• <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 ?

    基于改進網格運動統(tǒng)計特征的圖像匹配算法

    2019-10-23 15:03:58朱成德李志偉王凱高燕郭亨長
    計算機應用 2019年8期
    關鍵詞:圖像匹配

    朱成德 李志偉 王凱 高燕 郭亨長

    摘 要:為了解決尺度不變特征變換(SIFT)算法在圖像匹配中匹配正確率低、耗時長等問題,提出一種基于改進網格運動統(tǒng)計特征RANSAC-GMS的圖像匹配算法。首先,利用快速旋轉不變性特征(ORB)算法對圖像進行預匹配,對預匹配的特征點采用網格運動統(tǒng)計(GMS)來支持估計量以實現(xiàn)正確匹配點與錯誤匹配點的區(qū)分;然后,采用改進的隨機抽樣一致性(RANSAC)算法通過匹配點間的距離相似性對特征點進行篩選,并采用評價函數(shù)對篩選后的新數(shù)據集進行重新整理,進而實現(xiàn)對誤匹配點的剔除。采用Oxford標準圖庫和現(xiàn)實中拍攝的圖像對圖像匹配算法進行測試對比,實驗結果表明,所提算法在圖像匹配中的平均匹配正確率達到91%以上;與GMS、SIFT、ORB等算法相比,該改進算法的近景匹配正確率和遠景匹配正確率分別最少提高了16.15個百分點和3.56個百分點,說明它能有效剔除誤匹配點,進一步提高圖像匹配精度。

    關鍵詞:圖像匹配;特征點匹配;距離相似性;誤匹配;網格運動統(tǒng)計

    中圖分類號:?TP391.41

    文獻標志碼:A

    Image matching algorithm based on improved RANSAC-GMS

    ZHU Chengde1,2, LI Zhiwei1*, WANG Kai1, GAO Yan1, GUO Hengchang2

    1.School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai 201620, China ;

    2.Shanghai M&G Stationery Incorporation, Shanghai 201406, China

    Abstract:?In order to solve the problem that Scale Invariant Feature Transform (SIFT) algorithm has low matching accuracy and long time consuming in image matching, an improved image matching algorithm based on grid motion statistical feature, namely RANSAC-GMS, was proposed. Firstly, the image was pre-matched by Oriented FAST and Rotated BRIEF (ORB) algorithm and Grid-based Motion Statistics (GMS) was used to support the estimator to distinguish the correct matching points from the wrong matching points. Then, an improved RANdom SAmple Consensus (RANSAC) algorithm was used to filter the feature points according to the distance similarity between the matching points, and an evaluation function was used to reorganize the filtered new datasets to eliminate the mismatching points. The experiments were carried out on Oxford standard image library and images taken in reality. Experimental results show that the average matching accuracy of the proposed algorithm in image matching is over 91%. Compared with algorithms such as GMS, SIFT and ORB, the near-scene matching accuracy and the far-scene matching accuracy of the proposed algorithm are improved by 16.15 percentage points and 3.56 percentage points respectively. The proposed algorithm can effectively eliminate mismatching points and achieve further improvement of image matching accuracy.

    Key words:?image? matching; feature point matching; distance similarity; wrong matching; Grid-based Motion Statistics (GMS)

    0 引言

    圖像匹配作為對兩幅或多幅圖像相似性或一致性檢測的分析方法,在人臉識別[1]、目標跟蹤[2]、視覺導航[3]、圖像拼接及檢索[4]等領域具有較為廣泛的應用。常用的圖像匹配方法主要分為基于灰度信息的匹配方法[5-6]和基于特征的匹配方法[7-8]。基于特征的圖像匹配算法主要包括尺度不變特征變換(Scale-Invariant Feature Transform, SIFT)算法[9]、加速穩(wěn)健特征(Speeded Up Robust Features, SURF)算法[10]、快速特 征點提取和描述ORB(Oriented FAST (Features from Accelerated Segment Test) and Rotated BRIEF (Binary Robust Independent Elementary Features))[11]等算法。ORB算法將FAST角點檢測和BRIEF特征描述相結合,保證了尺度和旋轉的不變性,具有匹配質量高、匹配速度快等優(yōu)點;但在實際運用中,該算法仍然存在圖像特征點匹配精度較低等問題。隨著研究的不斷推進,ORB算法被不斷完善,在構建圖像之間的映射關系時,經常與隨機抽樣一致性(RANdom SAmple Consensus,RANSAC)算法[12-14]相結合。RANSAC算法可有效剔除誤匹配,但當樣本中數(shù)據較多且局內點所占比例較低時,RANSAC算法計算最優(yōu)模型參數(shù)時間將呈指數(shù)增長,且經過剔除誤匹配后依然會有明顯的匹配錯誤存在。鑒于此,陳樹等[15]將提取的彩色圖像顏色不變量信息與SURF-ORB算法相結合,通過優(yōu)化RANSAC算法完成圖像的匹配,但該算法針對不同光照強度和光照角度情況下,圖像匹配效果有所提升;

    秦曉飛等[16]提出通過8點改進法減少RANSAC迭代次數(shù),采用極線約束來剔除誤匹配,但采用極線約束可能存在沒有可行解的情況。

    Bian等[17]提出了一種基于網格運動統(tǒng)計(Grid-based Motion Statistics,GMS)特征的匹配算法,具有計算速度快、存儲量高等優(yōu)點,但也存在著大量的錯誤匹配點。

