• <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 ?

    基于支持向量機(jī)的版面分割問(wèn)題研究

    2020-03-04 02:48:41逯瑜嬌方建軍張姍劉彩霞
    現(xiàn)代電子技術(shù) 2020年2期
    關(guān)鍵詞:支持向量機(jī)圖像識(shí)別特征向量

    逯瑜嬌 方建軍 張姍 劉彩霞

    摘 ?要: 版面分割是版面分析的重要組成部分,實(shí)現(xiàn)復(fù)雜版面的快速、有效分割是目前亟待解決的問(wèn)題。針對(duì)復(fù)雜版面分割問(wèn)題,文中將相位一致性統(tǒng)計(jì)特征和改進(jìn)灰度共生矩陣的紋理特征相結(jié)合,得到一種新的組合特征向量。將該組合特征向量作為訓(xùn)練樣本,最終得到基于支持向量機(jī)的復(fù)雜圖像分割算法。實(shí)驗(yàn)結(jié)果表明,與其他方法相比,基于支持向量機(jī)的方法在版面分割任務(wù)中表現(xiàn)出了較好的召回率與準(zhǔn)確率,能有效區(qū)分復(fù)雜圖像中的各類不同區(qū)域,該方法為如何提高復(fù)雜版面的分割準(zhǔn)確率提供了理論參考。

    關(guān)鍵詞: 版面分割; 支持向量機(jī); 特征向量; 圖像分割算法; 圖像識(shí)別; 對(duì)比驗(yàn)證

    中圖分類號(hào): TN911?34; TP312 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼: A ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào): 1004?373X(2020)02?0149?05

    Research on layout segmentation based on support vector machine

    LU Yujiao1, FANG Jianjun2, ZHANG Shan1, LIU Caixia1

    Abstract: The layout segmentation is an important part of the layout analysis. The rapid and effective segmentation of complex layout is an urgent problem to be solved. As for the problem of complex layout segmentation, a new combined feature vector is obtained in combination with the phase consistency statistical features and the texture features of the improved gray level co?occurrence matrix. The combined feature vector is taken as the training sample to obtain the complex image segmentation algorithm based on the support vector machine. The experimental results show that in comparison with other methods, the method based on the support vector machine has better recall rate and accuracy in the layout segmentation task, which can effectively distinguish the different regions in the complex images. It provides a theoretical reference for how to improve the segmentation accuracy of the complex layouts.

    Keywords: layout segmentation; support vector machine; feature vector; image segmentation method; image recognition; comparison verification

    0 ?引 ?言

    版面分割是版面分析的研究熱點(diǎn),當(dāng)前的版面分割算法主要是對(duì)文本圖像的灰度、紋理等[1]?;谥С窒蛄繖C(jī)SVM(Support Vector Machine)在圖像處理領(lǐng)域取得了較好的效果,是版面分割常用技術(shù)之一[2?4]。魏鴻磊等將灰度值特征作為基礎(chǔ),提出了基于統(tǒng)計(jì)學(xué)和灰度統(tǒng)計(jì)特征相結(jié)合的方法[5];但由于這些方法均是基于像素進(jìn)行分類的,忽略了圖像變化邊緣等因素,從而造成了分割效果的明顯減弱。

    近來(lái),基于卷積神經(jīng)網(wǎng)絡(luò)的模型在多種高級(jí)感知任務(wù)上取得了令人注目的效果。在這樣的潮流影響之下,卷積神經(jīng)網(wǎng)絡(luò)也被應(yīng)用于版面分割任務(wù)。Chen Kai等提出只使用一個(gè)卷積層的卷積神經(jīng)網(wǎng)絡(luò)處理版面分割[6],雖然取得了較好的結(jié)果,但仍沒(méi)有全部利用卷積神經(jīng)網(wǎng)絡(luò)的性能,因?yàn)榫矶壬窠?jīng)網(wǎng)絡(luò)需要深度的網(wǎng)絡(luò)學(xué)習(xí)具有區(qū)分性、語(yǔ)義性的特征。Ahmad Droby等使用具有更多卷積層的全卷積神經(jīng)網(wǎng)絡(luò)處理版面分割[7]。Wick Christoph等使用基于全卷積神經(jīng)網(wǎng)絡(luò)的編碼器——解碼器結(jié)構(gòu)處理版面分割任務(wù)[8]。雖然這些基于卷積神經(jīng)網(wǎng)絡(luò)的算法取得了較好的結(jié)果,但其并不像在其他計(jì)算機(jī)視覺(jué)中的應(yīng)用一樣適合于版面分割。首先,卷積神經(jīng)網(wǎng)絡(luò)需要較大的數(shù)據(jù)集來(lái)學(xué)習(xí)樣本之中的統(tǒng)計(jì)特征。當(dāng)樣本量較少或者測(cè)試樣本不存在于訓(xùn)練樣本的統(tǒng)計(jì)分布時(shí),模型的泛化能力并不理想[9?10]。其次,基于卷積神經(jīng)網(wǎng)絡(luò)的方法需要大量的訓(xùn)練時(shí)間以及調(diào)整參數(shù)、數(shù)據(jù)增益、數(shù)據(jù)預(yù)處理等繁瑣的工作。而使用手工設(shè)計(jì)的特征與支持向量機(jī),則可以在使用少量樣本快速訓(xùn)練的情況下保持良好的泛化能力。因此,免去了基于卷積神經(jīng)網(wǎng)絡(luò)方法中的繁瑣數(shù)據(jù)處理工作。為解決上述問(wèn)題,本文將相位一致性統(tǒng)計(jì)特征和改進(jìn)灰度共生矩陣的紋理特征相結(jié)合,得到一種新的組合特征向量。將該組合特征向量作為訓(xùn)練樣本,最終得到了基于支持向量機(jī)的復(fù)雜圖像分割算法,并得到了良好的應(yīng)用效果。

