• <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 ?

    基于典型相關分析全局和局部特征融合的植物識別方法

    2019-09-23 06:10:53張善文邵彧李萍
    江蘇農業(yè)科學 2019年14期

    張善文 邵彧 李萍

    摘要:同類葉片圖像的復雜多樣性增加了植物識別研究的難度,導致利用葉片圖像進行植物識別的識別率不高,因此提出一種基于典型相關分析(CCA)全局和局部特征融合的植物識別方法。首先,采用有較好的光照及旋轉不變性的梯度直方圖(HOG)和邊緣輪廓Fourier描述子作為植物識別的特征;然后利用CCA在特征層將HOG和Fourier描述子相融合,構成更具分類鑒別力的一個特征向量;最后利用K-最近鄰分類器進行植物識別。在ICL葉片圖像數(shù)據(jù)庫上的試驗結果表明了該方法的有效性。

    關鍵詞:梯度直方圖;Fourier描述子;典型相關性分析;植物識別

    中圖分類號: TN911.73;TP391.41 ?文獻標志碼: A ?文章編號:1002-1302(2019)14-0255-04

    植物影響著人類賴以生存的生態(tài)系統(tǒng),對生態(tài)平衡和環(huán)境保護起著重要作用。開展植物物種的機器識別研究具有重要的現(xiàn)實意義,是計算機視角、圖像處理和植保等領域的一個主要的研究方向[1-2]。張娟研究了梅花葉片圖像的分割、特征提取、分類器分類等方面的問題,提出了一種針對自然背景下基于紋理和顏色特征的梅花圖像分割方法[3]。為了提高植物葉片識別與分類的正確率,張昭等提出了一種基于主成分分析(PCA)和支持向量機(SVM)的植物葉片識別方法。該方法從分割、邊緣檢測的葉片圖像中提取了10個具有旋轉、比例、平移不變性的無量綱葉片特征參數(shù),然后進行主成分分析,將前3個主成分作為支持向量機的輸入進行植物識別,取得了97.22%的識別率[4]。Du等提出了一種基于輪廓分形維數(shù)和葉脈分形維數(shù)描述植物葉片特征的新方法,首先利用多閾值邊緣檢測方法對葉脈和葉柄進行分割,得到多條葉脈;然后計算葉片邊緣圖像和多脈圖像的二維分形維數(shù),再提取小波分形特征進行植物識別。試驗結果證明了分形維數(shù)特征方法的有效性[5]。Mallah等建立了一個具有100多種植物且每種植物有16幅葉片圖像的數(shù)據(jù)集,并提出了一種基于葉片形狀、紋理和邊緣特征的后驗概率相結合的植物葉片分類方法[6]。Chaki等提出了一種基于紋理特征和形狀特征相融合的植物葉片分類方法,該方法對葉片圖像的形狀、大小和方位具有一定的魯棒性[7]。Munisami等構建了一套植物識別系統(tǒng),用戶可以將拍攝的葉片圖像上傳到該系統(tǒng)的服務器,服務器對葉片圖像進行預處理、特征提取和匹配。其中,提取的不同特征有葉片圖像的長和寬、面積、周長、顏色直方圖和質心-輪廓徑向距離等[8]。丁嬌等提出了一種基于差異性值監(jiān)督局部線性嵌入(D-LLE)算法的多特征植物葉片圖像識別方法,該方法提取葉片的顏色、形狀和紋理作為葉片多特征,利用D-LLE對葉片高維特征進行降維,在低維空間利用K-最近鄰分類器進行植物葉片識別[9]。王麗君等綜合提取觀葉植物葉片圖像的顏色、形狀和紋理特征,利用SVM進行識別,取得了91.41%的識別效果[10]。劉驥等針對葉緣葉裂明顯的植物葉片識別問題,提出一種基于葉片形狀特征的識別方法,該方法提取了葉片圖像的8種形狀特征,經過對8種特征的皮爾森相關系數(shù)分析與主成分分析,確定對分類貢獻最大的5個主成分,最后利用BP神經網絡進行植物識別[11]。Wang等提出了一種基于脈沖耦合神經網絡和支持向量機的植物識別方法,與現(xiàn)有方法相比,該方法具有較好的識別效果[12]。李洋等針對傳統(tǒng)植物識別方法工作任務量大、效率低下以及難以保證數(shù)據(jù)客觀性的問題,提出了一種基于形狀特征的植物葉片識別算法,并開發(fā)了一款C/S模式的植物葉片在線識別Android應用[13]。高良等針對當前葉片特征描述存在的局限和葉片識別準確率較低的問題,設計描述葉片輪廓的距離矩陣和角點矩陣,通過計算基于幾何特征、紋理特征和角點距離矩陣的綜合相似度對葉片進行精確識別,在Flavia數(shù)據(jù)集上的識別率高達97.5%以上[14]。單治磊等提出了一種基于植物多特征提取與局部嵌入融合的植物識別方法,該方法利用分塊的局部二值模式(LBP)算法提取植物葉片的紋理特征,使用局部線性嵌入(LLE)算法,對高維的LBP特征進行降維,減少了分類識別時間,同時能夠達到更好的聚類效果[15]。Jeon等提出了一種基于卷積神經網絡的植物識別方法,取得了較高的識別率,但該方法需要大量訓練樣本進行長時間訓練[16]。

