān)控環(huán)境中空間、濕度、氣流等,目前的研究多關(guān)注的是外在環(huán)境參數(shù)的影響規(guī)律,忽略了包含內(nèi)在因素等其他因素的影響效應(yīng),有待進(jìn)一步研究。

    3)煤塵粒度、粒度分布和煤塵濃度是煤塵爆炸的關(guān)鍵因素,而對(duì)煤塵圖像進(jìn)行圖像特性機(jī)理分析是研究煤塵粒度、粒度分布和煤塵濃度,解決煤塵檢測(cè)問題的關(guān)鍵。目前對(duì)煤塵顆粒群的宏觀問題研究較多,后期研究可考慮對(duì)微觀尺度下的煤塵顆粒研究,以期提高識(shí)別精度。

    參考文獻(xiàn)(References):

    [1] 王國(guó)法,趙國(guó)瑞,任懷偉.智慧煤礦與智能化開采關(guān)鍵核心技術(shù)分析[J].煤炭學(xué)報(bào),2019,44(1):34-41.

    WANG Guo fa,ZHAO Guo rui,REN Huai wei. Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.

    [2]韓建國(guó).神華智能礦山建設(shè)關(guān)鍵技術(shù)研發(fā)與示范[J].煤炭學(xué)報(bào),2016,41(12):3181-3189.

    HAN Jian guo.Key technology research and demonstration of intelligent mines in Shenhua Group[J].Journal of China Coal Society,2016,41(12):3181-3189.

    [3]WANG Guo fa,XU Yong xiang,REN Huai wei.Intelligent and ecological coal mining as well as clean utilization technology in China:review and prospects[J].International Journal of Mining Science and Technology,2019,29(2):161-169.

    [4]陳建閣.交流耦合式電荷感應(yīng)法粉塵濃度檢測(cè)技術(shù)研究[D].北京:煤炭科學(xué)研究總院,2014.

    CHEN Jian ge.Research on detection technology of AC coupled charge induction dust concentration[D].Beijing:China Coal Research Institute,2014.

    [5]Okpeafoh S A,Anthony J M,Jan S.Modelling of artefacts in estimations of particle size of needle like particles from laser diffraction measurements[J].Chemical Engineering Science,2017,158:445-452.

    [6]Milana I,Igor B,Milica V,et al.Size and shape particle analysis by applying image analysis and laser diffraction inhalable dust in a dental laboratory[J].Measurement,2015,66:109-117.

    [7]陳繼民,陳鶴天.激光在粉塵檢測(cè)領(lǐng)域的進(jìn)展與應(yīng)用[J].應(yīng)用激光,2018,38(3):496-501.

    CHEN Ji min,CHEN He tian.The development and application of laser in dust detection[J].Applied Laser,2018,38(3):496-501.

    [8]Grasa G,Abanades J C.A calibration procedure to obtain solid concentrations from digital images of bulk powders[J].Powder Technology,2001,114(1-3):125-128.

    [9]Baldevbhai P J,Anand R S.Color image segmentation for medical images using lab color space[J].Journal of Electronics and Communication Engineering,2012,1(2):24-45.

    [10]Wasswa W,Andrew W,Annabella H,et al.Cervical cancer classification from pap smears using an enhanced fuzzy C means algorithm[J].Informatics in Medicine Unlocked,2019,14:23-33.

    [11]Hassanien A E,Soliman O S.Contrast enhancement of breast MRI images based on fuzzy type Ⅱ[C]//Soft Computing Models in Industrial and Environmental Applications,6th International Conference SOCO 2011,2011:77-83.

    [12]Khairunnisa H,Nor A,Mat I.Adaptive fuzzy intensity measure enhancement technique for non uniform illumination and low contrast images[J].Signal,Image and Video Processing,2015,9(6):1419-1442.

    [13]Muhammad T,Malik J K.An intelligent mobile application for diagnosis of crop diseases in Pakistan using fuzzy inference system[J].Computers and Electronics in Agriculture,2018,153:1-11.

    [14]Yongyingsakthavorn P,Vallikul P,F(xiàn)ungtammasan B,et al.Application of the maximum entropy technique in tomographic reconstruction from laser diffraction data to determine local spray drop size distribution[J].Experiments in Fluids,2007,42(3):471-481.