    1 ?特征提取

    1.1 ?相位一致及其統(tǒng)計(jì)特征提取

    相位一致方法通過(guò)計(jì)算圖像的相位一致性來(lái)檢測(cè)圖像中的特征,可以有效保留邊緣信息。近年來(lái),已經(jīng)有學(xué)者采用相位一致方法處理了計(jì)算機(jī)視覺(jué)中的應(yīng)用,例如車輛號(hào)碼牌識(shí)別,充分證明了相位一致方法的有效性。

    假設(shè)信號(hào)為[Ix],則其對(duì)應(yīng)的相位一致性函數(shù)[PCx]為:

    [PCx=max?x∈0,2xnAncos?nx-?xnAn] (1)

    式中:[An]表示[Ix]傅里葉級(jí)數(shù)展開(kāi)后第[n]個(gè)余弦分量的幅值;[?nx]為第[n]個(gè)傅里葉分量在[x]處的相位值;[?x]為加權(quán)平均值;[PC]的取值范圍為[0,1]。

    高斯函數(shù)可將一維信號(hào)拓展為二維,[PCx,y]為:

    [PCx,y=onWox,yAnox,yΔ?nox,y-TonAnox,y+ε] (2)

    式中:[]表示值為正時(shí)值不變,否則值為0;T為噪聲干擾閾值可有效增強(qiáng)相位一致統(tǒng)計(jì)特征的魯棒性;[ε]為一個(gè)趨于0的正數(shù),其作用是為了防止分母為零時(shí)無(wú)法進(jìn)行除法操作進(jìn)而造成的機(jī)器宕機(jī);[Wox,y]為有效頻譜的度量值;[Δ?nox,y]為靈敏相位偏差函數(shù):

    [Δ?nox,y=cos?nox,y-?nox,y- ? ? ? ? ? ? ? ? ? ? ? ?sin?nox,y-?nox,y] (3)

    將[m×n]大小的圖像進(jìn)行相位一致計(jì)算,得到相位一致性[PC]圖像,獲取該[PC]圖像的均值[E]、方差[V]、偏度[SK]、峰度[BK]、熵[Ent],并組合成一個(gè)向量[p=E,V,SK,BK,Ent],即[p]為圖像相位一致性統(tǒng)計(jì)特征向量。

    上述基于相位一致的特征尤其適合版面分割,這是由出版物的特征決定的。出版物中文字因?yàn)槎际怯∷Ⅲw,所以通常嚴(yán)格對(duì)齊,行與行之間間距一致,字體大小也一致,即段落內(nèi)文字與文字、空白與空白的頻率變化穩(wěn)定。但在不同模塊間,例如標(biāo)題與副標(biāo)題、標(biāo)題與正文之間,字體大小變化明顯,空白間距也不同。有的報(bào)紙甚至?xí)诓煌K之間用矩形框做明顯的分隔。因此,使用基于相位一致的特征可以有效地捕捉上述頻率變化,即更好地將文字大小一致、行距一致的部分歸為一類。

    1.2 ?圖像紋理特征提取

    灰度共生矩陣(GLCM)是被廣泛應(yīng)用的紋理特征提取算法,將版面分割為圖像、文本和空白區(qū)域。本文通過(guò)對(duì)GLCM算法進(jìn)行相應(yīng)改進(jìn),解決了其稀疏矩陣特征值計(jì)算冗余大的問(wèn)題,改進(jìn)算法如下:

    灰度共生矩陣值關(guān)于左對(duì)角線對(duì)稱,將灰度共生矩陣沿左對(duì)角線對(duì)折,得到一個(gè)[i≥j]的下三角矩陣并對(duì)其進(jìn)行和差矢量的計(jì)算。相對(duì)位移[δx,δy]穩(wěn)定下,和與差的定義如下:

    [Sa,b=ra,b+ra+δx,b+δyda,b=ra,b-ra+δx,b+δy] (4)

    和矢量定義為: [Ci;δx,δy=Csi=carda,b∈R,Sa,b=i,1≤a+δx≤A,1≤b+δy≤B] (5)

    式中,[i=0,1,2,…,2G-1]。

    差矢量定義為: [Cj;δx,δy=Cdj=carda,b∈R,da,b=j,1≤a+δx≤A,1≤b+δy≤B] (6)

    式中,[j=0,1,2,…,G-1]。

    正規(guī)化的和矢量與差矢量分別定義為:

    [Si=CSiNHDj=CdjNH] (7)

    [NH=i=1HsCSi=j=1HdCdj] (8)

    式中,[HS]和[Hd]分別為和、差矢量的長(zhǎng)度。紋理特征值計(jì)算公式如下:

    [UNI=ipSi2?jpdj2] (9)

    [COR=12ii-2μ2?pSi-jj2?pdj] (10)

    [ENT=-ipSi?logpSi-jpdj?logpdj] (11)

    [CON=jj2?pdj] (12)

    式中,[μ=i·pSi2]。

    改進(jìn)后的GLCM方法可以與改進(jìn)前同樣有效地表示共生灰度中的紋理特征的和與差。與此同時(shí),還能將原始運(yùn)行時(shí)間縮短至[12]左右。因此,改進(jìn)后的GLCM方法可以在具有豐富紋理特征的版面分割任務(wù)中得到有效利用。

    2 ?SVM版面分割方法

    SVM由于其高效、適用性強(qiáng)等優(yōu)點(diǎn)已被廣泛用于模式分類,比如圖像識(shí)別、文本分類等。本文將圖像相位一致和紋理特征相結(jié)合,共同構(gòu)成新的特征向量,有效實(shí)現(xiàn)了版面的分割。分割過(guò)程如圖1所示。

