• <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
    色综合欧美亚洲国产小说| 欧美激情极品国产一区二区三区| 大型黄色视频在线免费观看| 悠悠久久av| 亚洲五月色婷婷综合| 无限看片的www在线观看| 国产人伦9x9x在线观看| 亚洲精品av麻豆狂野| 99久久综合精品五月天人人| 首页视频小说图片口味搜索| 好男人在线观看高清免费视频 | 日韩成人在线观看一区二区三区| 少妇粗大呻吟视频| av中文乱码字幕在线| 天天躁狠狠躁夜夜躁狠狠躁| 黑人巨大精品欧美一区二区mp4| 黑人巨大精品欧美一区二区mp4| 韩国av一区二区三区四区| 91九色精品人成在线观看| 国产人伦9x9x在线观看| 窝窝影院91人妻| 成人永久免费在线观看视频| 欧美乱码精品一区二区三区| 97人妻天天添夜夜摸| 91精品国产国语对白视频| 国产精品永久免费网站| 午夜成年电影在线免费观看| 99久久综合精品五月天人人| 国产精品 欧美亚洲| 狂野欧美激情性xxxx| 亚洲欧洲精品一区二区精品久久久| 久久久久国产一级毛片高清牌| 别揉我奶头~嗯~啊~动态视频| 少妇的丰满在线观看| 亚洲av电影不卡..在线观看| 亚洲第一电影网av| 极品人妻少妇av视频| 精品欧美一区二区三区在线| 人人妻人人爽人人添夜夜欢视频| 此物有八面人人有两片| 亚洲精品一区av在线观看| 色综合亚洲欧美另类图片| 一进一出好大好爽视频| 亚洲片人在线观看| 亚洲激情在线av| 久久精品国产清高在天天线| 亚洲,欧美精品.| 国产精品久久久久久精品电影 | 97碰自拍视频| 亚洲国产毛片av蜜桃av| 国产亚洲精品第一综合不卡| 午夜免费成人在线视频| 日本 av在线| 亚洲精品美女久久久久99蜜臀| 日韩视频一区二区在线观看| 精品久久久久久久毛片微露脸| 啪啪无遮挡十八禁网站| 欧美激情极品国产一区二区三区| 国产三级黄色录像| www.999成人在线观看| 久久久精品欧美日韩精品| 免费女性裸体啪啪无遮挡网站| 黄频高清免费视频| 久久天躁狠狠躁夜夜2o2o| 亚洲色图 男人天堂 中文字幕| 69精品国产乱码久久久| 国产区一区二久久| 欧美另类亚洲清纯唯美| 日韩一卡2卡3卡4卡2021年| 成人18禁在线播放| 国产高清videossex| 可以在线观看毛片的网站| 亚洲av五月六月丁香网| 亚洲国产高清在线一区二区三 | 久久影院123| 亚洲国产精品合色在线| 亚洲av五月六月丁香网| 成人国产一区最新在线观看| 婷婷六月久久综合丁香| 黄色视频不卡| 国产精品精品国产色婷婷| 1024视频免费在线观看| 久久人妻福利社区极品人妻图片| 免费看十八禁软件| 女警被强在线播放| 在线播放国产精品三级| 九色国产91popny在线| 免费在线观看日本一区| 麻豆一二三区av精品| 亚洲熟女毛片儿| 国产主播在线观看一区二区| 亚洲av电影在线进入| 中文字幕另类日韩欧美亚洲嫩草| 叶爱在线成人免费视频播放| 人成视频在线观看免费观看| 一级片免费观看大全| 精品无人区乱码1区二区| 国产精品美女特级片免费视频播放器 | 12—13女人毛片做爰片一| 亚洲全国av大片| 久久精品91蜜桃| 久久人妻av系列| 久久草成人影院| 亚洲人成伊人成综合网2020| 欧美色欧美亚洲另类二区 | 国产又爽黄色视频| 午夜福利欧美成人| 久久这里只有精品19| 成人18禁高潮啪啪吃奶动态图| 国产av一区在线观看免费| 啦啦啦韩国在线观看视频| xxx96com| 久久国产精品人妻蜜桃| 久久青草综合色| 亚洲最大成人中文| 激情在线观看视频在线高清| 麻豆久久精品国产亚洲av| 国产xxxxx性猛交| 久久中文看片网| 男女做爰动态图高潮gif福利片 | 国产成人精品在线电影| 国产精品精品国产色婷婷| 亚洲成av人片免费观看| 很黄的视频免费| 成人三级做爰电影| 亚洲在线自拍视频| 黄色毛片三级朝国网站| 国产精品1区2区在线观看.