• <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
    久久亚洲精品不卡| 一进一出抽搐gif免费好疼| 欧美最黄视频在线播放免费| 欧美成人精品欧美一级黄| 久久午夜亚洲精品久久| 国产成人a∨麻豆精品| 一夜夜www| 成年女人永久免费观看视频| 一区福利在线观看| 国产精品一区二区性色av| 伊人久久精品亚洲午夜| 国产伦精品一区二区三区四那| 极品教师在线视频| 午夜老司机福利剧场| 变态另类丝袜制服| 精华霜和精华液先用哪个| 免费av不卡在线播放| 成人美女网站在线观看视频| 国产美女午夜福利| 欧美一区二区亚洲| 久久亚洲精品不卡| 日本免费一区二区三区高清不卡| 欧美日韩国产亚洲二区| 如何舔出高潮| 国产精品久久视频播放| 五月玫瑰六月丁香| 亚洲乱码一区二区免费版| 免费看光身美女| 亚洲第一电影网av| 久久九九热精品免费| av在线天堂中文字幕| 美女内射精品一级片tv| 岛国在线免费视频观看| 我的女老师完整版在线观看| a级毛片a级免费在线| 国产成人影院久久av| 99在线视频只有这里精品首页| 特大巨黑吊av在线直播| 国产综合懂色| 18+在线观看网站| 尾随美女入室| 人妻夜夜爽99麻豆av| 成人毛片a级毛片在线播放| 日本五十路高清| 国产 一区精品| 久久中文看片网| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 2022亚洲国产成人精品| 99久久九九国产精品国产免费| 亚洲最大成人中文| av天堂中文字幕网| 91aial.com中文字幕在线观看| 男人舔奶头视频| 国产乱人视频| 搡女人真爽免费视频火全软件| 国产一区二区激情短视频| 性插视频无遮挡在线免费观看| 亚洲欧美清纯卡通| 久久九九热精品免费| 成年免费大片在线观看| 久久精品夜色国产| 精品欧美国产一区二区三| 午夜福利在线观看吧| 亚洲国产精品成人久久小说 | 亚洲精华国产精华液的使用体验 | 嫩草影院精品99| 91久久精品国产一区二区成人| 一个人观看的视频www高清免费观看| 在线免费十八禁| 如何舔出高潮| 精品国内亚洲2022精品成人| 国产综合懂色| 国产av麻豆久久久久久久| 欧洲精品卡2卡3卡4卡5卡区| 晚上一个人看的免费电影| 简卡轻食公司| 久久午夜亚洲精品久久| 六月丁香七月| 日日摸夜夜添夜夜爱| 日韩强制内射视频| 日韩欧美三级三区| avwww免费| 此物有八面人人有两片| 久久精品91蜜桃| 日韩国内少妇激情av| 午夜免费男女啪啪视频观看| 日本熟妇午夜| 国产精品1区2区在线观看.| av福利片在线观看| 12—13女人毛片做爰片一| 国产精品一区二区性色av| 日韩欧美 国产精品| 日本-黄色视频高清免费观看| 两个人的视频大全免费| ponron亚洲| 久久99蜜桃精品久久| 欧美日本亚洲视频在线播放| 精品人妻视频免费看| 村上凉子中文字幕在线| 久久婷婷人人爽人人干人人爱| 亚洲av.av天堂| 色吧在线观看| 亚洲av男天堂| 99久久精品热视频| 久久久久久久久久黄片| 亚洲国产欧美在线一区| 久久久久久国产a免费观看| 我的女老师完整版在线观看| 久久婷婷人人爽人人干人人爱| 黄片无遮挡物在线观看| 亚洲精品乱码久久久久久按摩| 97超碰精品成人国产| 特大巨黑吊av在线直播| 最后的刺客免费高清国语| 有码 亚洲区| 久久这里只有精品中国| 中文字幕av成人在线电影| 白带黄色成豆腐渣| 国产伦理片在线播放av一区 | 久久99热6这里只有精品| 