    1) 將待分割圖像分成[W]個(gè)[M×N]的子圖像塊,每個(gè)子圖像塊通過(guò)本文改進(jìn)的GLCM和基于相位一致統(tǒng)計(jì)特征方法提取出長(zhǎng)度分別為240和130的特征,并連接在一起構(gòu)成一個(gè)特征向量[xi]。

    2) 在特征向量[xi]中選取能代表目標(biāo)及非目標(biāo)區(qū)域的特征向量作為訓(xùn)練特征向量,表示為[xj,yj]。其中,[j∈1,2,…,W],[yj]是類別標(biāo)志。人工選取的作用是挑選出容易被算法混淆的樣本,進(jìn)而只使用高質(zhì)量的樣本訓(xùn)練分類器。研究表明,高質(zhì)量的訓(xùn)練樣本可以顯著提升分類器的性能[11]。

    3) 設(shè)[A,B]分別代表目標(biāo)區(qū)域和非目標(biāo)區(qū)域,則[yj]可以表示為:

    [yj=1, ? ? ? xj∈A-1, ? ?xj∈B] (13)

    為保證訓(xùn)練特征樣本的正確率,判別函數(shù)須滿足:

    [yjwTxj+b-1≥0] (14)

    式中:[w]是權(quán)重向量;[b]是常量。兩類樣本的分類空隙[M]的間隔大小為:

    [M=2w2] (15)

    此時(shí),最優(yōu)分類問(wèn)題變?yōu)樵谑剑?3)條件下,求式(14)的最小值:

    [φw=12x2] (16)

    通過(guò)式(14)和式(16)求得全局最優(yōu)解[w?,b?],則線性最優(yōu)分類判決函數(shù)為:

    [fx=sgnw?x+b?] (17)

    式中:[sgn]為符號(hào)函數(shù);[x]為樣本特征向量。

    4) 將待分類的特征向量集[xi]代入式(17)中,[fxi=1],[xi]屬于A類,否則[xi]屬于B類。將每個(gè)屬于[AB]類的特征向量變成一個(gè)像素值[10],大小為[M×N]的二值矩陣。

    在步驟3)中,常用于SVM中的非線性函數(shù)包括線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)等。通常的原始特征在原始空間中無(wú)法做到線性可分,非線性函數(shù)將其映射至高維,高斯核函數(shù)甚至將原始特征映射至無(wú)限維,保證線性可分。

    上述分割方法,使用圖像作為輸入/輸出分割后的版面結(jié)果。因此在使用時(shí)無(wú)需多余的預(yù)處理或者后處理工作,可以有效減少使用時(shí)間。相比于近來(lái)基于卷積神經(jīng)網(wǎng)絡(luò)的方法,只需少量的訓(xùn)練樣本即可獲得良好的泛化能力。卷積神經(jīng)網(wǎng)絡(luò)需使用梯度下降方法進(jìn)行耗時(shí)的最優(yōu)解搜索,而SVM可以直接使用閉式解計(jì)算出結(jié)果,可以避免大量訓(xùn)練時(shí)間。由上述分析可知,本文提出的SVM方法比以往的卷積神經(jīng)網(wǎng)絡(luò)更適合版面分割任務(wù)。

    3 ?實(shí)驗(yàn)結(jié)果與分析

    本文選取了報(bào)紙這種具有復(fù)雜版面的圖像,并分別使用傳統(tǒng)方法、基于卷積神經(jīng)網(wǎng)絡(luò)的方法、本文所提方法進(jìn)行對(duì)比實(shí)驗(yàn)。使用傳統(tǒng)方法(區(qū)域生長(zhǎng)方法)對(duì)圖2進(jìn)行版面分割的結(jié)果,如圖3所示;使用基于卷積神經(jīng)網(wǎng)絡(luò)方法對(duì)圖2進(jìn)行版面分割的結(jié)果,如圖4所示;使用本文方法對(duì)圖2進(jìn)行版面分割的結(jié)果,如圖5所示。

    本文使用誤差度量方法計(jì)算準(zhǔn)確率與召回率。具體而言,版面分割任務(wù)中存在3種錯(cuò)誤類型:

    1) 沒(méi)有檢測(cè)到文本或圖像區(qū)域,即人工標(biāo)記區(qū)域不包含于分割結(jié)果中,將此類錯(cuò)誤標(biāo)記為C;

    2) 單個(gè)人工標(biāo)記區(qū)域被分割為多個(gè)區(qū)域,將此類錯(cuò)誤標(biāo)記為S;

    3) 多個(gè)人工標(biāo)記區(qū)域被分割為單個(gè)區(qū)域,將此類錯(cuò)誤標(biāo)記為M。若分割后區(qū)域與標(biāo)簽區(qū)域不屬于上述3種情況,則是正確分割區(qū)域。若G為所有人工標(biāo)記樣本,D為所有分割所得區(qū)域,|X|為集合X的基數(shù),則準(zhǔn)確率p計(jì)算公式為:

    [p=1-C+S+MD] (18)

    召回率r計(jì)算公式為:

    [r=D-C-S-MG] (19)

    本文分別采用閾值分支、邊緣檢測(cè)、區(qū)域生長(zhǎng)等傳統(tǒng)方法,以及基于卷積神經(jīng)網(wǎng)絡(luò)和本文提出的方法在所收集的報(bào)紙數(shù)據(jù)集上進(jìn)行比較。本文采用10折交叉驗(yàn)證,即將所有樣本分為10份,每次取出其中9份作為訓(xùn)練集,剩下1份為驗(yàn)證集。將10次實(shí)驗(yàn)所得召回率與準(zhǔn)確率取平均數(shù)作為最終結(jié)果,以進(jìn)行充分的分析。實(shí)驗(yàn)結(jié)果如表1所示,本文使用SVM方法取得了最高的召回率和準(zhǔn)確率,充分驗(yàn)證了該方法在版面分割任務(wù)中的有效性。