    基于上述分析,本文提出了一種基于改進的網格運動統(tǒng)計特征RANSAC-GMS的圖像匹配算法,著重于進一步提高圖像匹配正確率。本文首先介紹了GMS算法和RANSAC算法,在此基礎上提出改進的RANSAC算法,根據匹配點間的距離相似對匹配點進行篩選,進一步利用評價函數(shù)對數(shù)據進行整理,以此增大局內點所占比例、減少迭代次數(shù)。實驗結果表明,本文所提算法可以有效剔除誤匹配點,實現(xiàn)圖像匹配正確率的進一步提高,有利于工程推廣應用。

    1 GMS算法

    GMS算法[18-19]是一種根據網格劃分特征點來作為鄰域支持估計量,將高數(shù)量匹配點轉換成高質量匹配的快速、高魯棒性的圖像匹配算法。GMS算法利用ORB算法對特征點進行提取和描述,采用基于網格運動統(tǒng)計鄰域支持估計量以區(qū)分正確匹配點和錯誤匹配點。圖1為正確匹配與錯誤匹配的特征分布圖,左側為匹配圖像Ia、右側為待匹配圖像Ib。兩幅圖像分別有M、N個特征點,其對應的特征點集合為{M,N}。a、b區(qū)域的匹配點集合為x={x1,x2,…,xn},其中xi={Mi, Ni}表示一對特征點匹配對。正確匹配點附近存在若干對符合匹配關系的特征,而錯誤匹配的周圍符合匹配關系的特征數(shù)量較少甚至沒有,根據此特性,在a區(qū)域有一特征點Mi匹配到b區(qū)域中的Ni中,匹配對xi匹配正確,而匹配對xj匹配錯誤。對圖1中的a區(qū)域,用si表示xi鄰域支持估計量,則有:

    si= | xi | -1

    (1)

    其中:-1表示去除a區(qū)域的原始特征點Mi。圖1中si=2。

    匹配過程中,為了計算區(qū)域a中特征點到區(qū)域b中匹配正確的概率,用圖2表示特征點匹配過程的事件空間,其中圖(a)為區(qū)域a和區(qū)域b匹配正確事件,圖(b)為區(qū)域a和區(qū)域b匹配錯誤事件。區(qū)域a中的一個特征點用fa表示,事件fba表示fa匹配到區(qū)域b,反之匹配到區(qū)域b之外的事件記為fba 。事件fta表示fa匹配到區(qū)域b中特征點匹配正確,反之匹配錯誤記為事件ffa。事件Tab、Fab分別表示區(qū)域a和區(qū)域b匹配正確和匹配錯誤。其中,事件ffa發(fā)生時事件fba發(fā)生的概率為:

    p(fba | ffa)=βn/N;? β∈(0,1)

    (2)

    其中:n是區(qū)域b中特征點個數(shù);N是待匹配圖像Ib中特征點總個數(shù);β是權重值。

    由特征點fa匹配事件空間的分布,設pt、 pf分別表示在區(qū)域a中一個特征點匹配到區(qū)域b中正確的概率和錯誤的概率,令事件fta的概率為p(fta)=t,則pt、pf分別為:

    pt= p(fba | Tab)=

    p(fba | Tab)+p(fba, fba | Tab)=

    p(fta)+p(ffa)p(fba | ffa)=t+(1-t)βn/N

    (3)

    pf=p(fba | Fab)=p(ffa, fba | Fab)=β(1-t)(n/N)

    (4)

    根據式(3)、式(4),si鄰域支持估計量和xi的二項分布之間的關系如下:

    si~ B(n,pt),?? xi匹配正確B(n,pf), xi匹配錯誤

    (5)

    為了快速區(qū)分正確匹配和錯誤匹配,把圖像劃分為G=g×g個網格,圖3展示了網格運動劃分,這里將鄰域支持估計量分配給一個單元網格,而不是計算每一個特征點對應的支持估計量。通過計算周圍相鄰網格的估計量,來加快區(qū)分匹配點。根據式(1)得到匹配網格區(qū)域間支持估計量si的表達式為:

    si=∑ K k=1 ?| xakbk |

    (6)

    其中:K表示與匹配xi一起連續(xù)的不相交區(qū)域網格數(shù)目;xakbk∈x表示在xi預測周圍區(qū)域對應的匹配子集{ak,bk}。相鄰網格區(qū)域的鄰域支持估計量si的二項分布如下:

    si~ B(Kn,pt),?? xakbk匹配正確B(Kn,pf), xakbk匹配錯誤

    (7)

    根據以上得si的均值和標準差的分布如下:

    mt=Knpt,st= Knt(1-pt) ,?? xakbk匹配正確mf=Knpf,sf= Knt(1-pf) , xakbk匹配錯誤

    (8)

    由于運動網格的劃分,使得正確匹配與錯誤匹配的概率相差越來越大,即si的值逐漸增大。根據計算的均值和標準差可得到區(qū)域匹配對{ak,bk}的二值化表達式:

    cell-pair{i, j}∈ F,? sij≤τ=mf+αsf

    T, sij>τ=mf+αsf

    (9)

    其中:i表示圖像Ia中第i個網格區(qū)域;j表示圖像Ib中第j個網格區(qū)域;{i, j}表示兩個匹配的網格區(qū)域;α為權重值。在實踐中,τ可以近似為:

    τ≈αsf≈α n

    (10)

    將鄰域估計量si大于τ的網格區(qū)域匹配對保留下來,則保留下的網格中存在大量滿足條件的特征點,為樣本提供了可靠的特征匹配對。

    2 改進RANSAC算法

    2.1 RANSAC算法

    RANSAC算法[20]是根據一組觀測數(shù)據集,經過反復迭代的方式計算出數(shù)據集的參數(shù)模型,去除不符合模型的局外點及噪聲,進而得到可信的樣本數(shù)據的算法。RANSAC算法消除錯誤匹配的本質是尋找一個最優(yōu)參數(shù)單應矩陣(Homography Matrix),假設A圖像中坐標點為(xa,ya),B圖像中的點為(xb,yb),則向量表達關系為Bi= H Ai,進行 H 變換的一般式為:

    xbyb1? =? h11 h12 h13h21 h22 h23h31 h32 h33 ?=? xaya1

    (11)