国内精品宾馆在线| 国产黄片视频在线免费观看| 免费观看人在逋| 一边亲一边摸免费视频| 深夜a级毛片| 一进一出抽搐gif免费好疼| 国产乱人视频| 亚洲综合色惰| 久久久久久久午夜电影| or卡值多少钱| 一本一本综合久久| 女人被狂操c到高潮| 亚洲人成网站在线观看播放| 一进一出抽搐gif免费好疼| 久久婷婷人人爽人人干人人爱| 免费搜索国产男女视频| 国产单亲对白刺激| 欧美人与善性xxx| 村上凉子中文字幕在线| 97在线视频观看| 久久午夜亚洲精品久久| 最近最新中文字幕大全电影3| 99久久九九国产精品国产免费| 精品一区二区三区人妻视频| 亚洲成人中文字幕在线播放| 亚洲一级一片aⅴ在线观看| 日日干狠狠操夜夜爽| 亚洲国产精品久久男人天堂| 欧美日韩国产亚洲二区| 国语自产精品视频在线第100页| 九草在线视频观看| 免费av不卡在线播放| 久久人人精品亚洲av| 色吧在线观看| 偷拍熟女少妇极品色| 国产精品嫩草影院av在线观看| 国产美女午夜福利| 级片在线观看| 亚洲国产精品合色在线| 国产精品久久久久久亚洲av鲁大| 国产伦精品一区二区三区视频9| 亚洲国产欧美人成| 亚洲va在线va天堂va国产| 91精品国产九色| 国产欧美日韩精品一区二区| 在线观看66精品国产| 亚洲成人精品中文字幕电影| 长腿黑丝高跟| 久久精品夜色国产| 国产精品1区2区在线观看.| 2021天堂中文幕一二区在线观| 国产精品一区二区三区四区久久| 成人无遮挡网站| 91精品国产九色| 久久久久久久久中文| 成年女人看的毛片在线观看| 免费av毛片视频| 91在线精品国自产拍蜜月| 51国产日韩欧美| 国产在线精品亚洲第一网站| 日本黄色视频三级网站网址| 丰满人妻一区二区三区视频av| 狠狠狠狠99中文字幕| 99热6这里只有精品| 99热这里只有是精品50| 亚洲中文字幕一区二区三区有码在线看| 久久精品国产自在天天线| 久久久久久大精品| 韩国av在线不卡| 中文字幕久久专区| 麻豆久久精品国产亚洲av| 18禁黄网站禁片免费观看直播| 精品久久国产蜜桃| 亚洲人与动物交配视频| 99精品在免费线老司机午夜| 国产爱豆传媒在线观看| 色哟哟·www| 亚洲精品国产av成人精品| 欧美另类亚洲清纯唯美| 国内精品一区二区在线观看| 一区福利在线观看| 在线观看午夜福利视频| 中文字幕人妻熟人妻熟丝袜美| 成人毛片60女人毛片免费| 嫩草影院新地址| 国产色爽女视频免费观看| 国产极品天堂在线| 亚洲最大成人手机在线| 搞女人的毛片| 久久久久久国产a免费观看| 免费黄网站久久成人精品| 成人毛片a级毛片在线播放| 两个人视频免费观看高清| 亚洲三级黄色毛片| 亚洲av男天堂| 成人亚洲精品av一区二区| 麻豆久久精品国产亚洲av| 亚洲av第一区精品v没综合| av在线老鸭窝| 久久精品夜夜夜夜夜久久蜜豆| 在线免费十八禁| 岛国毛片在线播放| 听说在线观看完整版免费高清| 99久久人妻综合| 此物有八面人人有两片| 1024手机看黄色片| 美女脱内裤让男人舔精品视频 | 一个人免费在线观看电影| 99热这里只有是精品在线观看| 国产探花在线观看一区二区| 亚洲一区二区三区色噜噜| 亚洲av成人av| 久久久国产成人免费| 免费人成在线观看视频色| 国产亚洲精品久久久久久毛片| 日韩人妻高清精品专区| 亚洲av免费在线观看| 日韩av在线大香蕉| 午夜激情欧美在线| 精品日产1卡2卡| 国产精品麻豆人妻色哟哟久久 | 五月伊人婷婷丁香| 91久久精品国产一区二区三区| 亚洲av第一区精品v没综合| 国产精品一区www在线观看| 