    表1中,閾值分割速度最快,但無(wú)法充分利用報(bào)紙中文字與空白區(qū)域的特征,因此具有最低的召回率與準(zhǔn)確率。邊緣檢測(cè)需要瑣碎的提取特征時(shí)間,區(qū)域生長(zhǎng)以漸進(jìn)的方式逐步擴(kuò)散目標(biāo)區(qū)域,因此比SVM更耗時(shí)。邊緣檢測(cè)提取的邊緣特征以及區(qū)域生長(zhǎng)的漸進(jìn)生長(zhǎng)均能比閾值分割更好地利用出版物版面的特性,因此比閾值分割效果更好。由表1可知,SVM在版面分割任務(wù)中具有最優(yōu)的召回率與準(zhǔn)確率,以及適中的、可以接受的運(yùn)行時(shí)間。由此可以推斷,相位特征和紋理特征可以更好捕捉報(bào)紙中不同大小文字及文字與空白區(qū)域的區(qū)別。

    為了更細(xì)致地分析相位一致統(tǒng)計(jì)特征和紋理特征的有效性,在版面分割任務(wù)中,設(shè)計(jì)消融實(shí)驗(yàn)得到上述特征單獨(dú)使用時(shí)的性能。由表2可知,不進(jìn)行特征組合時(shí),單獨(dú)使用紋理特征比相位特征準(zhǔn)確率、召回率均更高。進(jìn)行特征組合時(shí),雖運(yùn)行時(shí)間加長(zhǎng)了,但效果可以得到進(jìn)一步提高。

    針對(duì)GLCM的改進(jìn),本文設(shè)計(jì)消融實(shí)驗(yàn)驗(yàn)證其有效性。單獨(dú)使用改進(jìn)前與改進(jìn)后的GLCM測(cè)試其在版面分割任務(wù)效果,如表3所示。

    同樣地,使用改進(jìn)前與改進(jìn)后的GLCM紋理特征與相位一致特征共同進(jìn)行消融實(shí)驗(yàn),如表4所示。由表3和表4可見(jiàn),改進(jìn)后的GLAM在召回率和準(zhǔn)確率方面幾乎沒(méi)有損失。與此同時(shí),顯著地減少了程序運(yùn)行時(shí)間。只使用GLCM特征時(shí),改進(jìn)后運(yùn)行時(shí)間不及改進(jìn)前運(yùn)行時(shí)間的[12],成功驗(yàn)證了本文改進(jìn)GLCM。

    通過(guò)多次對(duì)比實(shí)驗(yàn)分析發(fā)現(xiàn),本文提出的方法對(duì)復(fù)雜版面的分割具有顯著優(yōu)勢(shì)。此外,在對(duì)于圖形區(qū)域的分割中,由于圖形規(guī)律性差,模糊度高,使得判定圖形與圖像間的界限準(zhǔn)確度有所降低。對(duì)于同版面的圖像由于類型較為一致,應(yīng)用該算法的準(zhǔn)確率會(huì)進(jìn)一步提高。

    4 ?結(jié) ?論

    針對(duì)當(dāng)前版面分割準(zhǔn)確度不高,分割效率較低等問(wèn)題,本文將相位一致性統(tǒng)計(jì)特征和改進(jìn)灰度共生矩陣的紋理特征相結(jié)合,得到一種新的組合特征向量。將該組合特征向量作為訓(xùn)練樣本,最終得到了基于支持向量機(jī)的復(fù)雜圖像分割算法。實(shí)驗(yàn)結(jié)果表明,該方法在版面分割中表現(xiàn)出了較高的準(zhǔn)確率與召回率,為解決復(fù)雜版面分割問(wèn)題提供了理論幫助。

    注:本文通訊作者為方建軍。

    參考文獻(xiàn)

    [1] 許新征,丁世飛,史忠植,等.圖像分割的新理論和新方法[J].電子學(xué)報(bào),2010,38(z2):76?82.

    [2] 吳小季.基于SVM圖像分類方法的研究[D].南京:南京信息工程大學(xué),2011.

    [3] 張燁.基于樣本關(guān)聯(lián)度權(quán)重的增量支持向量機(jī)算法[J].電子科技,2017,30(3):41?44.

    [4] 余彬,胡洛娜,王吉哲.基于支持向量機(jī)的變電站過(guò)熱故障的在線監(jiān)測(cè)[J].浙江電力,2016(1):31?34.

    [5] 魏鴻磊,歐宗瑛,張建新.采用支持向量機(jī)的指紋圖像分割[J].系統(tǒng)仿真學(xué)報(bào),2007,19(10):2362?2365.

    [6] CHEN K, SEURET M. Convolutional neural networks for page segmentation of historical document images [C]// 14th International Conference on Document Analysis and Recognition. Nanjing: IEEE, 2017: 16?20.

    [7] DROBY A, BERAT K B, JIHAD E. Competition page layout analysis using fully convolutional networks [C]// 2nd International Workshop on Arabic and Derived Script Analysis and Recognition. Kansas: IEEE, 2018: 1?7.

    [8] CHRISTOPH Wick, PUPPE Frank. Fully convolutional neural networks for page segmentation of historical document images [C]// 13th IAPR International Workshop on Document Analysis Systems. Houston: IEEE, 2018: 31?40.

    [9] HU Hexiang, CHAO Weilun, SHA Fei. Learning answer embeddings for visual question answering [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Changsha: IEEE, 2018: 1?5.