    對于單應矩陣 H ,通常令h33=1進行歸一化處理。此時單應矩陣 H 含有8個未知參數(shù),需要4對匹配點來計算單應矩陣模型參數(shù)。雖然RANSAC算法很大程度上能夠提取正確的匹配點,但大量的實驗表明,直接使用RANSAC算法剔除誤匹配點的運行效率較低。RANSAC算法的迭代次數(shù)直接體現(xiàn)了RANSAC的運行效率,而模型最小迭代次數(shù)k須滿足:

    1-(1-εq)k=p

    (12)

    其中:ε表示每次選取一個局內點在樣本中所占的概率;q表示計算模型參數(shù)所需的最小數(shù)據點數(shù);p表示為被測量參數(shù)測量值可信程度的物理量。由式(12)可以求出為:

    k=lg(1-p)/lg(1-εq)

    (13)

    由式(13)可知,在置信度p∈[0.95,0.99]情況下,ε減小,則k增大;反之,ε增大,則k減小。因此,為了提高計算最優(yōu)內點集的效率,縮短算法運行時間,可以通過提高局內點在數(shù)據集中所占比例來減少迭代次數(shù)。

    2.2 改進的RANSAC算法

    盡管RANSAC算法具有極大的容錯性和較好的魯棒性,然而,當提取的數(shù)據集含有較多錯誤的匹配點時,算法的運行時間將呈指數(shù)增加,加之初始模型參數(shù)估計的數(shù)據源具有一定的隨機性,因此,在剔除誤匹配點方面仍然有進一步改進的空間。本文通過計算匹配點對的距離,根據距離相似性特點進行篩選,實現(xiàn)部分局外點的剔除,剩下的匹配點組成新的數(shù)據集,此時局內點所占的比例較高,可以計算出最優(yōu)單應矩陣參數(shù)模型;同時,也減少了計算最優(yōu)模型參數(shù)的迭代次數(shù),提高了算法剔除誤匹配點效率,減少了運行時間。

    為了進一步說明本文方法,采用圖4所示的匹配點距離相似篩選示意圖來作詳細說明。設(Ai,Bi)和(Aj,Bj)是參考圖像A和待匹配圖像B最鄰近匹配對,那么,Ai和Bi的距離l(Ai,Bi)應相似于Aj和Bj的距離l(Aj,Bj);再由距離一致性原理,該距離應滿足l∈[Lmin,λ·Lmax],其中Lmax為匹配距離的最大值,Lmin為匹配距離的最小值,λ∈[0,1]為比例因子。

    要獲取更多特征點,可以將λ設定靠近1,該λ可以通過實驗確定,一般λ取0.6~0.8較為合適,本文λ取值0.7。利用參考圖像A和待匹配圖像B中匹配對(Ai,Bi)與最鄰近匹配對(Aj,Bj)距離關系相似性來評價距離兩點對應關系,提出如下評價函數(shù):

    F(i)=∑ c j=1? R(i, j) 1+Y(i, j)

    (14)

    R(i, j)=exp - ?| l(Ai,Bi)-l(Aj,Bj) | ?Y(i, j)

    (15)

    Y(i, j)=[l(Ai,Bi)+l(Aj,Bj)]/2

    (16)

    其中:c為內點個數(shù);R(i, j)表示(Ai,Bi)與各自對應特征點距離相對差異;Y(i, j)表示(Ai,Bi)與各自相對應特征點的平均距離。根據式(14),若想要得到穩(wěn)定的特征點,計算該距離與最鄰近距離的F(i)應盡可能地小。

    改進RANSAC算法步驟如下:

    1)求出匹配圖像A和待匹配圖像B中特征點匹配距離l和最鄰近點距離l′,該距離應滿足l∈[Lmin,λ·Lmax]。

    2)計算評價函數(shù)F(i)的所有值并求取平均值,平均值記為F 。

    3)對選取的匹配距離l進行F(i)值條件判斷,若F(i)小于F ,將匹配點保留下來組成新的樣本集C。

    4)從C中隨機抽取4個匹配對作為內點集Ci,用這4個樣本數(shù)據擬合出一個模型 H i。

    5)利用當前計算的模型去驗證樣本集C中剩余的內點集,如果某個點對適合當前模型 H i,且誤差小于閾值μ,則認為該點為局內點,將其加入內點集Ci。

    6)如果內點集Ci中元素個數(shù)大于閾值θ,則更新內點集,重新計算當前模型;否則,轉到4)。

    7)重復以上過程,如果迭代次數(shù)大于k,則退出。

    2.3 本文算法設計

    在本文中將匹配圖像和待匹配圖像分別劃成G=20×20個互不重疊的網格區(qū)域[17],采取K=9鄰域網格進行估計,閾值τ是基于α的sij均值和方差之和,取α=6,在進行匹配點距離一致性篩選時,取λ=0.7??傮w算法流程如下:

    1)對參考圖像和待匹配圖像進行網格劃分,并使用ORB算法對特征點進行提取,分別獲取粗匹配特征點集。

    2)使用基于網格運動統(tǒng)計鄰域支持估計量進行正確匹配點和錯誤匹配點的區(qū)分,組成可信度較高的匹配點集。

    3)采用改進的RANSAC算法進行誤匹配點的剔除,完成圖像匹配。

    具體流程如圖5所示。

    3 實驗結果與分析

    本文測試算法實驗條件為,筆記本電腦:操作系統(tǒng)為Windows 10(64位),Intel Core i5-4210U CPU @ 2.40GHz,4GB內存,運行環(huán)境為Visual Studio 2015和opencv3.4.0,程序采用C+ +編寫。為了驗證改進的RANSAC-GMS算法在圖像模糊、旋轉縮放、光照變化等圖像變換下具有良好的匹配效果,選取4個近期具有代表性的算法(GMS、ORB、SIFT、文獻[21]算法)與本文算法進行測試對比。對比實驗采用Oxford標準圖集[21],圖6(a)~(g)分別有圖像模糊(image blur)、視點變換(viewpoint change)、縮放/尺度(zoom/scale)、光照變化(illumination change)和JPEG壓縮(JPEG compression)等7組圖像,每組包括6幅不同變換程度的相同場景圖像。

    [4]?侯一民,隋文秀,孫曉雪. SIFT特征降維方法及其在圖像檢索中的應用 [J].中國激光, 2015,42(s1):s108002. (HOU Y M, SUI W X, SUN X X. SIFT feature dimension reduction method and its application in image retrieval [J]. Chinese Journal of Lasers, 2015, 42(s1):108002.)

    [5]?王凱,李志偉,朱成德,等.基于二次引導濾波的局部立體匹配算法[J]. 激光與光電子學進展, 2019,56(8):081004. (WANG K, LI Z W, ZHU C D, et al. Local stereo matching algorithm based on twice guided filtering [J]. Laser & Optoelectronics Progress, 2019, 56(8): 081004.)

    [6]?吳強,侯樹艷,李旭雯.融合圖像灰度信息與邊緣特征的快速匹配算法[J]. 信號處理, 2013,29(2):268-273. (WU Q, HOU S Y, LI X W. Fast image matching algorithm based on gray and edge features [J]. Journal of Signal Processing, 2013, 29(2): 268-273.)

    [7]?賈雯曉,張貴倉,汪亮亮,等.基于SIFT和改進的RANSAC圖像配準算法[J].計算機工程與應用,2018,54(2):203-207. (JIA W X, ZHANG G C, WANG L L, et al. Image registration algorithm based on SIFT and improved RANSAC [J]. Computer Engineering and Applications, 2018, 54(2): 203-207.)

    [8]?陳虹,肖越,肖成龍,等.基于SIFT算子融合最大相異系數(shù)的自適應圖像匹配算法[J].計算機應用,2018,38(5):1410-1414. (CHEN H, XIAO Y, XIAO C L, et al. Adaptive image matching algorithm based on SIFT operator fused with maximum dissimilarity coefficient [J]. Journal of Computer Applications, 2018, 38(5): 1410-1414.)

    [9]?LOWE D G. Distinctive image features from scale-invariant keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

    [10]?BAY H, ESS A, TUYTELAARS T, et al. Speeded-up robust features [J]. Computer Vision & Image Understanding, 2008, 110(3): 346-359.

    [11]?BRADSKI G, RUBLEE E, KONOLIGE K, RABAUD V, et al. ORB: an efficient alternative to SIFT or SURF [C] // Proceedings of the 13th IEEE International Conference on Computer Vision. Washington, DC: IEEE Computer Society, 2011: 2564-2571.

    [12]?TRAN Q, CHIN T, CARNEIRO G, et al. In defence of RANSAC for outlier rejection in deformable registration [C]// Proceedings of the 2012 European Conference on Computer Vision, LNCS 7575. Berlin: Springer, 2012: 274-287.

    [13]?馮文斌,劉寶華.改進的SIFT算法圖像匹配研究[J].計算機工程與應用,2018,54(3):200-205. (FENG W B, LIU B H. Research on image matching based on improved SIFT algorithm [J]. Computer Engineering and Applications, 2018, 54(3): 200-205.)

    [14]?孫雪強,黃旻,張桂峰,等.改進RANSAC算法在多光譜圖像匹配中的應用 [J].半導體光電,2018,39(4):563-568. (SUN X Q, HUANG M, ZHANG G F, et al. Application of improved RANSAC algorithm to multi-spectral image matching [J]. Semiconductor Optoelectronics, 2018, 39(4): 563-568.)

    [15]?陳樹,楊天,孫順遠.融合彩色不變量和SURB檢測的特征點匹配算法[J]. 激光與光電子學進展,2018,55(5):138-145. (CHEN S, YANG T, SUN S Y. Feature point matching algorithm for fusion of color invariants and SURB detection [J]. Laser & Optoelectronics Progress, 2018, 55(5): 138-145.)

    [16]?秦曉飛,皮軍強,李峰.基于極線約束的ORB特征匹配算法[J].計算機應用研究,2018,35(8):2865-2868. (QIN X F,PI J Q, LI F.ORB feature matching based on epipolar constraint [J]. Application Research of Computers, 2018, 35(8): 2865-2868.)

    [17]?BIAN J, LIN W, MATSUSHITA Y, et al. GMS: Grid-based motion statistics for fast, ultra-robust feature correspondence [C]// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Washington, DC:IEEE Computer Society, 2017: 2828-2837.

    [18]?陳方杰,韓軍,王祖武,等.基于改進GMS和加權投影變換的圖像配準算法[J].激光與光電子學進展,2018,55(11):174-180. (CHEN F J, HAN J, WANG Z W, et al. Image registration algorithm based on improved GMS and weighted projection transformation [J]. Laser & Optoelectronics Progress, 2018, 55(11):174-180.)

    [19]?YAN K, HAN M. Aerial image stitching algorithm based on improved GMS [C]// Proceedings of the 2018 Eighth International Conference on Information Science and Technology. Washington, DC: IEEE Computer Society, 2018: 351-357.