    在實際植物識別過程中,在復雜環(huán)境下拍攝的同一種植物的葉片圖像間差異較大,而且對于葉片圖像的顏色、形狀和紋理特征而言,由于同種葉片之間可能存在著較大差異,因而很多基于葉片的顏色、紋理和形狀特征的植物識別方法的識別率不高。不同方法得到的葉片圖像的全局特征和局部特征所描述的內容和作用各不相同,如一些基于葉片的全局特征的方法缺乏對葉片光照、拍攝角度和大小等變化的魯棒性;而單純基于葉片的局部特征的方法又忽略了局部特征之間的聯(lián)系,從而損失了部分全局特征。對于復雜背景下的植物識別問題,單純依靠某一種特征很難得到高的識別率。典型相關分析(canonical correlation analysis,CCA)通過最大化2組特征之間的相關性[17],找出2個線性變換的投影矩陣,由此得到1個融合特征向量,使變換后的2組數(shù)據(jù)相關性最大化[18]。為了提高植物識別率,提出一種基于CCA融合全局和局部特征的植物識別算法,并利用ICL葉片圖像數(shù)據(jù)集驗證其有效性。

    1 材料與方法

    1.1 試驗材料

    試驗采用中國科學院合肥智能機械研究所智能計算實驗室的ICL植物葉片圖像數(shù)據(jù)庫(http://www.intelengine.cn/dataset/index.html),其中包括220種植物16 851幅葉片圖像,每種植物包含的葉片圖像的數(shù)目不一,紫穗槐有1 078幅葉片圖像,而五葉地錦僅有26幅葉片圖像。這些葉片圖像都是在不同的時間、光照和角度等條件下采集,然后再利用葉片圖像采集儀進行拍攝得到。圖1為葉片圖像示例。

    1.2 試驗方法

    基于葉片的植物分類方法由葉片的輪廓全局特征和內部局部細節(jié)來識別,這些特征反映了葉片結構的形狀和紋理特征,一般不包含顏色特征。筆者利用方向梯度直方圖(histogram of oriented gradient,HOG)特征描述子提取葉片圖像的內部細節(jié)特征,然后利用Canny邊緣檢測算法和Fourier描述子提取葉片圖像的輪廓特征,再利用CCA將2組特征向量融合為1個特征向量,最后利用K-最近鄰分類器進行植物分類。

    1.2.1 方向梯度直方圖 HOG是在計算機視覺和圖像處理中廣泛使用的一種圖像局部特征提取方法,是通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構成特征,其步驟如下:(1)葉片圖像灰度化和歸一化。采用Gamma校正法對葉片圖像進行RGB顏色空間數(shù)據(jù)歸一化處理,降低圖像局部的陰影和光照變化對特征提取的影響,而且可以抑制噪聲干擾。

    2 試驗結果與分析

    采用2-折交叉驗證法在ICL植物葉片圖像數(shù)據(jù)庫上進行試驗,并與紋理和形狀相結合的方法(TS)[7]、基于葉片形狀特征的方法(SH)[11]和多特征融合的方法(MFF)[14]3種植物識別方法以及直接將HOG特征和Fourier描述子串聯(lián)構成的特征向量識別方法的識別結果進行比較。由于數(shù)據(jù)庫中葉片圖像均為彩色圖像,圖像大小不一,在提取HOG和Fourier特征前須要對每幅圖像進行預處理,將每幅圖像歸一化到 32×32,再轉換為灰度圖像(圖2)。

