• <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 ?

    一種小波域K-Means遙感圖像分類標(biāo)注算法

    2019-10-18 02:57彭金喜蘇遠(yuǎn)歧薛笑榮
    軟件導(dǎo)刊 2019年9期
    關(guān)鍵詞:圖像分割語(yǔ)義

    彭金喜 蘇遠(yuǎn)歧 薛笑榮

    摘 要:由于合成孔徑雷達(dá)圖像(遙感)的相干斑噪聲數(shù)據(jù)豐富,導(dǎo)致傳統(tǒng)的遙感圖像分割方法分割效果不佳,采用學(xué)習(xí)理論和神經(jīng)網(wǎng)絡(luò)改善圖像處理性能。根據(jù)圖像統(tǒng)計(jì)特征,采取神經(jīng)網(wǎng)絡(luò)語(yǔ)義提出一種高效的圖像紋理特征分割方法。首先,利用K-means聚類提取遙感圖像的紋理特征,然后根據(jù)遙感圖像在小波域中的分布特征對(duì)其進(jìn)行濾波,最后利用語(yǔ)義對(duì)濾波后的遙感圖像紋理特征和灰度組成的矢量進(jìn)行分割歸類,在遙感圖像分割中快速標(biāo)注分類以便于視覺(jué)分析。利用區(qū)域一致性分割分類,由聚類樣本特征匹配進(jìn)行圖像分類標(biāo)注,對(duì)變化檢測(cè)進(jìn)行統(tǒng)計(jì)分析,過(guò)分割或欠分割誤差聚類樣本不做標(biāo)注,選取最佳樣本聚類k值標(biāo)注分類結(jié)果。

    關(guān)鍵詞:合成孔徑雷達(dá);圖像分割;紋理特征;語(yǔ)義;K-means聚類

    DOI:10. 11907/rjdk. 191913 開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    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)009-0202-05

    A Remote Sensing Image Semantic Classification Label of

    K-means Clustering on Wavelet Transform

    PENG Jin-xi,SU Yuan-qi,XUE Xiao-rong

    (1. South China Institute of Software Engineering, Guangzhou University, Guangzhou ?510990, China;

    2. Department of Computer Science and Technology & AI, Xian Jiaotong University, Xian 710049, China;

    3. School of Computer and Information Engineering, Anyang Normal University, Anyang 455000, China)

    Abstract: Because of the large amount of noise data of polarized remote sensing image, the traditional remote sensing image segmentation method has a poor effect on obtaining better segmentation images. The remote sensing image contains rich texture ?information to facilitate the classification of remote sensing images. Therefore, the learning method uses the advantages of theory and neural network to improve the performance of image processing. According to the statistical characteristics of the image, this paper proposes an efficient image literary feature and semantic analysis based on neural network semantics. Firstly, the texture features of remote sensing images are extracted by K-means clustering, and then filtered according to the distribution characteristics of remote sensing images in the wavelet domain. Finally, the texture features of the filtered Remote Sensing image and the vector of the gray component are segmented and classified by semantics. The algorithm quickly labeled the classification in remote sensing image segmentation for visualization-analysis. Using regional consistency segmentation classification, finally image classification labeling based on cluster sample feature matching, statistical analysis before and after change detection, over-segmentation or under-segmentation error clustering samples are not labeled, and the best sample clustering value k is selected to label classification results.

    Key Words: synthetic aperture radar; image segmentation; texture feature; deep learning semantic; K-means clustering

    0 引言

    圖像分割是目標(biāo)自動(dòng)識(shí)別的關(guān)鍵步驟,然而由于遙感圖像中噪聲的存在,導(dǎo)致傳統(tǒng)的圖像分割方法效果不佳, 對(duì)此許多專家進(jìn)行了深入研究[1-2]。語(yǔ)義分類是根據(jù)隱含信息(texture)進(jìn)行特征匹配的方法[3-5]。

    遙感圖像分割包括灰度值和紋理特征值,如果不同的地面物體有相同或相似的反向散射系數(shù),則會(huì)表現(xiàn)出相同或相似的灰度值,易產(chǎn)生混淆。此外,噪聲進(jìn)一步加劇了圖像紊亂。因此,在實(shí)際應(yīng)用中,僅依據(jù)灰度值進(jìn)行分割效果不佳。而在原始遙感圖像中,由于遙感圖像相干斑噪聲數(shù)影響,灰度像素分布不均,紋理信息多元復(fù)雜,一般結(jié)合紋理特征的優(yōu)點(diǎn)和過(guò)濾的灰度值分割遙感圖像,進(jìn)行分類并獲取圖像特征。通常采用小波域圖像處理,再用k-means聚類方法對(duì)遙感圖像進(jìn)行分割,采用深度學(xué)習(xí)分析的優(yōu)勢(shì)得到較好的分割和聚類性能,滿足目標(biāo)分類需求。

