• <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
    成年人午夜在线观看视频| 桃花免费在线播放| 久久性视频一级片| 国产精品自产拍在线观看55亚洲 | 青春草视频在线免费观看| 欧美亚洲日本最大视频资源| av电影中文网址| 中文字幕av电影在线播放| 国产成人啪精品午夜网站| 国产97色在线日韩免费| 成人黄色视频免费在线看| 久久人妻福利社区极品人妻图片| 中文字幕人妻丝袜一区二区| 精品人妻在线不人妻| 国产日韩欧美在线精品| 亚洲国产成人一精品久久久| 91九色精品人成在线观看| 久久ye,这里只有精品| 亚洲伊人久久精品综合| 国产一区二区三区av在线| 久久99一区二区三区| 一个人免费在线观看的高清视频 | 最近最新免费中文字幕在线| 91av网站免费观看| 人人妻人人澡人人爽人人夜夜| 人妻一区二区av| 欧美老熟妇乱子伦牲交| 日本欧美视频一区| 99国产精品99久久久久| 亚洲综合色网址| 久久这里只有精品19| 国产熟女午夜一区二区三区| 日韩人妻精品一区2区三区| 亚洲精品中文字幕一二三四区 | 精品乱码久久久久久99久播| 男女无遮挡免费网站观看| 久久久国产欧美日韩av| 男人舔女人的私密视频| 老汉色∧v一级毛片| 久久久久国产精品人妻一区二区| 欧美性长视频在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产成人精品久久二区二区免费| 色视频在线一区二区三区| 精品一区在线观看国产| 日本猛色少妇xxxxx猛交久久| 91麻豆av在线| 久久久久国产一级毛片高清牌| 亚洲国产av影院在线观看| 亚洲国产av影院在线观看| 人人妻人人澡人人看| 最黄视频免费看| 大香蕉久久成人网| 视频在线观看一区二区三区| 最近最新免费中文字幕在线| 电影成人av| 欧美精品人与动牲交sv欧美| 亚洲欧美精品自产自拍| 国产免费福利视频在线观看| 肉色欧美久久久久久久蜜桃| 成人免费观看视频高清| 亚洲av电影在线进入| 性高湖久久久久久久久免费观看| 欧美成狂野欧美在线观看| 亚洲精品美女久久av网站| 深夜精品福利| 深夜精品福利| 国产一区二区三区综合在线观看| 亚洲av美国av| 欧美激情 高清一区二区三区| 国产免费av片在线观看野外av| 日韩电影二区| 午夜福利乱码中文字幕| 男女无遮挡免费网站观看| 国产真人三级小视频在线观看| 天天影视国产精品| 国产精品久久久av美女十八| 午夜福利视频在线观看免费| 精品亚洲成国产av| 亚洲国产毛片av蜜桃av| 国产一区有黄有色的免费视频| av线在线观看网站| 精品人妻1区二区| av天堂在线播放| 久久精品国产a三级三级三级| 十八禁高潮呻吟视频| 国产日韩欧美亚洲二区| 91成人精品电影| 免费少妇av软件| 人妻 亚洲 视频| 少妇被粗大的猛进出69影院| 两个人免费观看高清视频| 国产xxxxx性猛交| 国产av一区二区精品久久| 欧美变态另类bdsm刘玥| 久久天堂一区二区三区四区| 久久久欧美国产精品| 男女床上黄色一级片免费看| 日日爽夜夜爽网站| xxxhd国产人妻xxx| 丁香六月欧美| 亚洲av片天天在线观看| netflix在线观看网站| 一本久久精品| 超碰成人久久| 亚洲精品第二区| 黄网站色视频无遮挡免费观看| 一区二区三区激情视频| 天天躁夜夜躁狠狠躁躁| 天天躁狠狠躁夜夜躁狠狠躁| 啦啦啦免费观看视频1| 国产成人系列免费观看| avwww免费| 欧美午夜高清在线| 久久亚洲国产成人精品v| 亚洲精品美女久久久久99蜜臀| 国产欧美亚洲国产| 黑丝袜美女国产一区| 