    首先,通過PCA對提取的HOG直方圖特征向量和Fourier描述子特征向量進行維數(shù)約簡;然后,利用CCA進行融合,得到1個特征向量(經驗選取維數(shù)d為50);最后,利用1-最近鄰分類器進行分類。表1為5種植物識別方法經過50次2-折交叉驗證得到的葉片圖像的平均分類率和方差。

    由表1可知,本研究方法的植物識別率最高。其主要原因是利用CCA將HOG特征和Fourier描述子相融合,而CCA能夠將2組不同的特征向量有機融合,最大化2組向量之間的相關性,得到具有葉片圖像的HOG和Fourier描述子特征優(yōu)點的融合特征向量,得到了有利于分類的旋轉、尺度和光照

    不變性全局和局部形狀和紋理特征,而TS方法和 HOG+Fourier方法沒有考慮2組特征之間的相關關系,SH方法提取的形狀沒有充分描述葉片圖像,MFF方法只是簡單地提取圖像的多個特征,該特征不足以表示葉片形狀,所以4種比較方法的識別率不高。

    3 結論

    CCA是一種經典的特征融合和維數(shù)約簡算法,利用CCA能夠對2組異構的特征向量進行融合,得到相關性很高的低維融合特征向量。本研究方法首先提取葉片圖像的全局和局部特征向量,然后利用CCA進行特征融合,最后利用K-最近鄰分類器進行植物分類。在ICL葉片圖像數(shù)據(jù)庫上的試驗結果表明,該方法是可行的。下一步繼續(xù)研究魯棒、監(jiān)督的特征提取和融合算法,并討論算法的復雜度。

    參考文獻:

    [1]陶行科. 基于紋理特征的葉片識別系統(tǒng)研究[D]. 北京:北京林業(yè)大學,2015.

    [2]Ehsanirad A. Plant classification based on leaf recognition[J]. International Journal of Computer Science&Information Security,2010,8(4):100-109.

    [3]張 娟. 基于圖像分析的梅花種類識別關鍵技術研究[D]. 北京:北京林業(yè)大學,2011.

    [4]張 昭,楊民倉,何東健. 基于PCA和SVM的植物葉片分類方法研究[J]. 農機化研究,2013(11):34-37,41.

    [5]Du J X,Zhai C M,Wang Q P. Recognition of plant leaf image based on fractal dimension features[J]. Neurocomputing,2013,116(10):150-156.

    [6]Mallah C,Cope J,Orwell J. Plant leaf classification using probabilistic integration of shape,texture and margin features[J]. Acta Press,2013,3842(4):107-111.

    [7]Chaki J,Parekh R,Bhattacharya S. Plant leaf recognition using texture and shape features with neural classifiers[J]. Pattern Recognition Letters,2015,58:61-68.

    [8]Munisami T,Ramsurn M,Kishnah S,et al. Plant leaf recognition using shape features and colour histogram with k-nearest neighbour classifiers[J]. Procedia Computer Science,2015,58:740-747.

    [9]丁 嬌,梁 棟,閻 慶. 基于D-LLE算法的多特征植物葉片圖像識別方法[J]. 計算機工程與應用,2015,51(9):158-163.

    [10]王麗君,淮永建,彭月橙. 基于葉片圖像多特征融合的觀葉植物種類識別[J]. 北京林業(yè)大學學報,2015,37(1):55-61.

    [11]劉 驥,曹鳳蓮,甘林昊. 基于葉片形狀特征的植物識別方法[J]. 計算機應用,2016,36(增刊2):200-202,226.

    [12]Wang Z B,Sun X G,Zhang Y N,et al. Leaf recognition based on PCNN[J]. Neural Computing & Applications,2016,27(4):899-908.

    [13]李 洋,李岳陽,羅海馳,等. 基于形狀特征的植物葉片在線識別方法[J]. 計算機工程與應用,2017,53(2):162-165,171.

    [14]高 良,閆 民,趙 方. 基于多特征融合的植物葉片識別研究[J]. 浙江農業(yè)學報,2017,29(4):668-675.

    [15]單治磊,張王菲,趙熙臨,等. 多特征與局部線性嵌入融合算法在植物識別中的應用研究[J]. 西南林業(yè)大學學報(自然科學版),2017,37(6):188-194.

    [16]Jeon W S,Rhee S Y. Plant leaf recognition using a convolution neural network[J]. International Journal of Fuzzy Logic&Intelligent Systems,2017,17(1):26-34.