    1 K-means聚類分析

    K-means是一種基于距離的迭代式算法,它將[n]個(gè)觀察實(shí)例分類到[k]個(gè)聚類中,以使每個(gè)觀察實(shí)例距離它所在的聚類中心點(diǎn)比其它聚類中心點(diǎn)距離更小。找到這些聚類中心點(diǎn)初始位置。將聚類分析作為一種無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法看待[6]。通過(guò)數(shù)據(jù)中實(shí)例的特征值相似度,將相似的實(shí)例劃分到一類中,同時(shí)計(jì)算合適的[k]值以免過(guò)度分割或者分割不到位,選擇最佳的聚類迭代法,進(jìn)行分割后的分類標(biāo)注。

    1.1 K-means神經(jīng)網(wǎng)絡(luò)語(yǔ)義區(qū)域一致性分割

    K-means是一種神經(jīng)網(wǎng)絡(luò)分類器,由一個(gè)三層前向反饋網(wǎng)絡(luò)組成[7]。第一層為輸入層,假設(shè)輸入樣本是一個(gè)[n]維特征向量[x],隱含有[n]個(gè)神經(jīng)元,計(jì)算聚類的邊界點(diǎn)到聚類中心質(zhì)心距離:

    中心點(diǎn)選取有部分差異(第一個(gè)[λ] 在[?0-1] 之間)。穩(wěn)定性方法由一個(gè)數(shù)據(jù)集進(jìn)行二次重采樣,然后迭代出兩個(gè)數(shù)據(jù)子集,對(duì)相同聚類的兩個(gè)數(shù)據(jù)子集進(jìn)行歸類,兩個(gè)[k]聚類的子集成員結(jié)果相似度概率分布趨于一致性,且具有高的相似度。由[k]的數(shù)值決定穩(wěn)定聚類概率密度函數(shù)和分布式函數(shù)特征,再計(jì)算參數(shù)估計(jì),迭代[k]值得到最佳聚類分類策略。本文利用公式(3)進(jìn)行計(jì)算效率較高。

    (4)初始化質(zhì)心計(jì)算。

    方法1:選一個(gè)樣本并多層分解,每層提取[k]個(gè)簇集聚類,并用這些樣本質(zhì)心作為初始質(zhì)心:①樣本相對(duì)較小,紋理細(xì)節(jié)較多(層次聚類開(kāi)銷較大);②[k]相對(duì)于樣本較小。隨機(jī)選擇第一個(gè)點(diǎn)作為初始化聚類質(zhì)心計(jì)算。

    方法2:取第一個(gè)像素樣本的質(zhì)心作為初始值,對(duì)于其后樣本再初始質(zhì)心,選擇離初始質(zhì)心最遠(yuǎn)的點(diǎn),確保選擇的初始質(zhì)心不僅是隨機(jī)的,而且也是分散的,但這種方法可能會(huì)偏離種群樣本點(diǎn)造成誤差較大。

    (5)質(zhì)心距離度量: 目標(biāo)函數(shù)達(dá)到最優(yōu)或者達(dá)到最大迭代次數(shù)即可終止。對(duì)于不同的距離度量,目標(biāo)函數(shù)往往不同。當(dāng)采用歐式距離時(shí),目標(biāo)函數(shù)為對(duì)象樣本到其簇集質(zhì)心的距離平方和最小。

    如果所有的點(diǎn)在指派聚類中未獲得某個(gè)簇集,則會(huì)產(chǎn)生空簇集,若存在空簇,繼續(xù)重復(fù)多次迭代直到為非空數(shù)簇集為止。

    1.2 聚類語(yǔ)義分析

    圖片分類對(duì)圖片語(yǔ)義而言是粗粒度計(jì)算,將圖片直接轉(zhuǎn)化為類似文本數(shù)值或符號(hào)來(lái)描述成為一個(gè)選項(xiàng)。預(yù)先對(duì)大量種子圖片做語(yǔ)義分析,然后利用相似圖片搜索,根據(jù)相似輸入圖像元產(chǎn)生新圖像元(texture),利用神經(jīng)網(wǎng)絡(luò)隱含層底層特征語(yǔ)義對(duì)圖像中的聚類樣本、邊緣信息、識(shí)別目標(biāo)、學(xué)習(xí)方法進(jìn)行目標(biāo)分類。

    1.3 選擇神經(jīng)網(wǎng)絡(luò)初始化語(yǔ)義參數(shù)