欧美一级a爱片免费观看看| 国产成人精品久久久久久| 在线免费观看的www视频| 久久6这里有精品| 简卡轻食公司| 内地一区二区视频在线| 日韩,欧美,国产一区二区三区 | 伦精品一区二区三区| 欧美日韩综合久久久久久| 亚洲国产精品sss在线观看| АⅤ资源中文在线天堂| 精品免费久久久久久久清纯| 给我免费播放毛片高清在线观看| 夜夜夜夜夜久久久久| 日本一本二区三区精品| 国产伦一二天堂av在线观看| 你懂的网址亚洲精品在线观看 | 亚洲一区二区三区色噜噜| 精品人妻视频免费看| 五月玫瑰六月丁香| 成人午夜高清在线视频| 日本三级黄在线观看| 伦精品一区二区三区| 男女啪啪激烈高潮av片| 亚洲无线在线观看| 国产高清激情床上av| 天天躁日日操中文字幕| 日本黄色片子视频| 亚洲三级黄色毛片| 亚洲电影在线观看av| 精品一区二区免费观看| 最近中文字幕高清免费大全6| 51国产日韩欧美| 99热这里只有是精品50| 变态另类成人亚洲欧美熟女| 日韩中字成人| 亚洲最大成人av| 国产人妻一区二区三区在| 乱码一卡2卡4卡精品| 少妇熟女aⅴ在线视频| 日本五十路高清| 天堂√8在线中文| 一级毛片我不卡| 国产久久久一区二区三区| 欧美日韩国产亚洲二区| 日韩人妻高清精品专区| 久久99热这里只有精品18| 国模一区二区三区四区视频| 99久久人妻综合| 两性午夜刺激爽爽歪歪视频在线观看| 中文字幕av成人在线电影| 最近视频中文字幕2019在线8| 一本一本综合久久| 日本撒尿小便嘘嘘汇集6| 啦啦啦韩国在线观看视频| 国产精品.久久久| 色噜噜av男人的天堂激情| 美女xxoo啪啪120秒动态图| 午夜激情福利司机影院| 亚洲av中文字字幕乱码综合| 午夜福利在线观看免费完整高清在 | 免费看光身美女| 亚洲欧美成人综合另类久久久 | or卡值多少钱| 亚洲成人久久爱视频| 亚洲国产日韩欧美精品在线观看| 亚洲精品日韩av片在线观看| 亚洲国产精品成人综合色| 又爽又黄a免费视频| 日本黄大片高清| 国产视频首页在线观看| 成人二区视频| 一级黄色大片毛片| 变态另类丝袜制服| 日本黄色片子视频| av福利片在线观看| 亚洲精品粉嫩美女一区| 免费看日本二区| 成年女人看的毛片在线观看| 国产精品女同一区二区软件| 一本精品99久久精品77| 2022亚洲国产成人精品| 一个人观看的视频www高清免费观看| 成人欧美大片| 亚洲内射少妇av| 国产高清三级在线| 免费av毛片视频| 亚洲人成网站在线播| 美女大奶头视频| 人妻系列 视频| 亚洲激情五月婷婷啪啪| 日韩 亚洲 欧美在线| 亚洲成人久久性| 国产亚洲精品久久久com| 国产精品一区二区在线观看99 | 波野结衣二区三区在线| www日本黄色视频网| av天堂在线播放| 在线观看午夜福利视频| 大又大粗又爽又黄少妇毛片口| 悠悠久久av| 国产成人a∨麻豆精品| 日韩视频在线欧美| 少妇人妻一区二区三区视频| 好男人视频免费观看在线| 日韩成人伦理影院| 亚洲精品色激情综合| 亚洲人成网站在线播| 欧美日韩一区二区视频在线观看视频在线 | 久久久精品欧美日韩精品| 国产淫片久久久久久久久| 国产探花在线观看一区二区| 午夜爱爱视频在线播放| 欧美+日韩+精品| 成人午夜精彩视频在线观看| 午夜久久久久精精品| 亚洲五月天丁香| 久久午夜福利片| 毛片一级片免费看久久久久| 国产亚洲精品久久久com| 久久久国产成人精品二区| 精品久久久久久成人av| 国产伦精品一区二区三区四那| 人妻制服诱惑在线中文字幕| 久久亚洲精品不卡| 国产高清不卡午夜福利| av在线天堂中文字幕| 