    [17]Yuan Y H,Yang J L,Shen X B,et al. Discriminative scatter regularized CCA for multiview image feature learning and recognition[C]. Chinese Conference on Biometric Recognition,2015:694-701.

    [18]Yang X H,Liu W F,Tao D P,et al. Canonical correlation analysis networks for two-view image recognition[J]. Information Sciences,2017,385:338-352.

    [19]Neto J C,Meyer G E,Jones D D,et al. Plant species identification using Elliptic Fourier leaf shape analysis[J]. Computers and Electronics in Agriculture,2006,50(2):121-134.

    久久中文看片网| 久久久久久免费高清国产稀缺| 丁香六月欧美| 桃色一区二区三区在线观看| 久久精品91无色码中文字幕| 国产精品一区二区三区四区久久 | 18禁裸乳无遮挡免费网站照片 | 国产成人欧美| 国产日韩一区二区三区精品不卡| 禁无遮挡网站| 91成年电影在线观看| 一进一出抽搐gif免费好疼| 曰老女人黄片| 一区二区三区国产精品乱码| 国产成人免费无遮挡视频| 亚洲avbb在线观看| 91国产中文字幕| 久久精品人人爽人人爽视色| 美女高潮到喷水免费观看| 久久久久久国产a免费观看| 国产精品日韩av在线免费观看 | 国产av一区二区精品久久| 99re在线观看精品视频| 久久久国产欧美日韩av| 最好的美女福利视频网| 国产精品影院久久| 最好的美女福利视频网| 成人特级黄色片久久久久久久| 成人亚洲精品av一区二区| 可以在线观看的亚洲视频| 久久久久九九精品影院| 一级作爱视频免费观看| 香蕉国产在线看| 欧美激情 高清一区二区三区| 亚洲少妇的诱惑av| 亚洲精品在线美女| 色婷婷久久久亚洲欧美| 一级毛片高清免费大全| 欧美大码av| 欧美一级毛片孕妇| 国产国语露脸激情在线看| 18禁美女被吸乳视频| 久久久久久久久久久久大奶| 国产成人影院久久av| 禁无遮挡网站| 久久久久久久精品吃奶| 免费搜索国产男女视频| 亚洲黑人精品在线| 天天添夜夜摸| 久久久精品欧美日韩精品| 天天添夜夜摸| 一夜夜www| 大型av网站在线播放| 免费高清视频大片| 12—13女人毛片做爰片一| 搡老熟女国产l中国老女人| 国产成人精品久久二区二区免费| 亚洲欧美日韩高清在线视频| 久久人人爽av亚洲精品天堂| 法律面前人人平等表现在哪些方面| 欧美丝袜亚洲另类 | 97人妻天天添夜夜摸| 一本综合久久免费| 一区二区三区国产精品乱码| 99国产精品99久久久久| netflix在线观看网站| 757午夜福利合集在线观看| 久久青草综合色| 女人精品久久久久毛片| 在线观看免费日韩欧美大片| 国产精品爽爽va在线观看网站 | 91在线观看av| 精品第一国产精品| 中出人妻视频一区二区| 无人区码免费观看不卡| 男人的好看免费观看在线视频 | 国产99久久九九免费精品| 日本三级黄在线观看| 亚洲成国产人片在线观看| 国产国语露脸激情在线看| 女人被狂操c到高潮| 欧美黄色淫秽网站| 一级,二级,三级黄色视频| 日本免费a在线| 久久中文字幕一级| 中国美女看黄片| 日本一区二区免费在线视频| 精品午夜福利视频在线观看一区| 国产精品亚洲av一区麻豆| 免费不卡黄色视频| 欧美日韩亚洲国产一区二区在线观看| xxx96com| 亚洲av片天天在线观看| 91在线观看av| 香蕉久久夜色| 亚洲欧洲精品一区二区精品久久久| 亚洲第一电影网av| 伦理电影免费视频| 黄片播放在线免费| 熟女少妇亚洲综合色aaa.