    假設(shè)每個(gè)類的特征空間向量中各維呈正態(tài)分布,相對(duì)于該聚類中心,由于不同特征維度之間的特征向量彼此相互獨(dú)立,因此需要調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)參數(shù)。

    2 K-means聚類算法

    K-menas聚類算法[8-9]試圖找到使誤差準(zhǔn)則函數(shù)最小的簇。當(dāng)潛在的簇形狀是凸面時(shí),簇之間差異較明顯。若簇大小相近時(shí),其聚類結(jié)果誤差最小,與樣本數(shù)量呈線性相關(guān)。所以,對(duì)于大數(shù)據(jù)集合處理,該算法非常高效且伸縮性較好。但該算法除要事先確定簇?cái)?shù)K和對(duì)初始聚類中心敏感外,經(jīng)常以局部最優(yōu)值迭代終止,同時(shí)對(duì)“噪聲”、“孤立點(diǎn)”不靈敏,因此該方法不適于發(fā)現(xiàn)非凸面形狀的簇或大小差別很大的聚集。該算法時(shí)間復(fù)雜度為[O(tKmn)],空間復(fù)雜度為[O((m+K)n)],其中,[t]為迭代次數(shù),[k]為簇成員數(shù)量,[m]是聚類個(gè)數(shù),[n]為樣本維度。

    輸出聚類簇向量[C={C1,C2,?,Ck}]的等價(jià)類樣本。顯然,對(duì)樣本向量進(jìn)行正交變換后,對(duì)更新的樣本均值進(jìn)行優(yōu)化迭代、降維,迭代最佳適應(yīng)度的[k]值,可達(dá)到最佳分類效果。

    3 小波濾波

    將小波分解[10]的高頻分量與基于子區(qū)域方差進(jìn)行變換,因小波變換低頻分量能量集中,根據(jù)特征匹配規(guī)則對(duì)小波變換的低頻分量進(jìn)行特征匹配,計(jì)算小波能量特征[E(x,y,k)],進(jìn)行二維分解:水平的高頻元件得到圖像垂直方向上的高頻分量、圖像對(duì)角的高頻分量。其中:

    為提高遙感圖像分割性能,將基于語(yǔ)義分割方法[11-13]結(jié)合小波域向量特征,對(duì)變化目標(biāo)前后的圖像進(jìn)行分類對(duì)比。分割分類方法步驟如下:

    (1) 改進(jìn)后算法利用小波濾波方法對(duì)遙感圖像進(jìn)行濾波。在相應(yīng)的[8×8]窗口尺寸圖像中,平均灰度值為像素的灰度特征。

    (2) 將紋理特征和灰度特征作為像素的特征向量,根據(jù)所有特征向量將遙感圖像分割為神經(jīng)網(wǎng)絡(luò),通過(guò)圖像語(yǔ)義分析計(jì)算出[k=2,3?],進(jìn)行分割,以免均值[k]計(jì)算誤差超出預(yù)期范圍造成過(guò)分類或欠分類。計(jì)算適度的[k]值,選擇初始聚類樣本質(zhì)心,應(yīng)用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法,分割后標(biāo)注精確度顯著提高。

    4 實(shí)驗(yàn)結(jié)果分析

    圖3是初始化遙感圖像,為了驗(yàn)證新方法效果,本文采用一些傳統(tǒng)的分割方法對(duì)遙感圖像進(jìn)行分割。用k-means聚類均值[k=2]進(jìn)行圖像分割。對(duì)原圖像、灰度圖像圖3和圖4、全彩色圖像圖5和圖6,分別采用新方法3種分割結(jié)果,再進(jìn)行標(biāo)注,顯示結(jié)果見(jiàn)封三彩圖。

    5 結(jié)語(yǔ)

    采用k-means聚類與小波域分析相結(jié)合,可以得到更好的圖像變化檢測(cè)效果。選擇適當(dāng)?shù)腫k]值可以避免過(guò)分割或者欠分割。采用新方法可以較好地抑制相干斑噪聲,提高遙感圖像分割分類標(biāo)注精確度。

    參考文獻(xiàn):

    [1] ARSENAULT H H,APRILL G. Properties of speckle integrated with a finite aperture and logarithmically transformed[J]. Journal of the Optical Society of America, 1976,66(11):1160-1163.

    [2] BARALDI A, PARMIGGIAN F. An investigation of the texture characteristics associated with gray level co-occurrence matrix statistical parameters[J]. ?IEEE Transaction on Geoscience and ?Remote ?Sensing,1995, 33(2):293-303.

    [3] LIU F,JIAO L ?C,HOU B,et al. POL-remote sensing image classification based on wishart DBN and local spatial information[J]. IEEE Transactions on Geoscience and Remote Sensing,2016,54(6):3250-3308

    [4] HARALICKR M. Statistical and structural approaches to texture[J]. Proceeding of IEEE,1975, 67(5):780- 804.