麻豆成人午夜福利视频| 国产精品蜜桃在线观看 | 成人特级av手机在线观看| 久久精品国产清高在天天线| 看非洲黑人一级黄片| 在线观看av片永久免费下载| 美女大奶头视频| 性插视频无遮挡在线免费观看| 成人av在线播放网站| 免费在线观看成人毛片| 18禁裸乳无遮挡免费网站照片| 丰满人妻一区二区三区视频av| 国产午夜福利久久久久久| 看十八女毛片水多多多| 日韩欧美在线乱码| 青春草视频在线免费观看| 精品少妇黑人巨大在线播放 | 久久韩国三级中文字幕| 久久久久久久久久久免费av| 久久久久国产网址| 亚洲av中文av极速乱| 亚洲18禁久久av| 久久午夜亚洲精品久久| 直男gayav资源| 精品熟女少妇av免费看| 亚洲av熟女| 国产精品人妻久久久久久| 九九久久精品国产亚洲av麻豆| 欧美丝袜亚洲另类| 一个人看视频在线观看www免费| 久久人人爽人人爽人人片va| 国产日本99.免费观看| 天天一区二区日本电影三级| 亚洲成人中文字幕在线播放| 亚洲精品日韩在线中文字幕 | 日韩 亚洲 欧美在线| 中文字幕久久专区| 男人舔奶头视频| 久久6这里有精品| 日本三级黄在线观看| 黄色日韩在线| 亚洲精品粉嫩美女一区| 成人鲁丝片一二三区免费| 女同久久另类99精品国产91| 免费不卡的大黄色大毛片视频在线观看 | 成年av动漫网址| 国产高清激情床上av| 色尼玛亚洲综合影院| 色综合亚洲欧美另类图片| 高清在线视频一区二区三区 | 亚洲成人av在线免费| 久久这里只有精品中国| 久久韩国三级中文字幕| 国产精品永久免费网站| 精品不卡国产一区二区三区| 国产精品,欧美在线| 国产中年淑女户外野战色| 在线观看免费视频日本深夜| 国国产精品蜜臀av免费| 亚洲av不卡在线观看| 国产精品一区二区性色av| 97热精品久久久久久| 午夜福利在线观看免费完整高清在 | 麻豆乱淫一区二区| 欧美人与善性xxx| 村上凉子中文字幕在线| 最近中文字幕高清免费大全6| 亚洲精品乱码久久久v下载方式| 波野结衣二区三区在线| 亚洲一级一片aⅴ在线观看| 性色avwww在线观看| 欧美变态另类bdsm刘玥| 国产伦精品一区二区三区视频9| 国产黄色视频一区二区在线观看 | 人妻制服诱惑在线中文字幕| 欧美精品国产亚洲| 麻豆精品久久久久久蜜桃| 成年女人看的毛片在线观看| 国产一区二区在线av高清观看| 国产麻豆成人av免费视频| 日韩,欧美,国产一区二区三区 | 一区二区三区高清视频在线| 亚洲av第一区精品v没综合| 日本三级黄在线观看| 波多野结衣高清无吗| 99久久精品国产国产毛片| 国产在线男女| 欧美另类亚洲清纯唯美| 在线观看免费视频日本深夜| 乱人视频在线观看| 国产高清三级在线| 国产色爽女视频免费观看| 少妇熟女欧美另类| 男人的好看免费观看在线视频| 亚洲在线自拍视频| 深夜a级毛片| 欧美xxxx性猛交bbbb| 欧美最新免费一区二区三区| 美女xxoo啪啪120秒动态图| 国产亚洲av片在线观看秒播厂 | 国产一区二区三区在线臀色熟女| 亚洲久久久久久中文字幕| 在线a可以看的网站| 一级毛片电影观看 | 成人漫画全彩无遮挡| 99热这里只有是精品50| 欧美性猛交黑人性爽| 亚洲最大成人中文| 国产成人影院久久av| 一进一出抽搐gif免费好疼| 人妻系列 视频| 男人舔奶头视频| 国产淫片久久久久久久久| 国产精品乱码一区二三区的特点| 国产蜜桃级精品一区二区三区| 成人无遮挡网站| 免费av观看视频| 久久精品国产自在天天线| 啦啦啦啦在线视频资源| 日韩欧美 国产精品| 