    [20]?趙明富,陳海軍,宋濤,等.改進RANSAC-SIFT算法在圖像匹配中的研究[J].激光雜志,2018,39(1):114-118. (ZHAO M F, CHEN H J, SONG T, et al. Research on image matching based on improved RANSAC-SIFT algorithm [J]. Laesr Journal, 2018, 39(1): 114-118.)

    [21]?李倩,江澤濤.二值化的SIFT特征描述子及圖像拼接優(yōu)化[J].中國圖象圖形學報,2016,21(12):1593-1601. (LI Q, JIANG Z T. Binary quantized SIFT feature descriptors for optimized image stitching [J]. Journal of Image and Graphics, 2016, 21(12): 1593-1601.)

    [22]?李為,李為相,張璠,等.基于運動平滑約束項的快速誤匹配剔除算法[J].計算機應用,2018,38(9):2678-2682. (LI W, LI W X, ZHANG F, et al. Rapid mismatching elimination algorithm based on motion smoothing constraints [J]. Journal of Computer Applications, 2018, 38(9): 2678-2682.)

    猜你喜歡
    圖像匹配
    基于多特征融合的圖像匹配研究
    基于視覺傳達技術的船舶圖像匹配研究
    圖像匹配及其應用
    基于圖像匹配和小波神經網絡的RFID標簽三維位置坐標測量法
    測控技術(2018年10期)2018-11-25 09:35:32
    一種用于光照變化圖像匹配的改進KAZE算法
    基于初匹配的視頻圖像拼接技術
    基于曲率尺度空間的角點檢測圖像匹配算法分析
    挖掘機器人圖像匹配算法研究
    基于SIFT和LTP的圖像匹配方法
    相似性測度函數(shù)分析及其在圖像匹配中的應用研究
    嘟嘟电影网在线观看| 一区二区三区乱码不卡18| 亚洲四区av| 久久精品夜色国产| 青春草视频在线免费观看| 在线观看66精品国产| 哪个播放器可以免费观看大片| 久久亚洲精品不卡| 搡老妇女老女人老熟妇| 韩国av在线不卡| 大又大粗又爽又黄少妇毛片口| 国产黄片美女视频| 国产伦精品一区二区三区视频9| 乱人视频在线观看| 日本黄色片子视频| 亚洲性久久影院| 国产爱豆传媒在线观看| 免费电影在线观看免费观看| 久久亚洲精品不卡| 午夜爱爱视频在线播放| 国产亚洲一区二区精品| 久久精品熟女亚洲av麻豆精品 | 欧美bdsm另类| 99久久中文字幕三级久久日本| 黑人高潮一二区| 国产精品日韩av在线免费观看| 麻豆国产97在线/欧美| 天天躁日日操中文字幕| 中文字幕精品亚洲无线码一区| 亚洲国产精品久久男人天堂| 亚洲成av人片在线播放无| 内射极品少妇av片p| 黄色配什么色好看| 夫妻性生交免费视频一级片| 久久热精品热| 欧美日本亚洲视频在线播放| 精品午夜福利在线看| 亚洲高清免费不卡视频| 色尼玛亚洲综合影院| 国产免费男女视频| 只有这里有精品99| 免费看美女性在线毛片视频| 建设人人有责人人尽责人人享有的 | 熟妇人妻久久中文字幕3abv| av国产免费在线观看| 欧美一区二区亚洲| 亚洲欧美精品综合久久99| 亚洲性久久影院| 久久99蜜桃精品久久| 久久久精品欧美日韩精品| 麻豆精品久久久久久蜜桃| 赤兔流量卡办理| 边亲边吃奶的免费视频| 久久久久久大精品| 国产亚洲精品久久久com| videos熟女内射| 欧美最新免费一区二区三区| 久久久久久久久久黄片| 一本久久精品| 国产精品电影一区二区三区| 亚洲精品aⅴ在线观看| 久久久久久久久久黄片| 最近的中文字幕免费完整| 国产午夜精品一二区理论片| 午夜福利网站1000一区二区三区| 国产精品三级大全| 麻豆乱淫一区二区| 人人妻人人看人人澡| 日本免费一区二区三区高清不卡| 国产成人福利小说| 国产精品一二三区在线看| 国产精品野战在线观看| 亚洲激情五月婷婷啪啪| 欧美性感艳星| 久久人人爽人人片av| 午夜免费男女啪啪视频观看| 91aial.com中文字幕在线观看| 美女xxoo啪啪120秒动态图| 三级国产精品片| 97超碰精品成人国产| 日产精品乱码卡一卡2卡三| 久久久精品欧美日韩精品| 美女高潮的动态| 欧美激情国产日韩精品一区| 精品一区二区免费观看| 禁无遮挡网站| 日韩成人伦理影院| 久久亚洲精品不卡| 精品一区二区三区视频在线| 欧美激情国产日韩精品一区| 国产成人免费观看mmmm| 亚洲国产精品成人久久小说| 欧美日韩国产亚洲二区| 亚洲美女视频黄频| 六月丁香七月| 