    [15]馬 翔,楚瑩瑩,陳允杰.基于空間信息熵活動(dòng)輪廓模型的圖像分割[J].控制工程,2018,25(11):2010-2016.

    MA Xiang,CHU Ying ying,CHEN Yun jie.Medical image segmentation based on active contour model of spatial information entropy[J].Control Engineering of China,2018,25(11):2010-2016.

    [16]成 婷,張 擴(kuò),續(xù)欣瑩.鄰域粗糙集約簡(jiǎn)算法在圖像特征選擇中的應(yīng)用[J].現(xiàn)代電子技術(shù),2018,41(21):56-62.

    CHENG Ting,ZHANG Kuo,XU Xin ying.Application of neighborhood rough set reduction algorithm in image feature selection[J].Modern Electronics Technique,2018,41(21):56-62.

    [17]郭 健,李 智.基于ICA閾值優(yōu)化耦合信息熵的邊緣提取算法[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,40(9):150-155.

    GUO Jian,LI Zhi.An edge extraction algorithm based on ICA threshold optimization and information entropy[J].Journal of Southwest University(Natural Science Edition),2018,40 (9):150-155.

    [18]YU Hai yan,ZHI Xiao bin,F(xiàn)AN Jiu lun.Image segmentation based on weak fuzzy partition entropy[J].Neurocomputing,2015,168(11):994-1010.

    [19]LIN Yao jin,LI Yu wen,WANG Chen xi,et al.Attribute reduction for multi label learning with fuzzy rough set[J].Knowledge Based Systems,2018,152:51-61.

    [20]LI Hua,LI De yu,ZHAI Yan hui,et al.A novel attribute reduction approach for multi label data based on rough set theory[J].Information Sciences,2016,367-368:827-847.

    [21]Hadi Y,Hamid M,Mohammad A E F,et al.Determining the fragmented rock size distribution using textural feature extraction of images[J].Powder Technology,2019,342:630-641.

    [22]Andrea P,Massimo P,F(xiàn)abio L,et al.Dust detection and analysis in museum environment based on pattern recognition[J].Measurement,2015,66:62-72.

    [23]Farid G L,Jair C,Asdr bal L,et al.Segmentation of images by color features:a survey[J].Neurocomputing,2018,292(5):1-27.

    [24]陳天華,王福龍.實(shí)時(shí)魯棒的特征點(diǎn)匹配算法[J].中國(guó)圖象圖形學(xué)報(bào),2016,21(9):1213-1220.

    CHEN Tian hua,WANG Fu long.Real time robust feature point matching algorithm[J].Journal of Image and Graphics,2016,21(9):1213-1220.

    [25]李婷婷,江朝暉,饒 元,等.結(jié)合基因表達(dá)式編程與空間模糊聚類的圖像分割[J].中國(guó)圖象圖形學(xué)報(bào),2017,22(5):575-583.

    LI Ting ting,JIANG Zhao hui,RAO Yuan,et al.Image segmentation based on gene expression programming and spatial fuzzy clustering[J].Journal of Image and Graphics,2017,22(5):575-583.