    [10] 肖鵬峰,馮學(xué)智,趙書(shū)河,等.基于相位一致的高分辨率遙感圖像分割方法[J].測(cè)繪學(xué)報(bào),2012,36(2):146?151.

    [11] DODGE Samuel, LINA Karam. Understanding how image quality affects deep neural networks [C]// Eighth International Conference on Quality of Multimedia Experience. Denver: IEEE, 2016: 67?70.

    作者簡(jiǎn)介:逯瑜嬌(1992—),女,山東濟(jì)寧人,碩士研究生,研究方向?yàn)閳D像處理、深度學(xué)習(xí)與地形識(shí)別。

    方建軍(1970—),男,湖北羅田人,教授,研究方向?yàn)橹悄軝C(jī)器人技術(shù)。

    猜你喜歡
    支持向量機(jī)圖像識(shí)別特征向量
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    基于Resnet-50的貓狗圖像識(shí)別
    電子制作(2019年16期)2019-09-27 09:34:50
    高速公路圖像識(shí)別技術(shù)應(yīng)用探討
    圖像識(shí)別在物聯(lián)網(wǎng)上的應(yīng)用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識(shí)別在水質(zhì)檢測(cè)中的應(yīng)用
    電子制作(2018年14期)2018-08-21 01:38:16
    一類特殊矩陣特征向量的求法
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    動(dòng)態(tài)場(chǎng)景中的視覺(jué)目標(biāo)識(shí)別方法分析
    論提高裝備故障預(yù)測(cè)準(zhǔn)確度的方法途徑
    91麻豆av在线| 国产精品一区二区三区四区久久| 成年版毛片免费区| 黄色毛片三级朝国网站| 最新美女视频免费是黄的| 欧美成人免费av一区二区三区| 国产成人av教育| 一级作爱视频免费观看| 日本a在线网址| 亚洲精品粉嫩美女一区| 亚洲七黄色美女视频| 操出白浆在线播放| 日日爽夜夜爽网站| 日本黄大片高清| 久久婷婷人人爽人人干人人爱| 一个人免费在线观看的高清视频| tocl精华| 看免费av毛片| 亚洲全国av大片| 国产精品一区二区三区四区久久| 久9热在线精品视频| 法律面前人人平等表现在哪些方面| 中文资源天堂在线| 最好的美女福利视频网| 欧美性猛交黑人性爽| 青草久久国产| 狂野欧美激情性xxxx| 午夜福利欧美成人| 欧美日韩一级在线毛片| 亚洲人成77777在线视频| 亚洲av成人不卡在线观看播放网| 夜夜看夜夜爽夜夜摸| av福利片在线观看| 久久久久国产精品人妻aⅴ院| 亚洲va日本ⅴa欧美va伊人久久| 亚洲自偷自拍图片 自拍| 欧美 亚洲 国产 日韩一| 岛国在线观看网站| 老司机在亚洲福利影院| 一级黄色大片毛片| 亚洲欧美精品综合一区二区三区| 久久亚洲精品不卡| 日韩高清综合在线| 亚洲人成网站高清观看| 日韩欧美 国产精品| 亚洲精品色激情综合| 免费看十八禁软件| 日本熟妇午夜| 999久久久国产精品视频| 天堂动漫精品| av福利片在线| 91九色精品人成在线观看| 国产精品久久久久久久电影 | 级片在线观看| 国产亚洲av高清不卡| 日本 av在线| 免费人成视频x8x8入口观看| 正在播放国产对白刺激| 精品国产超薄肉色丝袜足j| 在线永久观看黄色视频| 给我免费播放毛片高清在线观看| 欧美最黄视频在线播放免费| www.自偷自拍.com| 久久人妻福利社区极品人妻图片| 成年免费大片在线观看| 亚洲av片天天在线观看| 男人舔女人的私密视频| 人人妻人人看人人澡| 久久精品夜夜夜夜夜久久蜜豆 | 日韩 欧美 亚洲 中文字幕| 亚洲精品一区av在线观看| 久久久久亚洲av毛片大全| 久久久久久九九精品二区国产 | 狠狠狠狠99中文字幕| 欧美zozozo另类| 欧美性猛交╳xxx乱大交人| 国产精品,欧美在线| 婷婷精品国产亚洲av在线| 18禁观看日本| 男女午夜视频在线观看| 国产一区二区在线观看日韩 | 可以在线观看的亚洲视频| 无人区码免费观看不卡| 首页视频小说图片口味搜索| 国产精品 欧美亚洲| 精品国内亚洲2022精品成人| 一级毛片精品| 精品人妻1区二区| 成在线人永久免费视频| 亚洲avbb在线观看| 精品少妇一区二区三区视频日本电影| 丰满人妻一区二区三区视频av | 五月玫瑰六月丁香| av片东京热男人的天堂| 国产精品一区二区精品视频观看| 亚洲激情在线av| 日本一二三区视频观看| 99精品在免费线老司机午夜| 久久久国产欧美日韩av| 