99久久精品一区二区三区| 又粗又爽又猛毛片免费看| 欧美性猛交╳xxx乱大交人| 久久精品久久久久久久性| 国产探花极品一区二区| 亚洲av.av天堂| 久久久久九九精品影院| 一级爰片在线观看| 国产精品国产三级专区第一集| 乱人视频在线观看| 尤物成人国产欧美一区二区三区| 天天躁夜夜躁狠狠久久av| a级毛片免费高清观看在线播放| 热99re8久久精品国产| 欧美日韩国产亚洲二区| av免费在线看不卡| 国产麻豆成人av免费视频| 欧美一级a爱片免费观看看| 一区二区三区高清视频在线| 亚洲av一区综合| 欧美成人免费av一区二区三区| 欧美最新免费一区二区三区| 丰满乱子伦码专区| 99久国产av精品| 成人亚洲欧美一区二区av| 日韩欧美三级三区| 麻豆乱淫一区二区| 国产老妇女一区| 国产精品人妻久久久影院| 国产片特级美女逼逼视频| 免费av观看视频| av免费观看日本| 午夜福利在线观看吧| 天堂网av新在线| 在线观看av片永久免费下载| 亚洲av熟女| 国产av一区在线观看免费| 国产免费一级a男人的天堂| 床上黄色一级片| 免费在线观看成人毛片| 特级一级黄色大片| 亚洲精品乱久久久久久| 青春草国产在线视频| 日本熟妇午夜| 精品午夜福利在线看| 精品无人区乱码1区二区| 欧美+日韩+精品| 精品久久久久久电影网 | 亚洲激情五月婷婷啪啪| 六月丁香七月| 欧美高清成人免费视频www| 成人三级黄色视频| 亚洲四区av| 99热这里只有是精品50| 欧美一区二区精品小视频在线| 久久久久久国产a免费观看| 建设人人有责人人尽责人人享有的 | 五月伊人婷婷丁香| 日韩欧美精品免费久久| 国产探花在线观看一区二区| 亚洲精品亚洲一区二区| 少妇猛男粗大的猛烈进出视频 | 在线免费观看不下载黄p国产| 不卡视频在线观看欧美| 亚洲国产精品专区欧美| 国产精品国产三级国产专区5o | 国产老妇伦熟女老妇高清| 看黄色毛片网站| 亚洲国产精品sss在线观看| 六月丁香七月| 色5月婷婷丁香| 国内揄拍国产精品人妻在线| 亚洲人与动物交配视频| 精品国产露脸久久av麻豆 | 91精品伊人久久大香线蕉| 成年av动漫网址| 亚洲欧美精品自产自拍| 午夜亚洲福利在线播放| 久久草成人影院| 不卡视频在线观看欧美| 婷婷色综合大香蕉| 亚洲四区av| 国产日韩欧美在线精品| 亚洲精品日韩在线中文字幕| 毛片一级片免费看久久久久| 国产成人午夜福利电影在线观看| 国产精品国产三级国产av玫瑰| 国产麻豆成人av免费视频| 看免费成人av毛片| 亚洲国产欧美人成| 高清在线视频一区二区三区 | 最后的刺客免费高清国语| 一级毛片aaaaaa免费看小| 国产一区二区三区av在线| 好男人视频免费观看在线| 看片在线看免费视频| 亚洲成人中文字幕在线播放| 狂野欧美白嫩少妇大欣赏| 99久久九九国产精品国产免费| 国产一区亚洲一区在线观看| 亚洲国产成人一精品久久久| 麻豆久久精品国产亚洲av| 国产精品精品国产色婷婷| 亚洲国产精品久久男人天堂| av播播在线观看一区| 一区二区三区四区激情视频| 99热这里只有是精品50| 搡女人真爽免费视频火全软件| 精品人妻熟女av久视频| 国产老妇女一区| 乱人视频在线观看| 啦啦啦韩国在线观看视频| 亚洲精品日韩av片在线观看| 国产精品一区www在线观看| 亚洲在久久综合| 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 | 国产亚洲最大av| 久久久久久久国产电影| 自拍偷自拍亚洲精品老妇| 精品久久久久久久末码| 欧美+日韩+精品| 五月玫瑰六月丁香| 国产精品久久电影中文字幕| 国产av在哪里看| 男人的好看免费观看在线视频| 国产成人一区二区在线| 天堂√8在线中文| 极品教师在线视频| 日韩精品青青久久久久久| 18禁在线无遮挡免费观看视频| a级一级毛片免费在线观看| 草草在线视频免费看| 久久人人爽人人片av| 美女脱内裤让男人舔精品视频| 国产精品精品国产色婷婷| 日本一本二区三区精品| 五月伊人婷婷丁香| 色视频www国产| 熟女电影av网| 69av精品久久久久久| 啦啦啦韩国在线观看视频| 黄片wwwwww| 国产精品一区www在线观看| 久久久久久久久久久免费av| 精品免费久久久久久久清纯| kizo精华| 97在线视频观看| 日本三级黄在线观看| 免费看a级黄色片| 亚洲av免费高清在线观看| 国产成人freesex在线| 亚洲国产欧美在线一区| 乱码一卡2卡4卡精品| 亚洲精品,欧美精品| 一边摸一边抽搐一进一小说| 国产毛片a区久久久久| 九九热线精品视视频播放| 国产久久久一区二区三区| 天天躁夜夜躁狠狠久久av| 一级毛片我不卡| 天堂av国产一区二区熟女人妻| 亚洲欧美成人综合另类久久久 | 午夜a级毛片| 国产中年淑女户外野战色| 欧美区成人在线视频| 欧美一区二区亚洲| 国产在线男女| 长腿黑丝高跟| 久久人妻av系列| 久久精品国产自在天天线| 精品无人区乱码1区二区| 免费观看在线日韩| 