51午夜福利影视在线观看| 亚洲欧美一区二区三区黑人| 国产精品久久久久久人妻精品电影 | 亚洲人成电影免费在线| 国产麻豆69| 亚洲精品久久久久久婷婷小说| 国产色视频综合| 国产色视频综合| 午夜老司机福利片| 国产一区二区在线观看av| 成人国产av品久久久| 女性生殖器流出的白浆| 精品国产一区二区三区久久久樱花| 肉色欧美久久久久久久蜜桃| 色精品久久人妻99蜜桃| 波多野结衣一区麻豆| 黄色片一级片一级黄色片| 成年女人毛片免费观看观看9 | 搡老熟女国产l中国老女人| 午夜福利影视在线免费观看| 真人做人爱边吃奶动态| svipshipincom国产片| 国产日韩一区二区三区精品不卡| 青青草视频在线视频观看| 久久 成人 亚洲| 午夜福利影视在线免费观看| 九色亚洲精品在线播放| 亚洲精品在线美女| 亚洲av成人不卡在线观看播放网 | 人成视频在线观看免费观看| 国产黄色免费在线视频| 如日韩欧美国产精品一区二区三区| 99久久国产精品久久久| 亚洲国产欧美在线一区| 黑人欧美特级aaaaaa片| 9191精品国产免费久久| 黄色视频在线播放观看不卡| 激情视频va一区二区三区| 久久人人97超碰香蕉20202| 亚洲欧美色中文字幕在线| 亚洲第一青青草原| 国产亚洲欧美在线一区二区| 大型av网站在线播放| 嫁个100分男人电影在线观看| 久久久国产成人免费| 首页视频小说图片口味搜索| 国产成人啪精品午夜网站| 9色porny在线观看| 精品少妇内射三级| 成年人午夜在线观看视频| 12—13女人毛片做爰片一| av在线老鸭窝| 精品一品国产午夜福利视频| 热99久久久久精品小说推荐| 在线天堂中文资源库| 欧美日韩中文字幕国产精品一区二区三区 | 久久中文看片网| 天天添夜夜摸| 久久久久久久久久久久大奶| 两性夫妻黄色片| 两人在一起打扑克的视频| 国产精品一区二区在线不卡| 99国产精品99久久久久| 狂野欧美激情性bbbbbb| 12—13女人毛片做爰片一| 国产一区有黄有色的免费视频| 美女高潮喷水抽搐中文字幕| 国产欧美日韩精品亚洲av| 十八禁网站网址无遮挡| 黑丝袜美女国产一区| 国产成人精品无人区| tocl精华| av片东京热男人的天堂| 国产精品免费大片| 9色porny在线观看| 女人爽到高潮嗷嗷叫在线视频| 一边摸一边做爽爽视频免费| 男女午夜视频在线观看| 日韩欧美一区二区三区在线观看 | 亚洲美女黄色视频免费看| 极品人妻少妇av视频| 久久久精品94久久精品| 真人做人爱边吃奶动态| 女性被躁到高潮视频| 亚洲精品在线美女| 丁香六月天网| 国产不卡av网站在线观看| 成人免费观看视频高清| 中亚洲国语对白在线视频| 最黄视频免费看| 老司机福利观看| 精品国产乱子伦一区二区三区 | 又紧又爽又黄一区二区| 亚洲熟女毛片儿| 99国产极品粉嫩在线观看| 日韩电影二区| 久久久国产精品麻豆| 老鸭窝网址在线观看| 午夜福利免费观看在线| 精品久久久久久电影网| 两个人看的免费小视频| 亚洲自偷自拍图片 自拍| 亚洲精品第二区| 久久久久久久大尺度免费视频| 啦啦啦免费观看视频1| 在线精品无人区一区二区三| 亚洲欧美一区二区三区黑人| 欧美日韩福利视频一区二区| 中文字幕色久视频| 精品少妇久久久久久888优播| 亚洲自偷自拍图片 自拍| 国产欧美日韩一区二区三区在线| 波多野结衣av一区二区av| 欧美黄色片欧美黄色片| 免费高清在线观看日韩| 中文欧美无线码| 免费久久久久久久精品成人欧美视频| 日日爽夜夜爽网站| 97精品久久久久久久久久精品| 亚洲精品在线美女| 精品人妻在线不人妻| 午夜福利在线免费观看网站| 