    猜你喜歡
    信息熵
    基于信息熵可信度的測(cè)試點(diǎn)選擇方法研究
    基于信息熵模糊物元的公路邊坡支護(hù)方案優(yōu)選研究
    基于小波奇異信息熵的10kV供電系統(tǒng)故障選線研究與仿真
    基于信息熵的實(shí)驗(yàn)教學(xué)量化研究
    基于信息熵賦權(quán)法優(yōu)化哮喘方醇提工藝
    中成藥(2017年7期)2017-11-22 07:32:59
    一種基于信息熵的雷達(dá)動(dòng)態(tài)自適應(yīng)選擇跟蹤方法
    改進(jìn)的信息熵模型在區(qū)域水文站網(wǎng)優(yōu)化布設(shè)中的應(yīng)用研究
    基于信息熵的IITFN多屬性決策方法
    基于信息熵的循環(huán)譜分析方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用
    泊松分布信息熵的性質(zhì)和數(shù)值計(jì)算
    国产精品久久久人人做人人爽| www.www免费av| 在线视频色国产色| 又大又爽又粗| 国产乱人视频| 国产成人系列免费观看| 十八禁人妻一区二区| 午夜a级毛片| 国产精品亚洲一级av第二区| 亚洲欧洲精品一区二区精品久久久| 一个人观看的视频www高清免费观看 | 长腿黑丝高跟| 18禁观看日本| 国产午夜精品论理片| www.精华液| 亚洲国产欧美一区二区综合| 99热只有精品国产| 午夜视频精品福利| 国产av麻豆久久久久久久| 成人性生交大片免费视频hd| 欧美一区二区国产精品久久精品| 国产三级在线视频| 日韩国内少妇激情av| www.熟女人妻精品国产| 国产精品 国内视频| 男女做爰动态图高潮gif福利片| 国产精品一区二区精品视频观看| 美女扒开内裤让男人捅视频| 亚洲国产欧美一区二区综合| 欧美黑人欧美精品刺激| 国内少妇人妻偷人精品xxx网站 | 欧美三级亚洲精品| 成人鲁丝片一二三区免费| 国产精品日韩av在线免费观看| 嫩草影视91久久| 黄色成人免费大全| 淫妇啪啪啪对白视频| 午夜精品久久久久久毛片777| 色综合站精品国产| 搡老岳熟女国产| 老司机深夜福利视频在线观看| 国产精品久久电影中文字幕| tocl精华| 国产精品av久久久久免费| 国产精品久久久人人做人人爽| 99久久久亚洲精品蜜臀av| 在线国产一区二区在线| 真人做人爱边吃奶动态| 人妻久久中文字幕网| 久久午夜综合久久蜜桃| 韩国av一区二区三区四区| 日韩大尺度精品在线看网址| 欧美日韩福利视频一区二区| 岛国视频午夜一区免费看| 亚洲 国产 在线| 欧美一区二区精品小视频在线| 国产午夜精品论理片| 99热这里只有精品一区 | 欧美色视频一区免费| 露出奶头的视频| 久久精品国产亚洲av香蕉五月| 在线观看66精品国产| 一区二区三区国产精品乱码| 蜜桃久久精品国产亚洲av| 毛片女人毛片| or卡值多少钱| 亚洲片人在线观看| 日韩欧美 国产精品| 欧美日本视频| 久久久久精品国产欧美久久久| 熟女人妻精品中文字幕| 国产一区二区在线av高清观看| 亚洲国产精品999在线| 老熟妇乱子伦视频在线观看| 国产av麻豆久久久久久久| 久久久国产成人精品二区| 最近最新免费中文字幕在线| 亚洲精品粉嫩美女一区| 在线永久观看黄色视频| 欧美日本亚洲视频在线播放| 久久精品亚洲精品国产色婷小说| 国产1区2区3区精品| e午夜精品久久久久久久| 黑人欧美特级aaaaaa片| 99精品久久久久人妻精品| 69av精品久久久久久| 国产成年人精品一区二区| 搡老岳熟女国产| 男人舔女人的私密视频| 黑人巨大精品欧美一区二区mp4| 午夜日韩欧美国产| 国产v大片淫在线免费观看| 