日日干狠狠操夜夜爽| 18+在线观看网站| 国产一区亚洲一区在线观看| 成人午夜精彩视频在线观看| 69av精品久久久久久| 免费观看在线日韩| 国产中年淑女户外野战色| 国产不卡一卡二| 最近最新中文字幕大全电影3| 国产精品一及| 99热这里只有是精品在线观看| 日韩欧美 国产精品| 免费人成视频x8x8入口观看| 国内久久婷婷六月综合欲色啪| 国产免费一级a男人的天堂| 欧美激情在线99| 免费人成在线观看视频色| 久久这里只有精品中国| 欧美色欧美亚洲另类二区| 日本-黄色视频高清免费观看| 最后的刺客免费高清国语| 亚洲第一区二区三区不卡| 99热这里只有是精品在线观看| 日韩制服骚丝袜av| 中文字幕av在线有码专区| 国产高清有码在线观看视频| 永久网站在线| 欧美成人a在线观看| 99久久精品一区二区三区| 在线免费观看的www视频| 成人二区视频| 寂寞人妻少妇视频99o| 岛国在线免费视频观看| 99久久成人亚洲精品观看| 3wmmmm亚洲av在线观看| 别揉我奶头 嗯啊视频| 九九久久精品国产亚洲av麻豆| 老司机福利观看| 2021天堂中文幕一二区在线观| 欧美xxxx性猛交bbbb| 神马国产精品三级电影在线观看| 久久精品国产亚洲av天美| 国产一区二区亚洲精品在线观看| 欧美日韩国产亚洲二区| 精品免费久久久久久久清纯| av在线亚洲专区| 色哟哟·www| 中文在线观看免费www的网站| 美女大奶头视频| 久久久久性生活片| 人体艺术视频欧美日本| 日本av手机在线免费观看| 免费人成在线观看视频色| 亚洲精品粉嫩美女一区| 国产精品电影一区二区三区| 国产精品精品国产色婷婷| 日本成人三级电影网站| 中文字幕精品亚洲无线码一区| 国产精品av视频在线免费观看| 亚洲av成人精品一区久久| 国产亚洲91精品色在线| 欧美极品一区二区三区四区| 日本与韩国留学比较| 精品一区二区三区视频在线| 波多野结衣巨乳人妻| 精品久久久久久久久亚洲| 精品久久久久久久末码| 成人美女网站在线观看视频| 亚洲国产精品sss在线观看| 18禁在线无遮挡免费观看视频| 中文字幕av在线有码专区| 亚洲综合色惰| 亚洲三级黄色毛片| 久久久久久久午夜电影| 91精品一卡2卡3卡4卡| 一个人免费在线观看电影| 精品国内亚洲2022精品成人| 搡女人真爽免费视频火全软件| 国产片特级美女逼逼视频| 欧美日本视频| avwww免费| 亚洲国产色片| 国产午夜精品论理片| 色综合亚洲欧美另类图片| 成年免费大片在线观看| 成人亚洲欧美一区二区av| 最近视频中文字幕2019在线8| 亚洲在线自拍视频| 亚洲综合色惰| 成人欧美大片| 一个人免费在线观看电影| 国产精品99久久久久久久久| 国产一区二区激情短视频| 丝袜喷水一区| 亚洲欧美成人综合另类久久久 | 亚洲欧美清纯卡通| 精品一区二区三区人妻视频| 一本一本综合久久| 精品熟女少妇av免费看| 日本欧美国产在线视频| 1000部很黄的大片| 一进一出抽搐动态| 亚洲精品久久久久久婷婷小说 | 国产成人精品婷婷| 久久久久久久亚洲中文字幕| 麻豆国产97在线/欧美| 免费看光身美女| 国产麻豆成人av免费视频| 美女黄网站色视频| 欧美激情国产日韩精品一区| 国产精品久久久久久精品电影小说 | а√天堂www在线а√下载| 亚洲,欧美,日韩| 我要搜黄色片| 熟妇人妻久久中文字幕3abv| 欧美zozozo另类| 国产亚洲精品久久久久久毛片| 亚洲精品国产av成人精品| 国产精品一区二区性色av| 一级黄片播放器| 黄色配什么色好看| 一本久久精品| 国产探花在线观看一区二区|