免费高清在线观看视频在线观看| 人人妻人人澡人人看| 国产精品一区二区在线不卡| 国产精品久久久久成人av| 欧美亚洲日本最大视频资源| avwww免费| 精品国产一区二区三区久久久樱花| 亚洲美女黄色视频免费看| 人妻久久中文字幕网| 黄色毛片三级朝国网站| a级毛片黄视频| 欧美精品亚洲一区二区| 99热全是精品| 91成人精品电影| 中文字幕人妻丝袜一区二区| 伊人亚洲综合成人网| 三级毛片av免费| 黄色a级毛片大全视频| 男人爽女人下面视频在线观看| 飞空精品影院首页| 啦啦啦免费观看视频1| 99国产综合亚洲精品| 中亚洲国语对白在线视频| 两人在一起打扑克的视频| 50天的宝宝边吃奶边哭怎么回事| 又紧又爽又黄一区二区| 精品视频人人做人人爽| 91成年电影在线观看| 久久久国产成人免费| 亚洲av电影在线观看一区二区三区| www日本在线高清视频| 中文字幕制服av| 亚洲国产精品999| 亚洲精品中文字幕一二三四区 | 亚洲欧美一区二区三区黑人| 操出白浆在线播放| 欧美大码av| 欧美精品啪啪一区二区三区 | 午夜免费观看性视频| 丝袜美腿诱惑在线| 一进一出抽搐动态| 人人妻人人添人人爽欧美一区卜| 欧美国产精品va在线观看不卡| av在线老鸭窝| 成在线人永久免费视频| av福利片在线| 人人妻人人添人人爽欧美一区卜| 99热全是精品| 久热这里只有精品99| 69av精品久久久久久 | 免费观看a级毛片全部| 人人澡人人妻人| 日韩一区二区三区影片| 久久亚洲精品不卡| 免费女性裸体啪啪无遮挡网站| 亚洲伊人久久精品综合| 国产免费一区二区三区四区乱码| 久久久久久久国产电影| 精品少妇黑人巨大在线播放| 国产黄频视频在线观看| 两个人看的免费小视频| 欧美日韩av久久| 国产主播在线观看一区二区| 电影成人av| 欧美中文综合在线视频| 欧美精品啪啪一区二区三区 | www.av在线官网国产| 国产精品成人在线| 丰满迷人的少妇在线观看| 欧美日韩精品网址| 亚洲精品久久成人aⅴ小说| 欧美在线一区亚洲| 午夜激情久久久久久久| 老司机影院成人| 免费黄频网站在线观看国产| 久久人妻熟女aⅴ| 成人国产av品久久久| 欧美黄色淫秽网站| 美国免费a级毛片| 国产野战对白在线观看| 99精国产麻豆久久婷婷| 国产区一区二久久| 夜夜骑夜夜射夜夜干| 久久久国产欧美日韩av| 亚洲欧美精品自产自拍| 亚洲avbb在线观看| www日本在线高清视频| 国产真人三级小视频在线观看| 51午夜福利影视在线观看| 大片电影免费在线观看免费| 免费日韩欧美在线观看| 精品一品国产午夜福利视频| 日韩精品免费视频一区二区三区| 又大又爽又粗| 久久久久精品国产欧美久久久 | 精品人妻1区二区| 免费女性裸体啪啪无遮挡网站| 国产男人的电影天堂91| 久久久久网色| 在线永久观看黄色视频| 亚洲精品久久久久久婷婷小说| 久久人人爽av亚洲精品天堂| 性色av一级| www.999成人在线观看| 国产欧美日韩综合在线一区二区| 91精品伊人久久大香线蕉| 国产精品影院久久| 亚洲av电影在线进入| av片东京热男人的天堂| 国产亚洲精品一区二区www | 国产一区二区三区av在线| 黄色a级毛片大全视频| 久久久久久久大尺度免费视频| 成人亚洲精品一区在线观看| 国产区一区二久久| 久久久久网色| 欧美午夜高清在线| 国产av又大| 午夜福利视频精品| 国产亚洲av片在线观看秒播厂| 欧美xxⅹ黑人| 午夜成年电影在线免费观看| 一级a爱视频在线免费观看| 两个人免费观看高清视频| 免费人妻精品一区二区三区视频| 精品第一国产精品| 超碰97精品在线观看| 日韩三级视频一区二区三区| 