| 亚洲欧美激情综合另类| 国产国语露脸激情在线看| 久99久视频精品免费| 亚洲人成电影免费在线| 好男人在线观看高清免费视频 | 国产黄a三级三级三级人| 1024香蕉在线观看| 99在线人妻在线中文字幕| 国产成人精品久久二区二区91| 一本综合久久免费| 在线十欧美十亚洲十日本专区| 久久久久久免费高清国产稀缺| 久久欧美精品欧美久久欧美| 老熟妇仑乱视频hdxx| 老汉色∧v一级毛片| 在线观看www视频免费| 亚洲精品一卡2卡三卡4卡5卡| 国产高清视频在线播放一区| 亚洲精品久久成人aⅴ小说| 高潮久久久久久久久久久不卡| 亚洲精品国产色婷婷电影| 91精品三级在线观看| 美女大奶头视频| 波多野结衣巨乳人妻| 脱女人内裤的视频| 久久久久精品国产欧美久久久| 成人手机av| 免费看十八禁软件| 波多野结衣一区麻豆| 国产精品秋霞免费鲁丝片| 午夜福利在线观看吧| 精品久久久久久久毛片微露脸| 天堂√8在线中文| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲五月婷婷丁香| 桃红色精品国产亚洲av| 精品欧美国产一区二区三| 男人的好看免费观看在线视频 | 女同久久另类99精品国产91| 久久精品91蜜桃| 麻豆成人av在线观看| 国产精品香港三级国产av潘金莲| 美女扒开内裤让男人捅视频| 黄色片一级片一级黄色片| 国产成人一区二区三区免费视频网站| 亚洲国产精品成人综合色| 一夜夜www| 99国产精品一区二区蜜桃av| 欧美国产精品va在线观看不卡| 怎么达到女性高潮| 午夜久久久久精精品| 一级毛片精品| 一级,二级,三级黄色视频| 欧美黑人精品巨大| av视频免费观看在线观看| 久久亚洲精品不卡| 亚洲久久久国产精品| 亚洲成人免费电影在线观看| 精品国产国语对白av| 成年女人毛片免费观看观看9| videosex国产| 国产欧美日韩精品亚洲av| 天堂√8在线中文| 亚洲七黄色美女视频| 一进一出抽搐动态| 最近最新中文字幕大全电影3 | 免费在线观看完整版高清| 日韩精品免费视频一区二区三区| 欧美精品啪啪一区二区三区| 国产成人免费无遮挡视频| 两性午夜刺激爽爽歪歪视频在线观看 | 欧洲精品卡2卡3卡4卡5卡区| 日韩欧美免费精品| 久久婷婷人人爽人人干人人爱 | 国产av精品麻豆| 人成视频在线观看免费观看| 一级片免费观看大全| 99riav亚洲国产免费| 性色av乱码一区二区三区2| 国内毛片毛片毛片毛片毛片| 久久久水蜜桃国产精品网| 久久久国产欧美日韩av| 日韩欧美国产一区二区入口| 国产精品久久久av美女十八| 亚洲激情在线av| 18禁国产床啪视频网站| 美女高潮到喷水免费观看| 性色av乱码一区二区三区2| 国产免费av片在线观看野外av| 免费在线观看影片大全网站| 亚洲av成人不卡在线观看播放网| 久热爱精品视频在线9| 999精品在线视频| 国产亚洲精品一区二区www| 久久热在线av| 十分钟在线观看高清视频www| 男女之事视频高清在线观看| 一个人免费在线观看的高清视频| 亚洲五月天丁香| 可以在线观看的亚洲视频| 成年女人毛片免费观看观看9| 国产麻豆69| 满18在线观看网站| 亚洲无线在线观看| 淫秽高清视频在线观看| 一个人观看的视频www高清免费观看 | 日日夜夜操网爽| 亚洲一区二区三区不卡视频| 亚洲精品一卡2卡三卡4卡5卡| 免费在线观看影片大全网站| 色哟哟哟哟哟哟| 亚洲av成人不卡在线观看播放网| 亚洲国产精品999在线| 亚洲国产毛片av蜜桃av| 成人三级黄色视频| 国产亚洲精品第一综合不卡| 村上凉子中文字幕在线| 亚洲av美国av| 天天添夜夜摸| 免费搜索国产男女视频| 