欧美成狂野欧美在线观看| 一夜夜www| 国产成年人精品一区二区| 99re在线观看精品视频| 每晚都被弄得嗷嗷叫到高潮| 精品福利观看| 精品久久久久久久人妻蜜臀av| 日韩欧美国产在线观看| 国产激情久久老熟女| 很黄的视频免费| 99久久无色码亚洲精品果冻| 欧美日韩中文字幕国产精品一区二区三区| www日本黄色视频网| 久久久久久人人人人人| 全区人妻精品视频| 日韩欧美 国产精品| 人人妻人人澡欧美一区二区| 日本 av在线| 国产成年人精品一区二区| 免费电影在线观看免费观看| 国产私拍福利视频在线观看| 久久久久久国产a免费观看| 最近最新中文字幕大全免费视频| 日本一二三区视频观看| 国产日本99.免费观看| 国产精品一区二区免费欧美| 啦啦啦观看免费观看视频高清| 99热精品在线国产| 日韩大尺度精品在线看网址| 国产 一区 欧美 日韩| 国产探花在线观看一区二区| 99国产精品99久久久久| 国产精品电影一区二区三区| 老司机午夜福利在线观看视频| 欧美日韩福利视频一区二区| 久久久色成人| 欧美乱妇无乱码| 国产精品久久视频播放| 精品免费久久久久久久清纯| 搡老妇女老女人老熟妇| 69av精品久久久久久| or卡值多少钱| 久久久精品欧美日韩精品| 成年女人永久免费观看视频| 国产精品一及| 国产真人三级小视频在线观看| 亚洲精品一区av在线观看| 亚洲真实伦在线观看| 1000部很黄的大片| 午夜福利高清视频| 悠悠久久av| 亚洲国产高清在线一区二区三| 无限看片的www在线观看| 亚洲 欧美一区二区三区| 亚洲在线自拍视频| 欧美国产日韩亚洲一区| 亚洲成a人片在线一区二区| 国产97色在线日韩免费| 国产久久久一区二区三区| 免费在线观看日本一区| 久久午夜综合久久蜜桃| av黄色大香蕉| 久久精品国产99精品国产亚洲性色| 很黄的视频免费| 两人在一起打扑克的视频| 日韩有码中文字幕| 国产麻豆成人av免费视频| 午夜福利成人在线免费观看| 中文字幕av在线有码专区| 国产精品亚洲一级av第二区| 亚洲成人精品中文字幕电影| 久久久水蜜桃国产精品网| 免费搜索国产男女视频| 首页视频小说图片口味搜索| 久久人妻av系列| 老司机深夜福利视频在线观看| 精品人妻1区二区| 免费电影在线观看免费观看| 日韩av在线大香蕉| 在线观看免费午夜福利视频| 国产 一区 欧美 日韩| 欧美日韩瑟瑟在线播放| 亚洲av成人不卡在线观看播放网| 99re在线观看精品视频| 俄罗斯特黄特色一大片| 午夜亚洲福利在线播放| 久久午夜亚洲精品久久| 很黄的视频免费| 日本一本二区三区精品| 看免费av毛片| 小蜜桃在线观看免费完整版高清| 色综合婷婷激情| 国产精品免费一区二区三区在线| 国产精品久久久av美女十八| 国产精品香港三级国产av潘金莲| 热99在线观看视频| 久久婷婷人人爽人人干人人爱| 亚洲熟妇中文字幕五十中出| 国产黄a三级三级三级人| 国产精品自产拍在线观看55亚洲| 日本a在线网址| 嫁个100分男人电影在线观看| 成人性生交大片免费视频hd| 久久精品国产99精品国产亚洲性色| 亚洲国产中文字幕在线视频| 亚洲天堂国产精品一区在线| 真人做人爱边吃奶动态| 成人国产综合亚洲| 麻豆成人av在线观看| 757午夜福利合集在线观看| 成人高潮视频无遮挡免费网站| 757午夜福利合集在线观看| 黄色日韩在线| 999久久久国产精品视频| 色哟哟哟哟哟哟| 国产爱豆传媒在线观看| avwww免费| 岛国视频午夜一区免费看| 女生性感内裤真人,穿戴方法视频| 黄色视频,在线免费观看| 国产成人精品久久二区二区91| www.www免费av| 久久这里只有精品19| 色av中文字幕| 精品久久久久久久久久久久久| 国内精品久久久久精免费| 亚洲国产欧美网| 岛国在线观看网站| 中文亚洲av片在线观看爽| 亚洲成人久久性| 天天躁狠狠躁夜夜躁狠狠躁| 婷婷六月久久综合丁香| 国产av不卡久久| 国内毛片毛片毛片毛片毛片| 在线观看午夜福利视频| 日韩有码中文字幕| 熟女少妇亚洲综合色aaa.