    [5] HUAXIE, LELAND E,PIERCE ?FAWWAZT. Remote sensing speckle reduction using wavelet denoising and markov random field modeling[J]. IEEE Transaction on Geoscience and Remote Sensing, 2002,40(10):2196-2212.

    [6] LEE J S, POTTIER E. Polarimetric radar imaging[J]. ?IEEE Transactions On Image Processing, 2003,22(2):561-572.

    [7] GAN L, WU Y, WANG F, et al. Unsupervised ?remote sensing image segmentation based on triplet Markov fields with graph cuts[J]. IEEE Transactions on Geoscience and Remote Sensing Letters,2014, 11(4):853-857.

    [8] PETER YU,QIN A K, DAVID A. Unsupervised polarimetric remote sensing image segmentation and classification using region growing with edge penalty[J]. IEEE Transactions on Geoscience and Remote Sensing,2012, 50(4):1302-1317.

    [9] SOUMADIP GHOSH,DEBASISH BISWAS,SUSHANTA BISWAS,et al. Soil classification from large imagery databases using a neuro-fuzzy classifier[J]. Canadian Journal of ?Electrical and Computer Engineering,2016, 39(4):333-343.

    [10] WONG W C,CHO S Y,CHAI Q. R-POPTVR:a novel reinforcement- based POPTVR fuzzy neural network for pattern classification[J]. IEEE Transactions on Neural Networks,2009,20(11):1740-1755.

    [11] 吳恩達(dá). Machine learning yearning[M]. 中文版. 斯坦福大學(xué)出版社,2017.

    [12] 焦李成. 學(xué)習(xí)、優(yōu)化與識(shí)別[M]. 北京:清華大學(xué)出版社,2017.

    [13] TOM M METCHELL. 機(jī)器學(xué)習(xí)[M]. 曹華軍,譯. 北京:人民郵電出版社, 2015:125-139.

    (責(zé)任編輯:杜能鋼)