成人手机av| 夜夜夜夜夜久久久久| 久久人妻av系列| 国产成人欧美在线观看| 欧美日韩一级在线毛片| 18禁裸乳无遮挡免费网站照片 | 两个人免费观看高清视频| 欧美黄色片欧美黄色片| 国产精品二区激情视频| 国产欧美日韩一区二区三区在线| 激情在线观看视频在线高清| 可以在线观看毛片的网站| 久9热在线精品视频| 人成视频在线观看免费观看| 日韩欧美免费精品| 老汉色av国产亚洲站长工具| 色精品久久人妻99蜜桃| 国产亚洲欧美精品永久| 欧美国产精品va在线观看不卡| 免费看a级黄色片| 他把我摸到了高潮在线观看| 满18在线观看网站| 可以在线观看的亚洲视频| 51午夜福利影视在线观看| 亚洲精品粉嫩美女一区| 精品乱码久久久久久99久播| 日本 av在线| 国产欧美日韩一区二区三| 久久精品国产清高在天天线| 十八禁网站免费在线| 制服丝袜大香蕉在线| 日本vs欧美在线观看视频| 亚洲免费av在线视频| 99国产精品99久久久久| 欧美国产精品va在线观看不卡| 97碰自拍视频| 国产欧美日韩一区二区三| 日本欧美视频一区| 黄色 视频免费看| 不卡av一区二区三区| 黑人操中国人逼视频| 亚洲欧美日韩另类电影网站| 精品高清国产在线一区| 中文字幕人妻丝袜一区二区| 两个人视频免费观看高清| svipshipincom国产片| 亚洲国产精品合色在线| 岛国视频午夜一区免费看| 久久中文字幕一级| 国产欧美日韩一区二区精品| 青草久久国产| 亚洲精品国产精品久久久不卡| 国产成人影院久久av| 国产成人av教育| 免费在线观看亚洲国产| 欧美国产日韩亚洲一区| 国产成人av激情在线播放| 久久国产精品人妻蜜桃| 久久 成人 亚洲| 91九色精品人成在线观看| 亚洲五月色婷婷综合| 妹子高潮喷水视频| 人人妻,人人澡人人爽秒播| 亚洲国产精品sss在线观看| 亚洲成人精品中文字幕电影| 国产av在哪里看| 91字幕亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利欧美成人| 日本 av在线| 国产成年人精品一区二区| 在线免费观看的www视频| 乱人伦中国视频| 97人妻精品一区二区三区麻豆 | 国产麻豆成人av免费视频| 一卡2卡三卡四卡精品乱码亚洲| 亚洲 欧美一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 国产又色又爽无遮挡免费看| 91成年电影在线观看| 99香蕉大伊视频| 日韩欧美在线二视频| 又黄又粗又硬又大视频| 丁香欧美五月| 18禁美女被吸乳视频| 久久久国产成人精品二区| 高潮久久久久久久久久久不卡| 亚洲欧美激情在线| 99热只有精品国产| 男女下面插进去视频免费观看| 中文字幕人妻熟女乱码| 欧美国产日韩亚洲一区| 亚洲国产精品合色在线| 999久久久精品免费观看国产| 日韩中文字幕欧美一区二区| 在线视频色国产色| 国产伦人伦偷精品视频| 亚洲人成电影免费在线| 国产日韩一区二区三区精品不卡| 热re99久久国产66热| 中文字幕人成人乱码亚洲影| 禁无遮挡网站| 又黄又粗又硬又大视频| 精品人妻在线不人妻| 91国产中文字幕| 一级毛片高清免费大全| 免费少妇av软件| 高清黄色对白视频在线免费看| 国产高清videossex| 亚洲欧美精品综合一区二区三区| 波多野结衣av一区二区av| 免费女性裸体啪啪无遮挡网站| 欧美成人免费av一区二区三区| 在线观看舔阴道视频| 久久久久亚洲av毛片大全| 久久久久久国产a免费观看| 在线观看午夜福利视频| 欧美中文综合在线视频| 老司机在亚洲福利影院| 午夜福利欧美成人| 91国产中文字幕| 国产精品一区二区免费欧美| 亚洲电影在线观看av| 国产91精品成人一区二区三区| 中国美女看黄片| 亚洲第一电影网av| 国产精品免费视频内射| av欧美777| 免费高清在线观看日韩| 国产国语露脸激情在线看| 