国产欧美日韩综合在线一区二区| 99久久99久久久精品蜜桃| 日本欧美视频一区| 又大又爽又粗| 日日爽夜夜爽网站| 91成人精品电影| 欧美在线一区亚洲| 久久影院123| 飞空精品影院首页| 免费高清在线观看日韩| 亚洲第一欧美日韩一区二区三区 | 成人国产av品久久久| 男女高潮啪啪啪动态图| 亚洲中文字幕日韩| 日本精品一区二区三区蜜桃| 99久久国产精品久久久| 欧美 亚洲 国产 日韩一| 国产不卡av网站在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 精品国产国语对白av| 美女午夜性视频免费| 亚洲黑人精品在线| 青青草视频在线视频观看| 好男人电影高清在线观看| 日韩欧美免费精品| 男女国产视频网站| 每晚都被弄得嗷嗷叫到高潮| 亚洲九九香蕉| 国产人伦9x9x在线观看| 三上悠亚av全集在线观看| 最近中文字幕2019免费版| 亚洲综合色网址| 欧美成人午夜精品| 久久久水蜜桃国产精品网| 日本wwww免费看| av不卡在线播放| 亚洲第一青青草原| 日韩制服骚丝袜av| 黄色视频在线播放观看不卡| 日本精品一区二区三区蜜桃| 一区二区av电影网| 9热在线视频观看99| 一二三四社区在线视频社区8| 一本色道久久久久久精品综合| 97精品久久久久久久久久精品| 亚洲精品美女久久av网站| 首页视频小说图片口味搜索| 少妇 在线观看| 亚洲中文av在线| 熟女少妇亚洲综合色aaa.| 天堂俺去俺来也www色官网| 久久久国产精品麻豆| 中文精品一卡2卡3卡4更新| 精品国产超薄肉色丝袜足j| 精品久久久久久久毛片微露脸 | 亚洲av片天天在线观看| 欧美97在线视频| 国产欧美日韩一区二区精品| 在线 av 中文字幕| 99re6热这里在线精品视频| 99久久精品国产亚洲精品| 亚洲五月色婷婷综合| 国产成人精品在线电影| 日本wwww免费看| 丝袜脚勾引网站| 老汉色av国产亚洲站长工具| 大码成人一级视频| 亚洲成人免费电影在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 日韩有码中文字幕| 老司机在亚洲福利影院| 久久久久精品人妻al黑| 亚洲综合色网址| 纯流量卡能插随身wifi吗| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩精品网址| 亚洲av电影在线进入| 欧美另类亚洲清纯唯美| 中文字幕制服av| 免费女性裸体啪啪无遮挡网站| 久久久久久久久免费视频了| av在线app专区| 两性夫妻黄色片| 欧美性长视频在线观看| 精品少妇黑人巨大在线播放| 日韩大片免费观看网站| 999久久久精品免费观看国产| 91av网站免费观看| xxxhd国产人妻xxx| 日韩 欧美 亚洲 中文字幕| 欧美日韩视频精品一区| av不卡在线播放| 久久久水蜜桃国产精品网| www.精华液| 亚洲专区中文字幕在线| 纵有疾风起免费观看全集完整版| 国产精品一区二区在线不卡| 精品亚洲成国产av| 亚洲色图 男人天堂 中文字幕| 国产精品99久久99久久久不卡| 午夜福利免费观看在线| 伦理电影免费视频| av在线老鸭窝| 久久香蕉激情| 欧美日韩精品网址| 精品久久久久久久毛片微露脸 | 免费日韩欧美在线观看| 日本精品一区二区三区蜜桃| 欧美另类亚洲清纯唯美| 亚洲精品国产av蜜桃| 午夜福利在线观看吧| 欧美日韩国产mv在线观看视频| 男女床上黄色一级片免费看| 亚洲国产欧美在线一区| 好男人电影高清在线观看| 亚洲精品久久久久久婷婷小说| 无限看片的www在线观看| 日韩,欧美,国产一区二区三区| 