    猜你喜歡
    圖像分割語(yǔ)義
    語(yǔ)言與語(yǔ)義
    “上”與“下”語(yǔ)義的不對(duì)稱性及其認(rèn)知闡釋
    認(rèn)知范疇模糊與語(yǔ)義模糊
    “深+N季”組配的認(rèn)知語(yǔ)義分析
    語(yǔ)義分析與漢俄副名組合
    修辭的基礎(chǔ)——語(yǔ)義和諧律
    黄色丝袜av网址大全| 高清视频免费观看一区二区| 久热这里只有精品99| 考比视频在线观看| 久热这里只有精品99| 日韩欧美一区二区三区在线观看 | 女性被躁到高潮视频| 国产精品一区二区精品视频观看| 日韩精品免费视频一区二区三区| 一级片免费观看大全| 中文字幕色久视频| 国产精品国产高清国产av | videosex国产| 免费观看a级毛片全部| 正在播放国产对白刺激| 亚洲专区国产一区二区| 久久毛片免费看一区二区三区| 亚洲欧美一区二区三区黑人| 一级片'在线观看视频| 一区二区三区乱码不卡18| 12—13女人毛片做爰片一| 18禁国产床啪视频网站| 99riav亚洲国产免费| 国产精品欧美亚洲77777| 亚洲成人手机| 亚洲国产欧美网| 在线观看免费视频日本深夜| 亚洲,欧美精品.| 老鸭窝网址在线观看| 精品欧美一区二区三区在线| 一边摸一边抽搐一进一出视频| 一个人免费看片子| 满18在线观看网站| 免费av中文字幕在线| 国产精品久久久久久精品电影小说| 久久精品国产a三级三级三级| 国产在线视频一区二区| 视频区图区小说| 免费一级毛片在线播放高清视频 | 免费不卡黄色视频| 色播在线永久视频| 在线观看一区二区三区激情| 亚洲黑人精品在线| 色尼玛亚洲综合影院| 手机成人av网站| 99re在线观看精品视频| 久久精品成人免费网站| 黄片播放在线免费| 三上悠亚av全集在线观看| 99国产精品免费福利视频| 久久精品亚洲av国产电影网| 怎么达到女性高潮| 中文字幕制服av| 黄色视频不卡| 亚洲成a人片在线一区二区| 亚洲午夜理论影院| 久久国产精品男人的天堂亚洲| 免费女性裸体啪啪无遮挡网站| 色婷婷av一区二区三区视频| 我要看黄色一级片免费的| 丁香六月天网| 黄色视频,在线免费观看| 99久久精品国产亚洲精品| 在线观看免费高清a一片| 成人av一区二区三区在线看| 视频区欧美日本亚洲| 精品熟女少妇八av免费久了| 国产1区2区3区精品| 欧美日韩亚洲高清精品| 国产av精品麻豆| 十分钟在线观看高清视频www| av电影中文网址| 日韩成人在线观看一区二区三区| 久久中文字幕一级| 桃花免费在线播放| 又黄又粗又硬又大视频| 久热这里只有精品99| 麻豆av在线久日| av天堂久久9| 精品国产亚洲在线| 国产在线免费精品| 国产成人欧美在线观看 | tube8黄色片| 18禁美女被吸乳视频| 777米奇影视久久| 岛国在线观看网站| 亚洲第一青青草原| 男人操女人黄网站| 99九九在线精品视频| 国产日韩欧美亚洲二区| 男女免费视频国产| 亚洲欧洲日产国产| 建设人人有责人人尽责人人享有的| 亚洲av美国av| 亚洲人成伊人成综合网2020| 亚洲午夜精品一区,二区,三区| 精品人妻在线不人妻| 最新的欧美精品一区二区| 国产日韩一区二区三区精品不卡| 国产亚洲av高清不卡| 人妻一区二区av| 欧美日韩成人在线一区二区| 搡老乐熟女国产| 亚洲精品成人av观看孕妇| a级片在线免费高清观看视频| 超色免费av| 久久人妻av系列| 免费在线观看影片大全网站| 免费女性裸体啪啪无遮挡网站| 亚洲综合色网址| 国产精品国产高清国产av | 精品福利永久在线观看| 人人澡人人妻人| 国产高清视频在线播放一区| 肉色欧美久久久久久久蜜桃| 久久ye,这里只有精品| 动漫黄色视频在线观看| 日韩视频一区二区在线观看| 国产精品免费大片| 国产亚洲一区二区精品| 日本精品一区二区三区蜜桃| 黄频高清免费视频| av网站免费在线观看视频| 免费人妻精品一区二区三区视频| 视频区图区小说| 欧美日韩亚洲国产一区二区在线观看 | 国产野战对白在线观看| 久久av网站| 日韩视频一区二区在线观看| 免费看十八禁软件| 国产极品粉嫩免费观看在线| 日韩中文字幕视频在线看片| 中文字幕av电影在线播放| 一边摸一边抽搐一进一出视频| www.