| 日韩欧美国产一区二区入口| 国产在线观看jvid| 日本精品一区二区三区蜜桃| 国产精品自产拍在线观看55亚洲| 国产欧美日韩一区二区三| 国产成人精品久久二区二区免费| 男男h啪啪无遮挡| 亚洲一区高清亚洲精品| 曰老女人黄片| 亚洲国产看品久久| 满18在线观看网站| 两人在一起打扑克的视频| 国产精品一区二区免费欧美| 精品高清国产在线一区| 欧美性长视频在线观看| 欧美日本亚洲视频在线播放| 大陆偷拍与自拍| 桃红色精品国产亚洲av| 非洲黑人性xxxx精品又粗又长| 最新美女视频免费是黄的| av免费在线观看网站| 国产精品,欧美在线| 国产亚洲av嫩草精品影院| 国内精品久久久久精免费| 男人舔女人的私密视频| 男女下面插进去视频免费观看| 国产av一区在线观看免费| 精品一区二区三区视频在线观看免费| 一个人免费在线观看的高清视频| 欧美国产日韩亚洲一区| ponron亚洲| 黄色视频,在线免费观看| 狂野欧美激情性xxxx| 亚洲欧美精品综合一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | e午夜精品久久久久久久| 一本大道久久a久久精品| 男女下面进入的视频免费午夜 | 无人区码免费观看不卡| 成年版毛片免费区| 一二三四社区在线视频社区8| 美女 人体艺术 gogo| 无限看片的www在线观看| 日韩欧美一区视频在线观看| 女警被强在线播放| 亚洲一区中文字幕在线| 国产一区二区三区综合在线观看| 欧美一级毛片孕妇| 女人被躁到高潮嗷嗷叫费观| cao死你这个sao货| 看黄色毛片网站| 精品久久久久久,| 夜夜爽天天搞| 精品国产国语对白av| 日韩 欧美 亚洲 中文字幕| 一边摸一边抽搐一进一小说| 窝窝影院91人妻| 波多野结衣av一区二区av| 日本 欧美在线| 黄色a级毛片大全视频| 日韩欧美国产一区二区入口| 亚洲国产精品成人综合色| 国产精品一区二区免费欧美| 国产真人三级小视频在线观看| 麻豆av在线久日| 黄色毛片三级朝国网站| 搡老岳熟女国产| 在线观看午夜福利视频| 亚洲av成人一区二区三| 午夜福利,免费看| 国内精品久久久久久久电影| 一区二区三区激情视频| 欧美日韩乱码在线| 人妻丰满熟妇av一区二区三区| av中文乱码字幕在线| 久久久久久久久久久久大奶| netflix在线观看网站| 精品一品国产午夜福利视频| 国内精品久久久久久久电影| 女同久久另类99精品国产91| 亚洲久久久国产精品| 午夜免费激情av| 久久久久久久久免费视频了| 不卡一级毛片| 久久久水蜜桃国产精品网| 男人的好看免费观看在线视频 | 欧美黑人精品巨大| 天堂√8在线中文| 亚洲av熟女| 欧美黄色淫秽网站| 热re99久久国产66热| 精品一区二区三区视频在线观看免费| 亚洲av第一区精品v没综合| 精品第一国产精品| av在线播放免费不卡| 欧美成狂野欧美在线观看| 一级毛片高清免费大全| 精品乱码久久久久久99久播| 大码成人一级视频| 亚洲一区二区三区色噜噜| 欧美激情高清一区二区三区| 精品国内亚洲2022精品成人| 亚洲视频免费观看视频| 老司机午夜十八禁免费视频| 国产一区二区三区视频了| 搡老妇女老女人老熟妇| 久久国产精品人妻蜜桃| av欧美777| 国产麻豆成人av免费视频| 9热在线视频观看99| 欧美日本中文国产一区发布| svipshipincom国产片| 大型黄色视频在线免费观看| 