国产精品亚洲av一区麻豆| 久久青草综合色| 欧美乱色亚洲激情| 91成人精品电影| 中文字幕人妻丝袜一区二区| 香蕉丝袜av| e午夜精品久久久久久久| 99久久99久久久精品蜜桃| 涩涩av久久男人的天堂| 老鸭窝网址在线观看| 看免费av毛片| 日本免费一区二区三区高清不卡 | 成人国语在线视频| 日韩国内少妇激情av| av在线播放免费不卡| av超薄肉色丝袜交足视频| 精品第一国产精品| 精品不卡国产一区二区三区| 欧美午夜高清在线| 麻豆av在线久日| 脱女人内裤的视频| 自线自在国产av| 国产高清有码在线观看视频 | 人妻丰满熟妇av一区二区三区| 国产精品国产高清国产av| 日韩精品青青久久久久久| 女生性感内裤真人,穿戴方法视频| 国产麻豆69| 国产精品亚洲美女久久久| 男人舔女人下体高潮全视频| 99在线视频只有这里精品首页| 成人精品一区二区免费| 亚洲欧美日韩无卡精品| 亚洲国产欧美一区二区综合| 两个人看的免费小视频| 久久人人97超碰香蕉20202| 欧美老熟妇乱子伦牲交| 黄片大片在线免费观看| 啦啦啦观看免费观看视频高清 | 免费人成视频x8x8入口观看| av天堂久久9| 日本黄色视频三级网站网址| 国产一区二区三区综合在线观看| 日本一区二区免费在线视频| 欧美乱码精品一区二区三区| 搡老岳熟女国产| 免费人成视频x8x8入口观看| 久久久久精品国产欧美久久久| 精品国产超薄肉色丝袜足j| 岛国视频午夜一区免费看| 好男人在线观看高清免费视频 | 夜夜躁狠狠躁天天躁| 成人国产一区最新在线观看| 叶爱在线成人免费视频播放| 色av中文字幕| 亚洲人成网站在线播放欧美日韩| 国产精品一区二区三区四区久久 | 一区二区日韩欧美中文字幕| 18美女黄网站色大片免费观看| 精品第一国产精品| 欧美一区二区精品小视频在线| 日韩视频一区二区在线观看| 国产精品久久电影中文字幕| 一进一出抽搐gif免费好疼| 两个人视频免费观看高清| 欧美最黄视频在线播放免费| 婷婷六月久久综合丁香| 女警被强在线播放| 又黄又爽又免费观看的视频| 88av欧美| 欧美丝袜亚洲另类 | 久久天躁狠狠躁夜夜2o2o| 99热只有精品国产| 色精品久久人妻99蜜桃| 看片在线看免费视频| 在线观看免费视频网站a站| 给我免费播放毛片高清在线观看| 香蕉久久夜色| www.999成人在线观看| 性欧美人与动物交配| 亚洲色图av天堂| 国产黄a三级三级三级人| 国产成人欧美在线观看| 动漫黄色视频在线观看| 免费高清在线观看日韩| 熟女少妇亚洲综合色aaa.| 色哟哟哟哟哟哟| 久久中文字幕一级| 黄色丝袜av网址大全| 黄色 视频免费看| 男女之事视频高清在线观看| 国产在线精品亚洲第一网站| 亚洲少妇的诱惑av| 禁无遮挡网站| 岛国在线观看网站| 精品乱码久久久久久99久播| 亚洲一卡2卡3卡4卡5卡精品中文| 9191精品国产免费久久| 亚洲精品久久成人aⅴ小说| 国产精品美女特级片免费视频播放器 | 亚洲五月天丁香| 久久久久久久久久久久大奶| 久久伊人香网站| 一进一出抽搐gif免费好疼| 一个人观看的视频www高清免费观看 | 日韩视频一区二区在线观看| 三级毛片av免费| 国产精品野战在线观看| 日本免费一区二区三区高清不卡 | 久久精品国产99精品国产亚洲性色 | 欧美国产精品va在线观看不卡| 免费高清视频大片| 中文字幕最新亚洲高清| 日韩 欧美 亚洲 中文字幕| 亚洲免费av在线视频| 精品国产亚洲在线| 一级片免费观看大全| 麻豆一二三区av精品| 一区二区日韩欧美中文字幕| 国产麻豆成人av免费视频| 国产精品1区2区在线观看.