色播亚洲综合网| 国产精品永久免费网站| 少妇熟女aⅴ在线视频| av福利片在线观看| 亚洲成人免费电影在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产不卡一卡二| 女生性感内裤真人,穿戴方法视频| 亚洲国产精品成人综合色| 国产成人一区二区三区免费视频网站| 亚洲国产精品久久男人天堂| 欧美高清成人免费视频www| 久久久久久免费高清国产稀缺| 搡老岳熟女国产| 国产精品日韩av在线免费观看| 日本 欧美在线| 桃色一区二区三区在线观看| 脱女人内裤的视频| 悠悠久久av| 亚洲无线在线观看| 又爽又黄无遮挡网站| 亚洲国产精品合色在线| 一二三四社区在线视频社区8| 久99久视频精品免费| 亚洲午夜理论影院| 国产一区二区在线观看日韩 | 99re在线观看精品视频| 欧美人与性动交α欧美精品济南到| 一区二区三区国产精品乱码| 美女免费视频网站| 香蕉国产在线看| 人人妻人人看人人澡| 97人妻精品一区二区三区麻豆| 欧美zozozo另类| 制服人妻中文乱码| 精品人妻1区二区| 亚洲av日韩精品久久久久久密| 久久久久久大精品| 在线观看www视频免费| www.自偷自拍.com| 国产蜜桃级精品一区二区三区| 天堂√8在线中文| www.www免费av| 精品日产1卡2卡| 国产熟女xx| 嫩草影视91久久| 国产精品一区二区三区四区久久| 久久天躁狠狠躁夜夜2o2o| 最新在线观看一区二区三区| 免费在线观看日本一区| 国语自产精品视频在线第100页| 18禁观看日本| 五月玫瑰六月丁香| 久久精品91无色码中文字幕| 国产单亲对白刺激| av福利片在线观看| 长腿黑丝高跟| 美女扒开内裤让男人捅视频| 好男人电影高清在线观看| 欧美日韩乱码在线| 国产成人av激情在线播放| 亚洲精品在线观看二区| 国产亚洲精品综合一区在线观看 | 大型av网站在线播放| 黑人欧美特级aaaaaa片| 亚洲精品一区av在线观看| 欧美黑人巨大hd| 亚洲欧美日韩高清在线视频| 女人高潮潮喷娇喘18禁视频| 香蕉国产在线看| 好看av亚洲va欧美ⅴa在| 99久久精品热视频| 午夜精品久久久久久毛片777| 国产亚洲精品av在线| 日韩欧美精品v在线| 亚洲精品久久国产高清桃花| 人人妻人人看人人澡| av欧美777| 毛片女人毛片| 曰老女人黄片| av有码第一页| 欧美大码av| 国产单亲对白刺激| 欧美日韩精品网址| 欧美性猛交╳xxx乱大交人| www.熟女人妻精品国产| 久久久国产欧美日韩av| 最近在线观看免费完整版| 香蕉久久夜色| 十八禁网站免费在线| 国产成人欧美在线观看| 午夜福利高清视频| 免费看十八禁软件| 国产亚洲精品综合一区在线观看 | 国产99久久九九免费精品| 国产成人系列免费观看| 午夜福利视频1000在线观看| 亚洲欧美日韩东京热| 99精品欧美一区二区三区四区| 很黄的视频免费| 在线a可以看的网站| 久久精品综合一区二区三区| 高清在线国产一区| 国产在线观看jvid| 国产麻豆成人av免费视频| 免费无遮挡裸体视频| 哪里可以看免费的av片| 久久久久精品国产欧美久久久| 成人国产一区最新在线观看| 久久久久九九精品影院| 搞女人的毛片| 久久香蕉国产精品| 黑人欧美特级aaaaaa片| 国产高清激情床上av| 欧美日韩一级在线毛片| 一二三四在线观看免费中文在| videosex国产| 国内精品久久久久精免费| 在线视频色国产色| 黄色片一级片一级黄色片| 手机成人av网站| 亚洲国产欧美人成| 色尼玛亚洲综合影院| 人人妻,人人澡人人爽秒播| www.www免费av| 一本综合久久免费| 波多野结衣高清作品| 老司机午夜福利在线观看视频| 日本黄色视频三级网站网址| 亚洲国产欧美一区二区综合| 中文资源天堂在线| 国产精品日韩av在线免费观看| 久久伊人香网站| 国产三级中文精品| 久久午夜亚洲精品久久| 成年版毛片免费区| 国产黄色小视频在线观看| 免费观看精品视频网站| 国产免费av片在线观看野外av| 国产成人一区二区三区免费视频网站| 成人特级黄色片久久久久久久| 国产精品精品国产色婷婷| 久久国产精品人妻蜜桃| 村上凉子中文字幕在线| 精品久久久久久久末码| 午夜精品久久久久久毛片777| 久久久水蜜桃国产精品网| 亚洲无线在线观看| 一本久久中文字幕| 亚洲av成人精品一区久久| 久热爱精品视频在线9| 一区福利在线观看| 久久中文字幕人妻熟女| 日韩有码中文字幕| 国产亚洲精品综合一区在线观看 | 亚洲黑人精品在线| 狂野欧美激情性xxxx| 色老头精品视频在线观看| 色噜噜av男人的天堂激情| 男女视频在线观看网站免费 | 欧美黑人精品巨大| 亚洲国产欧美一区二区综合| 午夜福利成人在线免费观看| 成年版毛片免费区| 九九热线精品视视频播放| 国产又黄又爽又无遮挡在线| 国产精品香港三级国产av潘金莲| 首页视频小说图片口味搜索| 女人高潮潮喷娇喘18禁视频| 非洲黑人性xxxx精品又粗又长| 国产精品久久久久久久电影 | 日韩三级视频一区二区三区| 一本精品99久久精品77| 