| 脱女人内裤的视频| 国产免费男女视频| 中文亚洲av片在线观看爽| 97碰自拍视频| 男女做爰动态图高潮gif福利片| 国产精品九九99| 国产黄色小视频在线观看| 国产亚洲av嫩草精品影院| 亚洲人成伊人成综合网2020| 蜜桃久久精品国产亚洲av| 亚洲欧美日韩高清在线视频| 搡老熟女国产l中国老女人| 亚洲av五月六月丁香网| 亚洲中文字幕日韩| 大型黄色视频在线免费观看| 91字幕亚洲| 亚洲自拍偷在线| 香蕉av资源在线| 亚洲av电影在线进入| 欧美色视频一区免费| 久久国产精品人妻蜜桃| 国产精品1区2区在线观看.| 两个人的视频大全免费| 天天躁狠狠躁夜夜躁狠狠躁| 色综合亚洲欧美另类图片| 国产精品女同一区二区软件 | 日韩精品青青久久久久久| 国产高清视频在线播放一区| 亚洲精品在线观看二区| 日本精品一区二区三区蜜桃| 色综合站精品国产| 嫩草影院精品99| 亚洲欧美日韩卡通动漫| 亚洲黑人精品在线| 亚洲精品久久国产高清桃花| 欧美日韩福利视频一区二区| 欧洲精品卡2卡3卡4卡5卡区| 日本三级黄在线观看| 中文字幕最新亚洲高清| 国产精品野战在线观看| 亚洲欧美日韩东京热| 在线a可以看的网站| 国内少妇人妻偷人精品xxx网站 | 夜夜爽天天搞| 可以在线观看的亚洲视频| 免费在线观看成人毛片| 久久久久精品国产欧美久久久| 国产激情欧美一区二区| 99国产精品一区二区三区| 日本黄色视频三级网站网址| 嫩草影视91久久| 国产男靠女视频免费网站| 国产高清激情床上av| 床上黄色一级片| 少妇裸体淫交视频免费看高清| 国模一区二区三区四区视频 | 亚洲欧美精品综合一区二区三区| 成人特级黄色片久久久久久久| 国产三级在线视频| 亚洲激情在线av| 制服人妻中文乱码| 99热精品在线国产| 曰老女人黄片| 我的老师免费观看完整版| 大型黄色视频在线免费观看| 麻豆久久精品国产亚洲av| 欧美日本亚洲视频在线播放| 97超视频在线观看视频| 男女之事视频高清在线观看| 男插女下体视频免费在线播放| 亚洲成a人片在线一区二区| 法律面前人人平等表现在哪些方面| 免费在线观看日本一区| 超碰成人久久| 99视频精品全部免费 在线 | a级毛片在线看网站| 午夜激情福利司机影院| 高清在线国产一区| 国产精品亚洲美女久久久| 精品不卡国产一区二区三区| 波多野结衣高清无吗| 九九久久精品国产亚洲av麻豆 | 最近最新中文字幕大全免费视频| 国产亚洲精品久久久com| xxxwww97欧美| 亚洲在线观看片| 老司机在亚洲福利影院| 日韩欧美 国产精品| 久久婷婷人人爽人人干人人爱| 亚洲av电影在线进入| 高清毛片免费观看视频网站| 非洲黑人性xxxx精品又粗又长| 国产人伦9x9x在线观看| 欧美绝顶高潮抽搐喷水| 999久久久国产精品视频| 香蕉av资源在线| 国产黄色小视频在线观看| 日韩有码中文字幕| 99久久成人亚洲精品观看| 好看av亚洲va欧美ⅴa在| 国产极品精品免费视频能看的| av欧美777| 欧美性猛交╳xxx乱大交人| 久久久色成人| 高清在线国产一区| 亚洲va日本ⅴa欧美va伊人久久| 日本黄大片高清| 99re在线观看精品视频| 香蕉丝袜av| 别揉我奶头~嗯~啊~动态视频| 国产人伦9x9x在线观看| 欧美不卡视频在线免费观看| 国产男靠女视频免费网站| 国产一区二区激情短视频| 禁无遮挡网站| 99久久成人亚洲精品观看| 国产精品乱码一区二三区的特点| 悠悠久久av| 深夜精品福利| 十八禁人妻一区二区| 色尼玛亚洲综合影院| 级片在线观看| 