自偷自拍.com| 欧美午夜高清在线| 欧美激情高清一区二区三区| 老司机福利观看| 亚洲专区国产一区二区| 国产精品一区二区在线观看99| 18禁裸乳无遮挡动漫免费视频| 美女国产高潮福利片在线看| 99在线人妻在线中文字幕 | 精品少妇内射三级| 亚洲精品久久成人aⅴ小说| 高清毛片免费观看视频网站 | 亚洲人成电影免费在线| 国产老妇伦熟女老妇高清| 久久天堂一区二区三区四区| 日韩一卡2卡3卡4卡2021年| 无限看片的www在线观看| 一区福利在线观看| 国产成人av教育| 一本大道久久a久久精品| 精品人妻在线不人妻| 两性夫妻黄色片| 色播在线永久视频| 国产欧美日韩一区二区三| 亚洲熟女精品中文字幕| 午夜日韩欧美国产| 国产免费av片在线观看野外av| 欧美日韩视频精品一区| 不卡av一区二区三区| 91麻豆精品激情在线观看国产 | 国产黄色免费在线视频| 亚洲中文日韩欧美视频| 两个人免费观看高清视频| 大香蕉久久成人网| 国产精品熟女久久久久浪| 久久久欧美国产精品| av福利片在线| 老司机在亚洲福利影院| 日韩熟女老妇一区二区性免费视频| 可以免费在线观看a视频的电影网站| 9热在线视频观看99| 99精品欧美一区二区三区四区| 精品国产乱码久久久久久小说| 又黄又粗又硬又大视频| 亚洲男人天堂网一区| 国产一区二区在线观看av| 欧美精品啪啪一区二区三区| www.999成人在线观看| 老司机午夜十八禁免费视频| 国产日韩欧美视频二区| 露出奶头的视频| 精品欧美一区二区三区在线| 12—13女人毛片做爰片一| 狠狠婷婷综合久久久久久88av| av一本久久久久| 12—13女人毛片做爰片一| 欧美激情高清一区二区三区| av一本久久久久| 日韩制服丝袜自拍偷拍| 嫁个100分男人电影在线观看| 男男h啪啪无遮挡| 欧美在线黄色| 一区在线观看完整版| 国产在视频线精品| 亚洲,欧美精品.| 两人在一起打扑克的视频| 又紧又爽又黄一区二区| 免费观看av网站的网址| 久久热在线av| 国产淫语在线视频| 国产一区二区在线观看av| 老熟妇乱子伦视频在线观看| 91成年电影在线观看| 多毛熟女@视频| 久久久久久久国产电影| 这个男人来自地球电影免费观看| 精品国产国语对白av| 国产欧美日韩一区二区三| 亚洲人成伊人成综合网2020| 一边摸一边做爽爽视频免费| 精品免费久久久久久久清纯 | 日本黄色视频三级网站网址 | 国产单亲对白刺激| 女性被躁到高潮视频| 搡老岳熟女国产| 久久精品国产综合久久久| 日韩中文字幕视频在线看片| 国产99久久九九免费精品| 亚洲欧美激情在线| av欧美777| 欧美激情 高清一区二区三区| 18禁美女被吸乳视频| 操美女的视频在线观看| av电影中文网址| 另类精品久久| 欧美老熟妇乱子伦牲交| 欧美精品人与动牲交sv欧美| 可以免费在线观看a视频的电影网站| 热re99久久国产66热| 99精品久久久久人妻精品| 在线播放国产精品三级| 亚洲中文字幕日韩| 考比视频在线观看| 国产亚洲精品久久久久5区| 日韩大片免费观看网站| 精品久久久精品久久久| 久久久久久久大尺度免费视频| 精品人妻熟女毛片av久久网站| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av电影在线进入| 欧美大码av| 十八禁高潮呻吟视频| 国产精品av久久久久免费| 丝袜在线中文字幕| h视频一区二区三区| 亚洲欧美一区二区三区黑人| 国产精品美女特级片免费视频播放器 | 女同久久另类99精品国产91| 亚洲 国产 在线| 天堂动漫精品| 国产精品成人在线| 亚洲精品国产一区二区精华液| 成人永久免费在线观看视频 | 亚洲国产av影院在线观看| 日日夜夜操网爽| 亚洲精品在线美女| 欧美黑人欧美精品刺激| 啪啪无遮挡十八禁网站| 最新在线观看一区二区三区| 丝袜美足系列| 欧美日韩亚洲高清精品| 日韩视频一区二区在线观看| www.精华液| av天堂在线播放| 制服诱惑二区| 丰满饥渴人妻一区二区三| 99国产精品一区二区蜜桃av | 午夜精品国产一区二区电影| a级毛片在线看网站| av电影中文网址| 99在线人妻在线中文字幕 | 水蜜桃什么品种好| 久久精品国产亚洲av高清一级| 成人精品一区二区免费| 欧美黄色片欧美黄色片| 午夜久久久在线观看| 亚洲少妇的诱惑av| 亚洲人成伊人成综合网2020| 老熟妇仑乱视频hdxx| 中亚洲国语对白在线视频| 黑人操中国人逼视频| kizo精华| 国产精品 欧美亚洲| 色在线成人网| 波多野结衣一区麻豆| 国产精品1区2区在线观看. | 美女主播在线视频| 国产精品久久久久久精品古装| 老鸭窝网址在线观看| 国产成+人综合+亚洲专区| 亚洲精品国产精品久久久不卡| 国产精品一区二区在线不卡| 少妇被粗大的猛进出69影院| 18禁裸乳无遮挡动漫免费视频| 