搡老岳熟女国产| 美女 人体艺术 gogo| 在线观看www视频免费| 人成视频在线观看免费观看| 757午夜福利合集在线观看| a级毛片a级免费在线| 男女那种视频在线观看| 国产主播在线观看一区二区| 美女扒开内裤让男人捅视频| 国产一区二区在线观看日韩 | 叶爱在线成人免费视频播放| 国产精品电影一区二区三区| 中文字幕人妻丝袜一区二区| 成人18禁高潮啪啪吃奶动态图| 国产一区二区在线观看日韩 | 制服丝袜大香蕉在线| 99精品在免费线老司机午夜| 男女床上黄色一级片免费看| 免费看日本二区| 我的老师免费观看完整版| 色精品久久人妻99蜜桃| 婷婷精品国产亚洲av| 久久中文字幕一级| 欧美日本视频| 亚洲性夜色夜夜综合| 欧美最黄视频在线播放免费| 久久精品影院6| 久久午夜综合久久蜜桃| 色综合亚洲欧美另类图片| 亚洲第一欧美日韩一区二区三区| 久久人人精品亚洲av| 免费在线观看黄色视频的| 妹子高潮喷水视频| 久久午夜亚洲精品久久| 亚洲精品在线美女| 午夜福利视频1000在线观看| 国产亚洲精品久久久久久毛片| 大型av网站在线播放| 成人永久免费在线观看视频| 欧美色欧美亚洲另类二区| 日本黄色视频三级网站网址| 在线观看免费日韩欧美大片| 黄色成人免费大全| 国产精品 国内视频| 99国产精品一区二区三区| 99国产综合亚洲精品| 看片在线看免费视频| 长腿黑丝高跟| 国产精品电影一区二区三区| 亚洲精品国产精品久久久不卡| 国产成人av激情在线播放| 午夜免费观看网址| 天堂影院成人在线观看| 国产精品香港三级国产av潘金莲| 国产激情久久老熟女| 搡老岳熟女国产| 成人国语在线视频| 18禁黄网站禁片免费观看直播| 国内精品久久久久久久电影| av天堂在线播放| 可以在线观看的亚洲视频| 黄色 视频免费看| 丝袜人妻中文字幕| 亚洲熟女毛片儿| 在线观看午夜福利视频| 麻豆成人av在线观看| 国产精品自产拍在线观看55亚洲| 国产成人啪精品午夜网站| 中文字幕最新亚洲高清| 丰满人妻熟妇乱又伦精品不卡| 日韩国内少妇激情av| 国产男靠女视频免费网站| 欧美zozozo另类| 淫妇啪啪啪对白视频| 女人高潮潮喷娇喘18禁视频| 亚洲五月天丁香| 一级毛片精品| 男女下面进入的视频免费午夜| 国产精品美女特级片免费视频播放器 | 宅男免费午夜| av片东京热男人的天堂| 精品久久久久久久人妻蜜臀av| 久久久久亚洲av毛片大全| www.999成人在线观看| 18美女黄网站色大片免费观看| 美女扒开内裤让男人捅视频| 婷婷亚洲欧美| 亚洲男人天堂网一区| 性欧美人与动物交配| 在线观看www视频免费| 欧美成人性av电影在线观看| 精品国产乱子伦一区二区三区| 日韩精品免费视频一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 日本在线视频免费播放| 精品一区二区三区视频在线观看免费| 国产精品一区二区三区四区久久| 麻豆国产av国片精品| 欧美日本视频| 一进一出好大好爽视频| 精品无人区乱码1区二区| 亚洲精品一卡2卡三卡4卡5卡| 1024香蕉在线观看| 可以在线观看的亚洲视频| 国产精品一区二区三区四区免费观看 | 久久久国产精品麻豆| 亚洲欧美精品综合久久99| 麻豆成人av在线观看| 男女之事视频高清在线观看| 亚洲色图av天堂| 免费搜索国产男女视频| 国产精品亚洲一级av第二区| 18禁裸乳无遮挡免费网站照片| 一边摸一边做爽爽视频免费| 制服诱惑二区| 欧美+亚洲+日韩+国产| 久久午夜亚洲精品久久| 在线十欧美十亚洲十日本专区| 国产一区二区三区视频了| 老司机靠b影院| 久久久久久大精品| 日本三级黄在线观看| 精品国产超薄肉色丝袜足j| 制服丝袜大香蕉在线| 成人18禁高潮啪啪吃奶动态图| 最好的美女福利视频网| tocl精华| 国产精品一区二区三区四区免费观看 | 国产av一区二区精品久久| 欧美人与性动交α欧美精品济南到| 精品一区二区三区av网在线观看| 18禁黄网站禁片免费观看直播| 国产欧美日韩一区二区精品| 亚洲一区中文字幕在线| 女生性感内裤真人,穿戴方法视频| 在线播放国产精品三级| 国产精品一区二区三区四区久久| 麻豆一二三区av精品| 亚洲狠狠婷婷综合久久图片| 国产免费男女视频| 色精品久久人妻99蜜桃| 三级国产精品欧美在线观看 | 精品久久久久久久久久免费视频| 亚洲精品国产精品久久久不卡| 国产成人精品久久二区二区免费| 日本免费a在线| 亚洲午夜精品一区,二区,三区| 午夜福利在线观看吧| 久久精品91蜜桃| 99精品久久久久人妻精品| 亚洲av成人不卡在线观看播放网| 精品欧美一区二区三区在线| 欧美午夜高清在线| 精品国内亚洲2022精品成人| 亚洲九九香蕉| 国产精品1区2区在线观看.| 免费看十八禁软件| 一进一出抽搐gif免费好疼| 国产成人一区二区三区免费视频网站| 少妇人妻一区二区三区视频| www.