一区二区三区乱码不卡18| 亚洲欧美成人精品一区二区| 变态另类丝袜制服| 久久人妻av系列| 国产不卡一卡二| 少妇人妻精品综合一区二区| 国产熟女欧美一区二区| av卡一久久| 高清视频免费观看一区二区 | 国产片特级美女逼逼视频| 亚洲经典国产精华液单| 狠狠狠狠99中文字幕| 久久精品熟女亚洲av麻豆精品 | 亚州av有码| 亚洲av不卡在线观看| 日韩人妻高清精品专区| 日韩亚洲欧美综合| 99久久九九国产精品国产免费| 亚洲av电影在线观看一区二区三区 | 日韩欧美精品免费久久| 免费av不卡在线播放| 一级毛片久久久久久久久女| 国产伦理片在线播放av一区| 综合色av麻豆| 国产成人午夜福利电影在线观看| 亚洲国产欧美人成| 国产探花在线观看一区二区| 亚洲国产欧洲综合997久久,| 亚洲在线观看片| 久久久成人免费电影| 国产单亲对白刺激| 成人三级黄色视频| 国产一级毛片在线| 2021天堂中文幕一二区在线观| 1024手机看黄色片| 精品熟女少妇av免费看| 丰满少妇做爰视频| 亚洲av二区三区四区| 少妇裸体淫交视频免费看高清| 秋霞伦理黄片| 国产一区二区在线av高清观看| 中文字幕人妻熟人妻熟丝袜美| av国产免费在线观看| 久久精品国产亚洲网站| 国产av在哪里看| 国产美女午夜福利| 麻豆久久精品国产亚洲av| 午夜免费激情av| 大香蕉久久网| av视频在线观看入口| 亚洲国产日韩欧美精品在线观看| 欧美性猛交黑人性爽| 国产免费又黄又爽又色| 亚洲av成人av| 高清在线视频一区二区三区 | 非洲黑人性xxxx精品又粗又长| 永久网站在线| 男插女下体视频免费在线播放| 女人久久www免费人成看片 | 久久热精品热| 最近2019中文字幕mv第一页| 中文天堂在线官网| 亚洲国产色片| 边亲边吃奶的免费视频| 国产精品美女特级片免费视频播放器| 亚洲av日韩在线播放| 禁无遮挡网站| 精品一区二区三区人妻视频| 99久国产av精品国产电影| 国产精品国产高清国产av| 久久99热这里只频精品6学生 | 国产精品人妻久久久影院| 日韩欧美国产在线观看| 97超视频在线观看视频| 国产一区有黄有色的免费视频 | 久久久精品欧美日韩精品| a级一级毛片免费在线观看| АⅤ资源中文在线天堂| 大又大粗又爽又黄少妇毛片口| 国产一区亚洲一区在线观看| 中文字幕久久专区| 久久精品影院6| 国产高清三级在线| 亚洲av成人av| 99久久精品一区二区三区| 高清av免费在线| 一级爰片在线观看| 国产成人福利小说| av专区在线播放| 国产亚洲91精品色在线| 国产精品电影一区二区三区| 欧美一区二区国产精品久久精品| kizo精华| 日韩成人av中文字幕在线观看| 欧美日韩国产亚洲二区| 最近中文字幕高清免费大全6| 一个人看视频在线观看www免费| 最近视频中文字幕2019在线8| 亚洲av中文字字幕乱码综合| 国产高清国产精品国产三级 | 国产高清有码在线观看视频| 看免费成人av毛片| 91在线精品国自产拍蜜月| 国产精品99久久久久久久久| 搡老妇女老女人老熟妇| 少妇熟女aⅴ在线视频| 美女xxoo啪啪120秒动态图| 欧美日韩国产亚洲二区| 亚洲欧美日韩卡通动漫| 成年版毛片免费区| 欧美xxxx黑人xx丫x性爽| 在线观看66精品国产| 日韩欧美精品免费久久| 寂寞人妻少妇视频99o| 美女cb高潮喷水在线观看| 久久精品91蜜桃| 亚洲最大成人手机在线| 永久免费av网站大全| 1024手机看黄色片| 亚洲av中文av极速乱| 国产麻豆成人av免费视频| 日韩精品青青久久久久久| 久久人人爽人人片av| 日本五十路高清| 麻豆精品久久久久久蜜桃| 国产精品福利在线免费观看| 18禁动态无遮挡网站| 色噜噜av男人的天堂激情| 成人亚洲精品av一区二区| 亚洲av成人精品一二三区| 久久精品国产鲁丝片午夜精品| 亚洲av男天堂| 大又大粗又爽又黄少妇毛片口| 有码 亚洲区| 久久这里有精品视频免费| 国产高清视频在线观看网站| 欧美变态另类bdsm刘玥| 观看美女的网站| 国产探花极品一区二区| 亚洲高清免费不卡视频| 插逼视频在线观看| 在现免费观看毛片| 精品人妻偷拍中文字幕| 成人鲁丝片一二三区免费| 欧美日韩在线观看h| 欧美成人免费av一区二区三区| 搡女人真爽免费视频火全软件| 级片在线观看| 国产黄a三级三级三级人| 秋霞伦理黄片| 我要搜黄色片| 伦理电影大哥的女人| 六月丁香七月| 身体一侧抽搐| 麻豆乱淫一区二区| 26uuu在线亚洲综合色| 欧美高清性xxxxhd video| 国产精品一及| 国产淫语在线视频| 噜噜噜噜噜久久久久久91| 特级一级黄色大片| 欧美成人一区二区免费高清观看| 国产午夜福利久久久久久| 好男人在线观看高清免费视频| 一区二区三区高清视频在线| 日本黄色片子视频| 国产精品av视频在线免费观看| 真实男女啪啪啪动态图| a级毛片免费高清观看在线播放| 亚洲性久久影院| 一二三四中文在线观看免费高清| 国产老妇女一区| 中文乱码字字幕精品一区二区三区 | 22中文网久久字幕| 99热这里只有是精品在线观看| 精品人妻视频免费看| 亚洲美女搞黄在线观看| 免费不卡的大黄色大毛片视频在线观看 | 在线播放无遮挡| 日本免费a在线| 少妇高潮的动态图| 国产精品熟女久久久久浪| 男的添女的下面高潮视频| 国产中年淑女户外野战色| 亚洲成人中文字幕在线播放| 国产精品一区二区三区四区久久| 精品国内亚洲2022精品成人| 免费看美女性在线毛片视频| av福利片在线观看| 国产精品一区www在线观看| 欧美日本亚洲视频在线播放| av线在线观看网站| 亚洲内射少妇av| 欧美日韩国产亚洲二区| 好男人视频免费观看在线| 身体一侧抽搐| 欧美3d第一页| 久久婷婷人人爽人人干人人爱| 国产免费又黄又爽又色| 美女xxoo啪啪120秒动态图| 免费无遮挡裸体视频| 亚洲精品国产av成人精品| 永久免费av网站大全| 成年免费大片在线观看| 国产成人91sexporn| 欧美潮喷喷水| 日韩成人av中文字幕在线观看| 网址你懂的国产日韩在线| 久久久色成人| 91aial.com中文字幕在线观看| 99久久人妻综合| 亚洲18禁久久av| 人人妻人人看人人澡| 欧美激情在线99| 国产午夜福利久久久久久| 久久久久性生活片| 精品国产三级普通话版| 夜夜爽夜夜爽视频| 99九九线精品视频在线观看视频| 夫妻性生交免费视频一级片| 国产黄色视频一区二区在线观看 | 国产综合懂色| 噜噜噜噜噜久久久久久91| 伦理电影大哥的女人| 亚洲欧美日韩高清专用| 只有这里有精品99| 日韩欧美国产在线观看| 噜噜噜噜噜久久久久久91| h日本视频在线播放| 在现免费观看毛片| 亚洲国产精品sss在线观看| 国产综合懂色| 成人漫画全彩无遮挡| 国产高清不卡午夜福利| 午夜激情福利司机影院| 日韩制服骚丝袜av| 小蜜桃在线观看免费完整版高清| 国产精品久久久久久av不卡| 国内少妇人妻偷人精品xxx网站| 国产精品久久久久久久久免| 国产高清视频在线观看网站| 精品少妇黑人巨大在线播放 | 波多野结衣高清无吗| 中文字幕亚洲精品专区| 少妇的逼好多水| 少妇熟女aⅴ在线视频| 亚洲四区av| 国产午夜精品久久久久久一区二区三区| 99久久成人亚洲精品观看| 久久久久久大精品| 国产高清不卡午夜福利| 秋霞在线观看毛片| 亚洲美女视频黄频| 赤兔流量卡办理| 性插视频无遮挡在线免费观看| ponron亚洲| 亚洲欧美精品综合久久99| 亚洲国产欧洲综合997久久,| 日本熟妇午夜| 在线免费十八禁| 少妇被粗大猛烈的视频| 成人综合一区亚洲| 搡老妇女老女人老熟妇| 1000部很黄的大片| 一卡2卡三卡四卡精品乱码亚洲| 国产av不卡久久| 搞女人的毛片| 中文乱码字字幕精品一区二区三区 | 婷婷六月久久综合丁香| 国产午夜精品一二区理论片| 午夜福利在线观看吧| 久久久午夜欧美精品| av线在线观看网站| or卡值多少钱| 国产精品久久久久久久电影| 国产视频内射| 国产欧美另类精品又又久久亚洲欧美| 搞女人的毛片| 国产 一区 欧美 日韩| 亚洲最大成人av| 欧美区成人在线视频| 国产亚洲一区二区精品| 国产精品人妻久久久影院| 两性午夜刺激爽爽歪歪视频在线观看| 日韩亚洲欧美综合| 少妇丰满av| 欧美潮喷喷水| 好男人视频免费观看在线| 欧美又色又爽又黄视频| 级片在线观看| 亚洲av一区综合| av在线蜜桃| 成年av动漫网址| 亚洲精品国产成人久久av| 国产老妇女一区| 女人被狂操c到高潮| 国产成人精品婷婷| 三级经典国产精品| 热99re8久久精品国产| 久久久久久久久大av| 伦精品一区二区三区| 中文乱码字字幕精品一区二区三区 | 亚洲一级一片aⅴ在线观看| 高清视频免费观看一区二区 | 99久久精品一区二区三区| 18禁在线无遮挡免费观看视频| 国产精品国产三级专区第一集| 久久人妻av系列| 免费观看性生交大片5| 1000部很黄的大片| 久久精品国产亚洲av天美| 欧美性猛交╳xxx乱大交人| 国产一级毛片七仙女欲春2| 亚洲av电影不卡..在线观看| 精品久久久久久久久av| 女人久久www免费人成看片 | 99久久精品热视频| 亚洲性久久影院| 99在线视频只有这里精品首页| 亚洲av成人精品一二三区| 欧美日本视频| 一区二区三区乱码不卡18| 亚洲精品日韩在线中文字幕| 国产色爽女视频免费观看| 亚洲av熟女| 国产极品天堂在线| 免费黄网站久久成人精品| 久久久精品94久久精品| av福利片在线观看| 婷婷色av中文字幕| 国产一区二区亚洲精品在线观看| 99视频精品全部免费 在线| 国产亚洲一区二区精品| 99在线人妻在线中文字幕| 免费av不卡在线播放| 又爽又黄无遮挡网站| 97在线视频观看| 亚洲国产高清在线一区二区三| 欧美3d第一页| 97在线视频观看| 久久精品91蜜桃| 蜜桃久久精品国产亚洲av| 欧美一区二区亚洲| 欧美一区二区精品小视频在线| 日产精品乱码卡一卡2卡三| 国产免费又黄又爽又色| 日韩欧美精品v在线| 精品久久久久久久人妻蜜臀av|