亚洲五月天丁香| 色综合婷婷激情| 在线永久观看黄色视频| 亚洲欧美精品综合久久99| 999精品在线视频| 亚洲av熟女| 日日摸夜夜添夜夜添小说| 亚洲片人在线观看| 中文字幕色久视频| 好男人电影高清在线观看| 中亚洲国语对白在线视频| 深夜精品福利| 一区在线观看完整版| 亚洲一区中文字幕在线| 琪琪午夜伦伦电影理论片6080| √禁漫天堂资源中文www| 亚洲 国产 在线| 母亲3免费完整高清在线观看| 日日爽夜夜爽网站| 美女高潮喷水抽搐中文字幕| 99久久综合精品五月天人人| 999久久久国产精品视频| 99国产精品一区二区蜜桃av| 精品久久久精品久久久| 亚洲成人国产一区在线观看| 国产激情久久老熟女| 亚洲全国av大片| www.www免费av| 欧美乱码精品一区二区三区| 中文字幕人妻丝袜一区二区| av天堂久久9| 在线视频色国产色| 国产成人av教育| 在线观看免费视频日本深夜| 色播亚洲综合网| 男男h啪啪无遮挡| 1024香蕉在线观看| 国产亚洲欧美精品永久| 美女高潮到喷水免费观看| 级片在线观看| 精品国产一区二区三区四区第35| 一区在线观看完整版| 97人妻天天添夜夜摸| 国产av精品麻豆| 怎么达到女性高潮| 男女做爰动态图高潮gif福利片 | 好男人电影高清在线观看| 丝袜人妻中文字幕| 国产精品乱码一区二三区的特点 | 欧美日韩瑟瑟在线播放| 黄色视频,在线免费观看| 久久久久久久久免费视频了| 日韩欧美一区二区三区在线观看| 91麻豆av在线| 人人妻人人澡欧美一区二区 | 女人高潮潮喷娇喘18禁视频| 一区在线观看完整版| 少妇 在线观看| 亚洲七黄色美女视频| 热re99久久国产66热| 欧美黄色片欧美黄色片| 在线播放国产精品三级| 日韩精品免费视频一区二区三区| 国产单亲对白刺激| 久久欧美精品欧美久久欧美| 中文字幕人妻熟女乱码| 悠悠久久av| 亚洲精品久久国产高清桃花| 九色亚洲精品在线播放| 国产成人精品无人区| 色综合婷婷激情| 亚洲av成人av| 两个人看的免费小视频| 黄色女人牲交| 国内久久婷婷六月综合欲色啪| 国产野战对白在线观看| 日本vs欧美在线观看视频| 不卡一级毛片| 欧美乱妇无乱码| 又紧又爽又黄一区二区| 18禁美女被吸乳视频| 麻豆一二三区av精品| 免费高清视频大片| 怎么达到女性高潮| 久久精品国产清高在天天线| 日韩欧美在线二视频| 欧美日本亚洲视频在线播放| 日本vs欧美在线观看视频| 欧美一区二区精品小视频在线| 嫁个100分男人电影在线观看| 777久久人妻少妇嫩草av网站| 99国产综合亚洲精品| 91精品国产国语对白视频| 亚洲精品美女久久久久99蜜臀| 久久久久精品国产欧美久久久| 成人三级黄色视频| 少妇的丰满在线观看| 神马国产精品三级电影在线观看 | 一夜夜www| 精品高清国产在线一区| 一个人免费在线观看的高清视频| 在线国产一区二区在线| 午夜福利免费观看在线| 波多野结衣巨乳人妻| www.999成人在线观看| 最近最新中文字幕大全电影3 | 亚洲久久久国产精品| 级片在线观看| 亚洲,欧美精品.| 国产精品 欧美亚洲| 精品国产一区二区三区四区第35| 亚洲avbb在线观看| 午夜福利欧美成人| 亚洲精品国产一区二区精华液| 在线视频色国产色| 中出人妻视频一区二区| 波多野结衣av一区二区av| 老司机午夜十八禁免费视频| 国产av在哪里看| 一进一出抽搐动态| 日韩精品青青久久久久久| 久久精品91无色码中文字幕| 淫妇啪啪啪对白视频| 91字幕亚洲| 十八禁人妻一区二区| 久久 成人 亚洲| 亚洲片人在线观看| 亚洲人成电影观看| 免费一级毛片在线播放高清视频 | 中文字幕人妻熟女乱码| 