亚洲专区中文字幕在线| 日本av免费视频播放| 一二三四在线观看免费中文在| 性色av乱码一区二区三区2| 一区二区三区国产精品乱码| 男女床上黄色一级片免费看| 欧美大码av| h视频一区二区三区| 成人国语在线视频| 亚洲美女黄片视频| 亚洲伊人久久精品综合| 午夜精品国产一区二区电影| 久久香蕉激情| 午夜两性在线视频| 亚洲精品自拍成人| 国产精品久久久久久精品电影小说| 久久中文字幕人妻熟女| 咕卡用的链子| 99精国产麻豆久久婷婷| 丰满少妇做爰视频| 久久中文字幕人妻熟女| 香蕉久久夜色| 香蕉丝袜av| 亚洲av片天天在线观看| 成年人免费黄色播放视频| 9色porny在线观看| 黄片小视频在线播放| 多毛熟女@视频| 久久国产精品男人的天堂亚洲| aaaaa片日本免费| 男人舔女人的私密视频| 久久久国产成人免费| 天堂俺去俺来也www色官网| 中亚洲国语对白在线视频| 成年人午夜在线观看视频| 少妇裸体淫交视频免费看高清 | 母亲3免费完整高清在线观看| 老司机深夜福利视频在线观看| 成在线人永久免费视频| 天天躁日日躁夜夜躁夜夜| 国产一区二区激情短视频| 亚洲精品久久午夜乱码| 日韩三级视频一区二区三区| 日日爽夜夜爽网站| 性高湖久久久久久久久免费观看| 久久青草综合色| 日本精品一区二区三区蜜桃| 人人妻人人添人人爽欧美一区卜| 十八禁网站网址无遮挡| 一级毛片精品| 90打野战视频偷拍视频| 黑人操中国人逼视频| 90打野战视频偷拍视频| 精品高清国产在线一区| 性高湖久久久久久久久免费观看| 国产免费视频播放在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 五月天丁香电影| 国产男女超爽视频在线观看| 午夜91福利影院| 午夜福利在线免费观看网站| 欧美日韩国产mv在线观看视频| 久久精品人人爽人人爽视色| 亚洲欧美一区二区三区久久| 99国产综合亚洲精品| 午夜福利视频精品| 一个人免费在线观看的高清视频| 亚洲欧美一区二区三区久久| 亚洲九九香蕉| 99久久99久久久精品蜜桃| 国产精品.久久久| 亚洲 欧美一区二区三区| 精品人妻熟女毛片av久久网站| 我的亚洲天堂| 美女高潮到喷水免费观看| 亚洲色图综合在线观看| 成年人免费黄色播放视频| 久久青草综合色| 亚洲熟妇熟女久久| 精品高清国产在线一区| 精品国产一区二区三区久久久樱花| 色播在线永久视频| 日韩视频一区二区在线观看| 国产成+人综合+亚洲专区| 中文字幕另类日韩欧美亚洲嫩草| av电影中文网址| 欧美日韩亚洲综合一区二区三区_| 女警被强在线播放| 十八禁高潮呻吟视频| 国产成人一区二区三区免费视频网站| 国产男靠女视频免费网站| 极品人妻少妇av视频| 97在线人人人人妻| 18禁裸乳无遮挡动漫免费视频| 一个人免费看片子| 免费久久久久久久精品成人欧美视频| 两个人免费观看高清视频| 男女高潮啪啪啪动态图| 深夜精品福利| 免费在线观看日本一区| 日韩欧美三级三区| av国产精品久久久久影院| 岛国毛片在线播放| 在线观看免费高清a一片| 国产免费现黄频在线看| 亚洲专区字幕在线| 69av精品久久久久久 | 久久久国产成人免费| 纯流量卡能插随身wifi吗| 国产成人av教育| 十八禁高潮呻吟视频| 首页视频小说图片口味搜索| 国产淫语在线视频| 制服人妻中文乱码| 国产欧美亚洲国产| 女人爽到高潮嗷嗷叫在线视频| 香蕉丝袜av| 老司机亚洲免费影院| 国产精品久久久久久人妻精品电影 | 性高湖久久久久久久久免费观看| 香蕉久久夜色| 亚洲黑人精品在线| 成人特级黄色片久久久久久久 | 老熟妇乱子伦视频在线观看| 色精品久久人妻99蜜桃| 不卡一级毛片| 国产精品美女特级片免费视频播放器 | 丝袜美腿诱惑在线| 久久久久网色| 国产免费福利视频在线观看| 国产精品99久久99久久久不卡| 国产黄色免费在线视频| 亚洲国产欧美日韩在线播放| 夜夜夜夜夜久久久久| 亚洲国产看品久久| 黑人欧美特级aaaaaa片| 色94色欧美一区二区| 一本久久精品| 一夜夜www| 国产精品1区2区在线观看. | 日韩中文字幕视频在线看片| 热99久久久久精品小说推荐| 日日爽夜夜爽网站| 久久人妻熟女aⅴ| 水蜜桃什么品种好| 亚洲熟女精品中文字幕| 男女午夜视频在线观看| 国产精品欧美亚洲77777| 黄片小视频在线播放| 一级毛片精品| 18禁美女被吸乳视频| 国产成人一区二区三区免费视频网站| 新久久久久国产一级毛片| 色综合欧美亚洲国产小说| 久久毛片免费看一区二区三区| 人人妻人人添人人爽欧美一区卜| 天天添夜夜摸| 