| www.999成人在线观看| 中出人妻视频一区二区| 亚洲精品国产区一区二| 狠狠狠狠99中文字幕| 日日摸夜夜添夜夜添小说| avwww免费| 97超级碰碰碰精品色视频在线观看| 日本黄色视频三级网站网址| 亚洲av熟女| 亚洲av成人一区二区三| 天堂√8在线中文| 最新美女视频免费是黄的| 黄色女人牲交| 一卡2卡三卡四卡精品乱码亚洲| 97碰自拍视频| 免费在线观看亚洲国产| 此物有八面人人有两片| 免费在线观看亚洲国产| 亚洲 国产 在线| 国产色视频综合| 天天一区二区日本电影三级 | 性少妇av在线| 999久久久精品免费观看国产| 丝袜人妻中文字幕| 在线十欧美十亚洲十日本专区| 欧美日韩乱码在线| 国产亚洲精品综合一区在线观看 | 久久人妻av系列| 亚洲第一青青草原| av天堂久久9| 1024香蕉在线观看| 亚洲国产中文字幕在线视频| 男女午夜视频在线观看| 久久久国产成人免费| 妹子高潮喷水视频| 日韩高清综合在线| 黄色成人免费大全| 亚洲欧美一区二区三区黑人| 欧美乱码精品一区二区三区| АⅤ资源中文在线天堂| 亚洲男人的天堂狠狠| 午夜福利18| 亚洲成a人片在线一区二区| 欧美亚洲日本最大视频资源| 免费看十八禁软件| 9热在线视频观看99| 久久人妻福利社区极品人妻图片| 啦啦啦韩国在线观看视频| 国产高清激情床上av| 最新在线观看一区二区三区| 最好的美女福利视频网| 18禁黄网站禁片午夜丰满| 欧美日韩黄片免| 久久香蕉激情| 午夜福利高清视频| 亚洲色图 男人天堂 中文字幕| 超碰成人久久| 一夜夜www| 成人永久免费在线观看视频| 精品久久久久久久毛片微露脸| 丁香六月欧美| 91精品三级在线观看| 欧美久久黑人一区二区| 深夜精品福利| 亚洲在线自拍视频| 国产一区二区三区综合在线观看| 人妻丰满熟妇av一区二区三区| 天堂动漫精品| 日韩一卡2卡3卡4卡2021年| 欧美+亚洲+日韩+国产| 嫁个100分男人电影在线观看| 欧美不卡视频在线免费观看 | 国产精品免费视频内射| 久久久久久久精品吃奶| 色婷婷久久久亚洲欧美| 免费女性裸体啪啪无遮挡网站| 看黄色毛片网站| 成人亚洲精品一区在线观看| 丝袜美足系列| 国产精品日韩av在线免费观看 | 日韩欧美一区视频在线观看| 久久精品国产99精品国产亚洲性色 | 国产私拍福利视频在线观看| 高清在线国产一区| 两个人免费观看高清视频| 国产精品一区二区在线不卡| 男女下面进入的视频免费午夜 | 国产成人精品久久二区二区91| 女人爽到高潮嗷嗷叫在线视频| 90打野战视频偷拍视频| 91九色精品人成在线观看| 久久久久久大精品| 日日夜夜操网爽| 国产一区二区三区综合在线观看| 欧美一级a爱片免费观看看 | 一级毛片精品| 一二三四社区在线视频社区8| 亚洲中文日韩欧美视频| 欧美激情高清一区二区三区| 好看av亚洲va欧美ⅴa在| 亚洲人成77777在线视频| 久久国产亚洲av麻豆专区| 老汉色av国产亚洲站长工具| 国内精品久久久久精免费| 99国产精品免费福利视频| 国产在线精品亚洲第一网站| 欧美黄色片欧美黄色片| 精品第一国产精品| 日本精品一区二区三区蜜桃| 我的亚洲天堂| 久久久久久大精品| 国产成人av激情在线播放| 国产av一区二区精品久久| 国产人伦9x9x在线观看| 久久精品国产清高在天天线| 国产精品一区二区在线不卡| 国产成年人精品一区二区| 亚洲色图综合在线观看| 国产一区二区在线av高清观看| 丁香六月欧美| 俄罗斯特黄特色一大片| 亚洲国产精品合色在线| 国产成人精品无人区| 成年版毛片免费区| 国产精品久久视频播放| 在线观看免费视频日本深夜| 1024视频免费在线观看| 在线观看www视频免费| 女警被强在线播放| 村上凉子中文字幕在线| 久久久久精品国产欧美久久久| 欧美日本中文国产一区发布| 女人爽到高潮嗷嗷叫在线视频| 夜夜爽天天搞| 麻豆久久精品国产亚洲av| 非洲黑人性xxxx精品又粗又长| 日韩 欧美 亚洲 中文字幕| 亚洲在线自拍视频| 日韩视频一区二区在线观看| 欧美日韩瑟瑟在线播放| 91av网站免费观看| 成人国语在线视频| 大型黄色视频在线免费观看| 美女扒开内裤让男人捅视频|