久久精品亚洲精品国产色婷小说| 亚洲第一av免费看| 国产av又大| 搞女人的毛片| 亚洲欧美一区二区三区黑人| 两性午夜刺激爽爽歪歪视频在线观看 | 又紧又爽又黄一区二区| 99riav亚洲国产免费| 麻豆成人av在线观看| 大型av网站在线播放| 亚洲自偷自拍图片 自拍| 免费观看人在逋| 国产亚洲精品一区二区www| 午夜福利免费观看在线| 国产成+人综合+亚洲专区| 俄罗斯特黄特色一大片| 不卡av一区二区三区| 日本免费a在线| 亚洲国产日韩欧美精品在线观看 | 很黄的视频免费| 黑人巨大精品欧美一区二区蜜桃| av片东京热男人的天堂| 欧美av亚洲av综合av国产av| 色av中文字幕| 两个人免费观看高清视频| www.熟女人妻精品国产| 亚洲国产毛片av蜜桃av| 日韩有码中文字幕| 少妇粗大呻吟视频| 美女 人体艺术 gogo| 精品电影一区二区在线| 亚洲欧美激情综合另类| 欧美日本亚洲视频在线播放| 99在线视频只有这里精品首页| 国产精品国产高清国产av| 一夜夜www| 看片在线看免费视频| 国产av一区二区精品久久| 亚洲国产中文字幕在线视频| 国产私拍福利视频在线观看| 欧美一级a爱片免费观看看 | 久久中文看片网| xxx96com| 亚洲精品粉嫩美女一区| 黑人操中国人逼视频| or卡值多少钱| 国产免费男女视频| 国产精品久久久久久人妻精品电影| 国产精品一区二区精品视频观看| 一本久久中文字幕| 国产精品综合久久久久久久免费 | 国产亚洲精品久久久久久毛片| 视频在线观看一区二区三区| 国产一级毛片七仙女欲春2 | 中文字幕av电影在线播放| 国产亚洲欧美在线一区二区| 国产伦一二天堂av在线观看| 午夜福利视频1000在线观看 | 成人手机av| 亚洲电影在线观看av| 真人一进一出gif抽搐免费| 久久热在线av| 天堂动漫精品| 日日摸夜夜添夜夜添小说| 露出奶头的视频| 国产成+人综合+亚洲专区| 一级毛片高清免费大全| 欧洲精品卡2卡3卡4卡5卡区| 一进一出抽搐gif免费好疼| 日韩av在线大香蕉| 久久久久久久久中文| 精品乱码久久久久久99久播| 亚洲av电影不卡..在线观看| 亚洲少妇的诱惑av| 在线观看午夜福利视频| 国产精品乱码一区二三区的特点 | 很黄的视频免费| 国产一区二区三区视频了| 电影成人av| 国产熟女xx| 国产精品九九99| 级片在线观看| 精品乱码久久久久久99久播| 国产99久久九九免费精品| 亚洲狠狠婷婷综合久久图片| 熟妇人妻久久中文字幕3abv| 免费搜索国产男女视频| 日本黄色视频三级网站网址| 男人操女人黄网站| www.自偷自拍.com| 久久草成人影院| 久久精品aⅴ一区二区三区四区| 最新美女视频免费是黄的| 亚洲精品粉嫩美女一区| 韩国av一区二区三区四区| 最近最新中文字幕大全免费视频| 一二三四在线观看免费中文在| 久久性视频一级片| 自线自在国产av| 女人精品久久久久毛片| 国产精品香港三级国产av潘金莲| 国产日韩一区二区三区精品不卡| 啦啦啦 在线观看视频| 亚洲一区二区三区不卡视频| 亚洲av熟女| 国产亚洲精品久久久久久毛片| 欧美日韩福利视频一区二区| 波多野结衣高清无吗| 成人三级做爰电影| 欧美老熟妇乱子伦牲交| 午夜免费鲁丝| 国产av精品麻豆| 亚洲av五月六月丁香网| 青草久久国产| 大型黄色视频在线免费观看| 狂野欧美激情性xxxx| 国产精品久久久久久精品电影 | 天天躁夜夜躁狠狠躁躁| 国产成人欧美在线观看| 日本 av在线| 亚洲欧美日韩高清在线视频| 亚洲无线在线观看| 757午夜福利合集在线观看| 18禁裸乳无遮挡免费网站照片 | 欧美av亚洲av综合av国产av| 丰满人妻熟妇乱又伦精品不卡| 