熟女人妻精品国产| 法律面前人人平等表现在哪些方面| 香蕉av资源在线| 国产探花在线观看一区二区| 嫩草影院精品99| 成人高潮视频无遮挡免费网站| 麻豆av在线久日| 亚洲一区二区三区色噜噜| 狂野欧美白嫩少妇大欣赏| 老司机福利观看| 久久伊人香网站| 宅男免费午夜| 波多野结衣巨乳人妻| 听说在线观看完整版免费高清| 亚洲欧美日韩东京热| 午夜福利在线观看吧| 欧美日韩黄片免| 中文字幕精品亚洲无线码一区| 亚洲国产精品999在线| 99热这里只有精品一区 | 99在线人妻在线中文字幕| 亚洲午夜理论影院| 男女视频在线观看网站免费 | 最新在线观看一区二区三区| 99久久精品热视频| 99精品在免费线老司机午夜| 制服丝袜大香蕉在线| 国产精品1区2区在线观看.| 香蕉国产在线看| 欧美又色又爽又黄视频| 成人三级做爰电影| 日韩欧美三级三区| netflix在线观看网站| 69av精品久久久久久| 亚洲电影在线观看av| 国产成人av教育| 精华霜和精华液先用哪个| 午夜久久久久精精品| 亚洲精品美女久久av网站| 91九色精品人成在线观看| 免费搜索国产男女视频| 悠悠久久av| 欧美黄色淫秽网站| 国产91精品成人一区二区三区| 一级毛片精品| 两个人视频免费观看高清| 夜夜看夜夜爽夜夜摸| 非洲黑人性xxxx精品又粗又长| www日本黄色视频网| 精品第一国产精品| 黄色视频,在线免费观看| 欧美精品亚洲一区二区| 久久香蕉激情| 国产真人三级小视频在线观看| 精品第一国产精品| 欧美性猛交╳xxx乱大交人| 亚洲欧美精品综合一区二区三区| 麻豆国产av国片精品| 无遮挡黄片免费观看| 黄色丝袜av网址大全| 亚洲精品国产精品久久久不卡| 不卡av一区二区三区| 男插女下体视频免费在线播放| 大型黄色视频在线免费观看| 人妻久久中文字幕网| 天堂动漫精品| 超碰成人久久| 香蕉国产在线看| 久久久国产欧美日韩av| 久久人妻av系列| 最近视频中文字幕2019在线8| 成年版毛片免费区| 免费在线观看黄色视频的| 美女午夜性视频免费| 精品第一国产精品| 久久人妻福利社区极品人妻图片| 亚洲人成网站在线播放欧美日韩| 美女 人体艺术 gogo| 亚洲美女视频黄频| 日日摸夜夜添夜夜添小说| 国产亚洲精品久久久久5区| 麻豆成人av在线观看| 久久久精品国产亚洲av高清涩受| 两个人免费观看高清视频| 看片在线看免费视频| 国产精品久久久久久人妻精品电影| 两个人的视频大全免费| 成人三级做爰电影| 黄色视频不卡| 国产精品一区二区三区四区免费观看 | 亚洲男人天堂网一区| 好看av亚洲va欧美ⅴa在| 99riav亚洲国产免费| 精品人妻1区二区| 亚洲欧洲精品一区二区精品久久久| 亚洲人成网站在线播放欧美日韩| 久久久久性生活片| 亚洲激情在线av| 在线观看舔阴道视频| 久久精品91无色码中文字幕| 人人妻,人人澡人人爽秒播| 久久久久精品国产欧美久久久| 国产精品爽爽va在线观看网站| av免费在线观看网站| 亚洲成人久久爱视频| 亚洲美女视频黄频| 午夜日韩欧美国产| 亚洲av熟女| 国产精品免费视频内射| 午夜福利视频1000在线观看| 亚洲乱码一区二区免费版| 国产aⅴ精品一区二区三区波| 国产精品一区二区三区四区久久| 亚洲av中文字字幕乱码综合| 免费观看人在逋| 不卡一级毛片| 中出人妻视频一区二区| 变态另类丝袜制服| 国产乱人伦免费视频| 中文字幕精品亚洲无线码一区| 国产精品久久久人人做人人爽| 午夜日韩欧美国产| 午夜免费激情av| 国产野战对白在线观看| 精品一区二区三区av网在线观看| 国产高清有码在线观看视频 | 亚洲精品色激情综合| 国产精品精品国产色婷婷| 免费观看精品视频网站| 亚洲精品色激情综合| 天堂av国产一区二区熟女人妻 | 国产精品自产拍在线观看55亚洲| 亚洲av中文字字幕乱码综合| 国产黄a三级三级三级人| 9191精品国产免费久久| 亚洲七黄色美女视频| 在线观看免费视频日本深夜| 俺也久久电影网| 两个人的视频大全免费| 亚洲精华国产精华精| 99久久国产精品久久久| 亚洲 国产 在线| 桃色一区二区三区在线观看| 美女午夜性视频免费| 国产片内射在线| 99精品欧美一区二区三区四区| 两个人看的免费小视频| 天堂√8在线中文| 亚洲国产日韩欧美精品在线观看 | 亚洲国产精品合色在线| 久久久久国内视频| 久久久久久九九精品二区国产 | 午夜免费成人在线视频| 精品久久蜜臀av无| 欧美午夜高清在线| 窝窝影院91人妻| 一个人免费在线观看电影 | 精品一区二区三区视频在线观看免费| bbb黄色大片| 五月伊人婷婷丁香| 久久人妻av系列| 淫秽高清视频在线观看| 少妇熟女aⅴ在线视频| 久久久久九九精品影院| 日韩免费av在线播放| 日韩欧美国产在线观看| 天天添夜夜摸| 久久婷婷成人综合色麻豆| 亚洲国产中文字幕在线视频| 亚洲av电影在线进入| 亚洲国产高清在线一区二区三| 成人三级做爰电影| 精品久久久久久久毛片微露脸| 不卡一级毛片| 亚洲国产精品久久男人天堂| 精品国产乱码久久久久久男人| 99久久久亚洲精品蜜臀av| 精品久久久久久久久久久久久| 欧美日韩亚洲综合一区二区三区_| 精品国产亚洲在线| 国产成人啪精品午夜网站| 香蕉丝袜av| 亚洲全国av大片|