国产精品一区二区精品视频观看| 一区在线观看完整版| 亚洲少妇的诱惑av| 一级毛片电影观看| av有码第一页| 五月天丁香电影| 黄片大片在线免费观看| 99久久人妻综合| 91麻豆av在线| 亚洲男人天堂网一区| 热re99久久国产66热| 男女免费视频国产| 亚洲精品在线美女| 免费不卡黄色视频| 少妇被粗大的猛进出69影院| 免费一级毛片在线播放高清视频 | 曰老女人黄片| 欧美日韩成人在线一区二区| 亚洲专区中文字幕在线| 在线av久久热| 国产精品国产av在线观看| 一级毛片电影观看| 男女床上黄色一级片免费看| 精品卡一卡二卡四卡免费| 日本a在线网址| 国产精品1区2区在线观看. | 超色免费av| 国产成人欧美| e午夜精品久久久久久久| 啦啦啦免费观看视频1| 色尼玛亚洲综合影院| 中文字幕人妻丝袜一区二区| 9191精品国产免费久久| 啪啪无遮挡十八禁网站| 激情视频va一区二区三区| 视频区图区小说| 一个人免费看片子| 久久ye,这里只有精品| 日本黄色日本黄色录像| 午夜福利影视在线免费观看| 男女边摸边吃奶| 飞空精品影院首页| 国产97色在线日韩免费| 日韩欧美一区二区三区在线观看 | netflix在线观看网站| 啪啪无遮挡十八禁网站| 老熟妇仑乱视频hdxx| av又黄又爽大尺度在线免费看| 久久av网站| 91九色精品人成在线观看| 麻豆av在线久日| 成人国产一区最新在线观看| 国产精品免费大片| 五月开心婷婷网| 曰老女人黄片| 99热国产这里只有精品6| 日韩 欧美 亚洲 中文字幕| 精品一区二区三区av网在线观看 | 午夜福利视频精品| 电影成人av| 男人舔女人的私密视频| 夫妻午夜视频| videosex国产| 变态另类成人亚洲欧美熟女 | h视频一区二区三区| 啦啦啦在线免费观看视频4| 久久99一区二区三区| 亚洲精品中文字幕在线视频| 大码成人一级视频| 久久久水蜜桃国产精品网| 欧美精品啪啪一区二区三区| 欧美人与性动交α欧美精品济南到| 丁香欧美五月| 国产99久久九九免费精品| 亚洲国产精品一区二区三区在线| 亚洲精品中文字幕在线视频| 91麻豆av在线| 黄色视频不卡| 欧美激情久久久久久爽电影 | 国产xxxxx性猛交| 亚洲精品久久午夜乱码| 国产成人精品无人区| 国产高清视频在线播放一区| 熟女少妇亚洲综合色aaa.| 国产精品九九99| 国产精品久久久久久精品电影小说| 亚洲人成电影免费在线| 国产主播在线观看一区二区| 精品高清国产在线一区| 国产黄色免费在线视频| 亚洲美女黄片视频| 高潮久久久久久久久久久不卡| 亚洲七黄色美女视频| 欧美 日韩 精品 国产| 亚洲精品国产一区二区精华液| 国产一区二区激情短视频| 国产精品99久久99久久久不卡| 日本wwww免费看| 1024香蕉在线观看| 又黄又粗又硬又大视频| 免费观看a级毛片全部| 国产精品香港三级国产av潘金莲| 一区二区三区国产精品乱码| 免费看十八禁软件| 久久久国产欧美日韩av| 黄色怎么调成土黄色| 久久99一区二区三区| 日韩免费av在线播放| 丰满人妻熟妇乱又伦精品不卡| 免费高清在线观看日韩| 久久久精品区二区三区| 欧美成人免费av一区二区三区 | cao死你这个sao货| 日韩制服丝袜自拍偷拍| 久久国产精品人妻蜜桃| 亚洲欧美一区二区三区黑人| 午夜精品国产一区二区电影| 久久久久精品国产欧美久久久| 丝袜美腿诱惑在线| 黄色 视频免费看| 法律面前人人平等表现在哪些方面| 露出奶头的视频| 成人特级黄色片久久久久久久 | 人人妻,人人澡人人爽秒播| 最近最新中文字幕大全电影3 | 国产av又大| av欧美777| 精品国产国语对白av| 两性夫妻黄色片| av欧美777| 人妻一区二区av| 五月天丁香电影| 国产成人一区二区三区免费视频网站| 国产欧美日韩一区二区三| 一本大道久久a久久精品| 99精品久久久久人妻精品| 久久毛片免费看一区二区三区| 无限看片的www在线观看| 中文字幕人妻熟女乱码| 少妇被粗大的猛进出69影院| 中文字幕精品免费在线观看视频| 亚洲人成电影免费在线| 国产欧美日韩一区二区三| 国产精品久久久久成人av| 99热国产这里只有精品6| 精品国产一区二区三区四区第35| 国产成人精品久久二区二区免费| 国产黄频视频在线观看| 精品视频人人做人人爽| 咕卡用的链子| 69精品国产乱码久久久| 亚洲视频免费观看视频| 欧美国产精品va在线观看不卡| 99久久国产精品久久久| 人妻一区二区av| 97人妻天天添夜夜摸| 亚洲成国产人片在线观看| 国产精品.久久久| 亚洲精品在线美女|