国产成年人精品一区二区| 国产亚洲精品综合一区在线观看 | 中亚洲国语对白在线视频| 亚洲精品av麻豆狂野| 久久婷婷人人爽人人干人人爱 | 大型黄色视频在线免费观看| 亚洲成av人片免费观看| 变态另类成人亚洲欧美熟女 | 一本大道久久a久久精品| 国产精品爽爽va在线观看网站 | 国产97色在线日韩免费| 12—13女人毛片做爰片一| 国产精华一区二区三区| 侵犯人妻中文字幕一二三四区| 午夜亚洲福利在线播放| 国产亚洲精品av在线| 欧美日韩中文字幕国产精品一区二区三区 | 精品欧美一区二区三区在线| 欧美日本亚洲视频在线播放| 婷婷丁香在线五月| 亚洲男人天堂网一区| 亚洲国产欧美网| 免费搜索国产男女视频| 亚洲国产欧美日韩在线播放| 久久精品国产99精品国产亚洲性色 | 免费人成视频x8x8入口观看| 色哟哟哟哟哟哟| 女人精品久久久久毛片| 国产蜜桃级精品一区二区三区| 亚洲精品av麻豆狂野| 国产成人精品久久二区二区91| 国产一区二区三区视频了| 国产成人一区二区三区免费视频网站| 国产不卡一卡二| 日韩大尺度精品在线看网址 | 国产视频一区二区在线看| 国产麻豆成人av免费视频| 精品一品国产午夜福利视频| 啦啦啦韩国在线观看视频| 中文字幕另类日韩欧美亚洲嫩草| 一区二区三区激情视频| x7x7x7水蜜桃| 在线永久观看黄色视频| 国产亚洲精品综合一区在线观看 | 少妇裸体淫交视频免费看高清 | 久久国产精品人妻蜜桃| 黄色视频,在线免费观看| 在线观看免费视频日本深夜| 久久这里只有精品19| 久久精品国产亚洲av香蕉五月| 中文字幕av电影在线播放| 久久久久久久精品吃奶| 久久久久久人人人人人| 午夜久久久在线观看| 欧美日本中文国产一区发布| 欧美激情久久久久久爽电影 | 美女免费视频网站| 9色porny在线观看| 日本免费a在线| 妹子高潮喷水视频| 首页视频小说图片口味搜索| 亚洲av美国av| 欧美绝顶高潮抽搐喷水| 真人一进一出gif抽搐免费| 国产在线观看jvid| 精品久久久久久久久久免费视频| 精品免费久久久久久久清纯| 国产午夜福利久久久久久| 久久精品国产99精品国产亚洲性色 | 在线观看免费日韩欧美大片| 亚洲美女黄片视频| 国内久久婷婷六月综合欲色啪| 亚洲激情在线av| 国产在线精品亚洲第一网站| 久久婷婷人人爽人人干人人爱 | 人人妻人人澡欧美一区二区 | 亚洲精品一区av在线观看| 免费不卡黄色视频| 久久欧美精品欧美久久欧美| 黄色片一级片一级黄色片| 韩国精品一区二区三区| 首页视频小说图片口味搜索| 国产不卡一卡二| 亚洲精品国产色婷婷电影| 国产精品一区二区三区四区久久 | 91麻豆av在线| 少妇被粗大的猛进出69影院| 多毛熟女@视频| 两个人免费观看高清视频| 亚洲国产中文字幕在线视频| 黄色女人牲交| 成人18禁高潮啪啪吃奶动态图| 国产精品二区激情视频| 国产精品野战在线观看| 久久久久久大精品| 国产亚洲精品一区二区www| 大香蕉久久成人网| 97人妻精品一区二区三区麻豆 | 久久精品亚洲熟妇少妇任你| 久久久国产成人免费| 男女做爰动态图高潮gif福利片 | 99在线人妻在线中文字幕| 日韩精品中文字幕看吧| 精品国产一区二区久久| 岛国视频午夜一区免费看| 欧美日韩瑟瑟在线播放| 久久久精品国产亚洲av高清涩受| 亚洲成人国产一区在线观看| 欧美绝顶高潮抽搐喷水| 国产国语露脸激情在线看| 宅男免费午夜| 天天一区二区日本电影三级 | 美女午夜性视频免费| 国产激情欧美一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲国产毛片av蜜桃av| 黄色毛片三级朝国网站| 午夜免费激情av|