看片在线看免费视频| 九九在线视频观看精品| 热99在线观看视频| 欧美午夜高清在线| av在线天堂中文字幕| av在线天堂中文字幕| 一本一本综合久久| 啦啦啦观看免费观看视频高清| 两个人的视频大全免费| 一a级毛片在线观看| 黄色视频,在线免费观看| 免费在线观看成人毛片| 久久国产精品人妻蜜桃| 免费av不卡在线播放| 国产精品香港三级国产av潘金莲| 国产精品av久久久久免费| 午夜激情福利司机影院| 精品国内亚洲2022精品成人| 久久精品91蜜桃| 久久亚洲精品不卡| 观看美女的网站| x7x7x7水蜜桃| 中文字幕高清在线视频| 欧美一区二区精品小视频在线| 天堂√8在线中文| 国产亚洲欧美98| 999精品在线视频| 男女之事视频高清在线观看| 99热这里只有是精品50| 成人三级黄色视频| 亚洲av熟女| 精品日产1卡2卡| 亚洲最大成人中文| 亚洲成人精品中文字幕电影| 一个人免费在线观看的高清视频| 别揉我奶头~嗯~啊~动态视频| 久久久精品大字幕| 亚洲电影在线观看av| 热99在线观看视频| 最近最新中文字幕大全免费视频| 成年女人毛片免费观看观看9| 免费一级毛片在线播放高清视频| 亚洲一区二区三区色噜噜| 国产欧美日韩精品亚洲av| 两性夫妻黄色片| 亚洲av成人精品一区久久| 老汉色∧v一级毛片| 欧美黄色片欧美黄色片| 久久久久九九精品影院| 欧美一级a爱片免费观看看| 亚洲人成网站在线播放欧美日韩| 国产成人系列免费观看| 狠狠狠狠99中文字幕| av片东京热男人的天堂| 免费一级毛片在线播放高清视频| 亚洲成人久久性| 久久精品综合一区二区三区| 无人区码免费观看不卡| 91在线观看av| 亚洲欧美日韩无卡精品| 中文资源天堂在线| 国产99白浆流出| 国产黄a三级三级三级人| 亚洲人成电影免费在线| 国产精品野战在线观看| 91字幕亚洲| 国产精品爽爽va在线观看网站| 桃色一区二区三区在线观看| 色综合婷婷激情| 2021天堂中文幕一二区在线观| 亚洲九九香蕉| 中出人妻视频一区二区| 亚洲午夜精品一区,二区,三区| 国产精品av视频在线免费观看| 青草久久国产| 国产激情偷乱视频一区二区| 人人妻,人人澡人人爽秒播| 免费看美女性在线毛片视频| 久久草成人影院| 老司机在亚洲福利影院| 国产精品一及| 午夜精品久久久久久毛片777| 亚洲中文日韩欧美视频| 男女午夜视频在线观看| 91久久精品国产一区二区成人 | 一a级毛片在线观看| 久久亚洲真实| 国产又黄又爽又无遮挡在线| 1000部很黄的大片| 嫩草影院精品99| 熟女少妇亚洲综合色aaa.| 免费av不卡在线播放| 亚洲av免费在线观看| 狂野欧美白嫩少妇大欣赏| 午夜日韩欧美国产| 亚洲专区字幕在线| 97人妻精品一区二区三区麻豆| 国产精品 国内视频| 欧美一级a爱片免费观看看| 久久欧美精品欧美久久欧美| 天天躁日日操中文字幕| 91老司机精品| 神马国产精品三级电影在线观看| 亚洲精品中文字幕一二三四区| 最近最新中文字幕大全电影3| 国内少妇人妻偷人精品xxx网站 | 中文字幕最新亚洲高清| ponron亚洲| 精品免费久久久久久久清纯| 高清在线国产一区| 成年人黄色毛片网站| 国产97色在线日韩免费| 一个人看视频在线观看www免费 | 久久久国产欧美日韩av| 国产精品久久视频播放| 国产精品野战在线观看| 五月伊人婷婷丁香| 国产亚洲精品久久久com| 国产精品99久久99久久久不卡| 欧美日韩中文字幕国产精品一区二区三区| 欧美中文日本在线观看视频| 成人国产综合亚洲| 国产精品免费一区二区三区在线| 日韩有码中文字幕| 少妇熟女aⅴ在线视频| 国产私拍福利视频在线观看| 免费在线观看成人毛片| 国产精品98久久久久久宅男小说| 亚洲熟妇中文字幕五十中出| 色视频www国产| 