国产亚洲午夜精品一区二区久久| 亚洲精品一区蜜桃| 免费人妻精品一区二区三区视频| 无限看片的www在线观看| 女人久久www免费人成看片| 国产片内射在线| 巨乳人妻的诱惑在线观看| 久久精品久久久久久噜噜老黄| 日韩中文字幕欧美一区二区| 永久免费av网站大全| 国产成人a∨麻豆精品| 欧美午夜高清在线| 久久久久视频综合| 精品国产超薄肉色丝袜足j| 精品福利永久在线观看| 午夜日韩欧美国产| 一本一本久久a久久精品综合妖精| 亚洲精品乱久久久久久| 久久久精品区二区三区| 99国产精品一区二区蜜桃av | 高清视频免费观看一区二区| 女人精品久久久久毛片| 国产一级毛片在线| 色精品久久人妻99蜜桃| 岛国在线观看网站| av有码第一页| 久久热在线av| 久久亚洲精品不卡| 国产97色在线日韩免费| 亚洲精品国产av蜜桃| 亚洲精品久久久久久婷婷小说| 老司机亚洲免费影院| 国产免费现黄频在线看| 久久99热这里只频精品6学生| 国产精品久久久人人做人人爽| 久久久久视频综合| 日本五十路高清| 国产国语露脸激情在线看| 侵犯人妻中文字幕一二三四区| 亚洲欧美精品自产自拍| 一级毛片精品| 久久久水蜜桃国产精品网| 欧美大码av| 久久精品熟女亚洲av麻豆精品| 国产成人欧美在线观看 | 制服诱惑二区| 亚洲精品一卡2卡三卡4卡5卡 | 国产极品粉嫩免费观看在线| 天堂俺去俺来也www色官网| 美女大奶头黄色视频| 在线 av 中文字幕| 香蕉丝袜av| 精品国产国语对白av| 大香蕉久久网| 亚洲av电影在线观看一区二区三区| 国产真人三级小视频在线观看| 少妇的丰满在线观看| 欧美+亚洲+日韩+国产| 亚洲熟女精品中文字幕| 另类精品久久| 超色免费av| 精品少妇一区二区三区视频日本电影| 满18在线观看网站| 国产在视频线精品| 俄罗斯特黄特色一大片| 大片免费播放器 马上看| 国产欧美亚洲国产| 亚洲 欧美一区二区三区| 欧美黑人欧美精品刺激| 久久久精品94久久精品| avwww免费| 日本猛色少妇xxxxx猛交久久| 国产又爽黄色视频| 少妇的丰满在线观看| 99久久人妻综合| 国产麻豆69| 人人妻,人人澡人人爽秒播| 18禁黄网站禁片午夜丰满| 久久久精品区二区三区| 在线观看免费日韩欧美大片| 亚洲中文字幕日韩| 丝袜人妻中文字幕| 亚洲一区中文字幕在线| 成年美女黄网站色视频大全免费| 超碰成人久久| 男女免费视频国产| 一本久久精品| 欧美日韩亚洲综合一区二区三区_| 男男h啪啪无遮挡| 人人妻人人澡人人爽人人夜夜| 精品少妇内射三级| 国产精品一区二区在线观看99| 久久国产亚洲av麻豆专区| 亚洲中文av在线| 国产99久久九九免费精品| 亚洲国产日韩一区二区| 丁香六月欧美| 久久精品人人爽人人爽视色| 精品高清国产在线一区| 人人妻人人澡人人爽人人夜夜| 国产免费视频播放在线视频| 亚洲精品粉嫩美女一区| 久久 成人 亚洲| 国产精品九九99| 国产成人精品久久二区二区免费| 国产精品一区二区在线观看99| 在线观看免费高清a一片| 五月开心婷婷网| 精品少妇内射三级| 亚洲av电影在线进入| netflix在线观看网站| 国产精品av久久久久免费| 高清欧美精品videossex| 亚洲av日韩在线播放| 老司机影院成人| 美女大奶头黄色视频| 亚洲精品第二区| 在线观看免费日韩欧美大片| 国产无遮挡羞羞视频在线观看| 两性夫妻黄色片| 成人av一区二区三区在线看 | 国产视频一区二区在线看| 母亲3免费完整高清在线观看| 国产精品免费视频内射| 又大又爽又粗| 激情视频va一区二区三区| 国产黄频视频在线观看| 老司机靠b影院| 久久久精品国产亚洲av高清涩受|