小说图片视频综合网站| 欧美一区二区国产精品久久精品| 成人亚洲精品av一区二区| 麻豆久久精品国产亚洲av| 性色av乱码一区二区三区2| 久久人妻av系列| 久久久国产欧美日韩av| 免费观看的影片在线观看| 亚洲成av人片在线播放无| 久久久成人免费电影| 可以在线观看的亚洲视频| 手机成人av网站| 国产黄a三级三级三级人| 婷婷丁香在线五月| av在线蜜桃| 舔av片在线| 国产av一区在线观看免费| 欧美一区二区精品小视频在线| 黄频高清免费视频| 国内精品久久久久精免费| 欧美av亚洲av综合av国产av| 黄片大片在线免费观看| 国产精品亚洲美女久久久| 美女高潮喷水抽搐中文字幕| 免费看日本二区| 亚洲成人久久性| 99久久无色码亚洲精品果冻| 看片在线看免费视频| 国产精品久久久人人做人人爽| 国产成人一区二区三区免费视频网站| 曰老女人黄片| 成人特级av手机在线观看| 99久久成人亚洲精品观看| 精品人妻1区二区| 黄片大片在线免费观看| 国产精品亚洲美女久久久| 亚洲精品色激情综合| 久久久久国产一级毛片高清牌| 悠悠久久av| 日本 欧美在线| 亚洲午夜理论影院| 美女高潮喷水抽搐中文字幕| 精品日产1卡2卡| 午夜福利在线在线| 国产欧美日韩一区二区精品| 精品国产超薄肉色丝袜足j| 欧美在线一区亚洲| 国产熟女xx| 亚洲av日韩精品久久久久久密| 国内精品久久久久精免费| 精品国产三级普通话版| 国产视频内射| 国内精品美女久久久久久| 最近最新免费中文字幕在线| 国产伦一二天堂av在线观看| 亚洲18禁久久av| 亚洲国产中文字幕在线视频| 亚洲专区中文字幕在线| 免费观看的影片在线观看| 黄色日韩在线| 18禁美女被吸乳视频| 亚洲成av人片在线播放无| 日韩三级视频一区二区三区| 亚洲精品乱码久久久v下载方式 | 免费在线观看视频国产中文字幕亚洲| 日韩三级视频一区二区三区| 国产综合懂色| 国产真人三级小视频在线观看| 午夜激情福利司机影院| 日本黄大片高清| 免费看十八禁软件| 岛国在线观看网站| 亚洲九九香蕉| 真人做人爱边吃奶动态| 国产精品一区二区三区四区久久| 久久伊人香网站| av国产免费在线观看| 99久久精品国产亚洲精品| 黄色 视频免费看| a在线观看视频网站| 亚洲最大成人中文| 极品教师在线免费播放| 一级毛片精品| 国产精品一区二区三区四区久久| 日本在线视频免费播放| 亚洲成人中文字幕在线播放| 很黄的视频免费| 一进一出抽搐gif免费好疼| 久久久久九九精品影院| 国产乱人伦免费视频| 叶爱在线成人免费视频播放| 丁香六月欧美| 国产高清视频在线观看网站| 日本三级黄在线观看| 国产一区二区在线观看日韩 | 丰满的人妻完整版| 真实男女啪啪啪动态图| 十八禁网站免费在线| 91老司机精品| 波多野结衣高清作品| 国产aⅴ精品一区二区三区波| 日本 av在线| 成熟少妇高潮喷水视频| 美女大奶头视频| 欧美黄色淫秽网站| 日本五十路高清| 热99re8久久精品国产| 18禁观看日本| 一进一出抽搐动态| 午夜视频精品福利| 精品一区二区三区视频在线 | 成人永久免费在线观看视频| 国产精品精品国产色婷婷| 9191精品国产免费久久| 床上黄色一级片| 精品国产乱子伦一区二区三区| 99热只有精品国产| 国产 一区 欧美 日韩| 18禁国产床啪视频网站| 欧洲精品卡2卡3卡4卡5卡区| 国内揄拍国产精品人妻在线| 色av中文字幕| 国产一区二区在线观看日韩 | 波多野结衣高清作品| 日本一本二区三区精品| 丰满人妻一区二区三区视频av | 日韩欧美免费精品| 黑人操中国人逼视频| 亚洲精品国产精品久久久不卡| 日韩大尺度精品在线看网址| 国产成年人精品一区二区| 免费观看精品视频网站| 成在线人永久免费视频| 在线十欧美十亚洲十日本专区|