• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)和穩(wěn)定性選擇的農(nóng)作物植被光譜分析方法

    2020-07-01 09:29:20段欣榮曹見飛張寶雷王召海
    關(guān)鍵詞:分類特征模型

    段欣榮 曹見飛 張寶雷 王召海

    (山東師范大學(xué)地理與環(huán)境學(xué)院,250358,濟(jì)南)

    1 引 言

    農(nóng)作物分類是精細(xì)化農(nóng)業(yè)、可持續(xù)發(fā)展農(nóng)業(yè)等領(lǐng)域的重要研究內(nèi)容[1].遙感技術(shù)與傳統(tǒng)的實(shí)地調(diào)查相比具有快速高效、大面積同步觀測的特點(diǎn),已經(jīng)成為農(nóng)作物精細(xì)識別的重要手段.隨著遙感技術(shù)的發(fā)展,新興的高光譜技術(shù)獲得多且連續(xù)的反射光譜信息,具有更高精度農(nóng)作物信息識別的潛力,同樣農(nóng)作物生化參數(shù)的光譜分析難度也隨之增加[2,3].

    同一季節(jié)的農(nóng)作物植被光譜特征相似,在受自然環(huán)境的影響下存在大量的干擾信息,掩蓋部分可用的特征波段,精確提取表達(dá)植被生化參數(shù)的特征波段難度較大,在多分類中該問題尤為突出.現(xiàn)有的農(nóng)作物光譜分析方法一般通過光譜預(yù)處理方法提取特征波段,然后利用這些特征參數(shù)構(gòu)建光譜信息識別模型[4-8].李喆利用微分法與包絡(luò)線去除法識別敏感的特征吸收峰,提取光譜吸收特征參數(shù),構(gòu)建估算草地光合有效輻射吸收率的光譜特征參數(shù)模型[4].黃雙燕等通過單因素方差分析選擇農(nóng)作物光譜特征變量,利用不同機(jī)器學(xué)習(xí)驗(yàn)證特征變量的有效性[5].Cao等提取光譜特征、紋理特征和植被指數(shù),構(gòu)建識別紅樹林樹種的多變量支持向量機(jī)模型[6].劉小丹等采用主成分分析和連續(xù)投影算法提取特征波長,利用偏最小二乘判別分析和支持向量機(jī)鑒別雜交稻品系[7].Xie等采用改進(jìn)的gramm-schmidt方法識別有效波長,利用極端學(xué)習(xí)機(jī)和判別分析光譜模型對綠豆種類進(jìn)行識別[8].以上學(xué)者為解決農(nóng)作物植被光譜分析中特征波段難提取的問題,提供了各種有效的思路.然而這些研究中,光譜預(yù)處理和特征選擇成為識別模型構(gòu)建之前必不可少的步驟,這不僅增加分類結(jié)果的不穩(wěn)定性,且使得模型構(gòu)建繁瑣且復(fù)雜[4-9].因此,急需一種統(tǒng)一高效的光譜分析方法解決現(xiàn)有模型存在的問題.

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)被認(rèn)為是一種不依賴特征工程便可識別隱含特征的非線性函數(shù),其權(quán)值共享及池化操作等特性使其成為高性能的分類方法,在遙感圖像分類領(lǐng)域應(yīng)用廣泛[10].CNN通過卷積核池化操作可以準(zhǔn)確的提取數(shù)據(jù)局部特征,深層次地表達(dá)分類對象的特性,近年來在醫(yī)學(xué)電波檢測、分子結(jié)構(gòu)光譜識別等研究領(lǐng)域被證實(shí),CNN卷積核池化操作對光譜信息具有抑制噪聲,準(zhǔn)確地表達(dá)光譜潛在特征[11-13].但有關(guān)這類模型較少的被推廣到農(nóng)作物光譜精細(xì)化識別研究中.然而CNN屬于“黑盒子”,復(fù)雜的計算過程難以被解釋,CNN應(yīng)用研究中大多只是論述其應(yīng)用結(jié)果.由Meinshausen等[14]于2010年提出的穩(wěn)定性特征選擇方法(Stablity Selection, STS),是一種基于二次抽樣和選擇算法相結(jié)合的方法,被廣泛用于分類模型的特征選擇可視化,為農(nóng)作物植被光譜特征選擇提供了新途徑.本文首次整合STS和CNN,構(gòu)建改進(jìn)的農(nóng)作物植被光譜分析統(tǒng)一方法.簡化特征選擇和光譜預(yù)處理要求,提高農(nóng)作物光譜識別準(zhǔn)確率;同時計算出表征不同農(nóng)作物植被特性的特征波段;與人工定義的光譜特征波段對比,能夠解釋CNN光譜模型的特征表達(dá)能力以及對光譜干擾信息的抗干擾能力.

    2 方 法

    2.1卷積神經(jīng)網(wǎng)絡(luò)CNN在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上發(fā)展而來,是一種前饋神經(jīng)網(wǎng)絡(luò).其是通過逐層壓縮提取特征,學(xué)習(xí)識別多維數(shù)據(jù)的內(nèi)部聯(lián)系.相比人工神經(jīng)網(wǎng)絡(luò),CNN具有卷積和池化層等特殊結(jié)構(gòu),通過局部連接和權(quán)值共享有效減少網(wǎng)絡(luò)的訓(xùn)練權(quán)值,使得多層神經(jīng)網(wǎng)絡(luò)的優(yōu)勢得以體現(xiàn).

    圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    典型CNN一般由卷積層、池化層、全連接層和輸出層組成(如圖1).卷積層中神經(jīng)元通過卷積核與輸入進(jìn)行局部連接,并通過對應(yīng)的連接權(quán)值與局部輸入進(jìn)行加權(quán)求,然后通過一個非線性函數(shù)進(jìn)行激活.卷積層定義為

    yj=f(bj+∑ikij*xi).

    (1)

    式(1)中,xi和yj分別是第i個輸入特征圖和第j個輸出特征圖;kij是兩個特征圖之間的卷積核;*符號表示卷積;bj是第j個輸出特征圖的偏置;f(z)是非線性激活函數(shù)如Sigmoid函數(shù)、Tanh函數(shù)、ReLU函數(shù)等被卷積層中的全部單元共享.

    緊跟卷積層的是池化層,對卷積層提取的局部特征進(jìn)行下采樣,減少網(wǎng)絡(luò)中參數(shù)并提高學(xué)習(xí)網(wǎng)絡(luò)的魯棒性.池化層定義為

    yj=f(wjDO(xi+bj)).

    (2)

    式(2)中,xi和yj分別是第i個輸入特征圖和第j個輸出特征圖;DO()表示采樣函數(shù),一般選用隨機(jī)采樣、均值采樣、最大值采樣等;wj為權(quán)值;bj為偏置.

    本研究中不使用全連接層(多層感知器)以避免過擬合問題.將卷積-池化層輸出的特征綜合起來,最后由通用的Softmax多分類器進(jìn)行分類識別.Softmax多分類器的分類過程可表達(dá)為,

    (3)

    其相當(dāng)于一個壓縮函數(shù),將一個K維的映射向量的值轉(zhuǎn)換成取值都介于(0,1)之間的值,且相加和為1.

    (4)

    然后在路徑中選取被選概率較大的變量進(jìn)入最終模型Sstable,其中被選概率的閾值0<是新的調(diào)整參數(shù),

    (5)

    2.3改進(jìn)的光譜分析方法高精度的光譜識別和特征波段提取是光譜分析方法的兩個重要方面.為了獲得高效統(tǒng)一的農(nóng)作物植被光譜分析方法,且更好的了解CNN對農(nóng)作物光譜識別過程,本文通過整合STS與CNN提出一種改進(jìn)的光譜分析方法.該方法計算過程如圖2所示,首先以農(nóng)作物植被光譜識別最優(yōu)化為導(dǎo)向,構(gòu)建最佳CNN光譜模型;樣本數(shù)據(jù)訓(xùn)練CNN光譜模型后,獲得農(nóng)作物植被光譜識別結(jié)果.同時,將CNN光譜模型的卷積-池化輸出作為穩(wěn)定性特征選擇的特征集合;利用穩(wěn)定性特征選擇算法重新迭代訓(xùn)練Softmax多分類器(CNN光譜模型的輸出層),得到特征子集與分類類別的相關(guān)性得分;最后用特征子集的位置乘以卷積核步長和池化步長,反向推算出特征子集對應(yīng)的光譜波段.本研究將此光譜分析方法稱為CNNFS.相對于傳統(tǒng)的CNN模型,CNNFS的優(yōu)勢在于將光譜分析的光譜識別和特征波段提取兩個步驟整合在一起,實(shí)現(xiàn)了農(nóng)作物植被光譜分析的統(tǒng)一方法.另外,CNNFS在保留CNN整個運(yùn)算過程的同時計算出潛在的光譜特征波段,為解釋CNN光譜模型卷積池化層提取特征能力提供了重要依據(jù).

    圖2 改進(jìn)的光譜分析方法(CNNFS)計算過程

    3 實(shí) 驗(yàn)

    3.1光譜測量與預(yù)處理選取10種同一時間生長狀態(tài)下的農(nóng)作物植被作為研究對象:玉米、大豆、豆角、葡萄、大棗、辣椒、秋葵、芥藍(lán)、韭菜和草皮,每種野外選取100個新鮮樣本.光譜測定使用美國ASD FieldSpec3地物光譜儀、光譜范圍350~2 500 nm,采樣間隔為1.377 nm(350~1 000)和2 nm(1 000~2 500 nm).光譜測量地點(diǎn)為山東省龍口市北部平原地區(qū).該地區(qū)屬于溫帶季風(fēng)性氣候,農(nóng)作物種類繁多,分布廣泛.為對應(yīng)遙感應(yīng)用中的光譜分析問題,光譜測量選擇在2017年8月,測量環(huán)境條件選擇在陰天、晴天、有風(fēng)和無風(fēng)等不同天氣狀態(tài)下,刻意增加野外光譜的不確定.自然狀態(tài)下,光譜探頭垂直,保持距離樣本目標(biāo)10 cm且連續(xù)獲取10條光譜,取平均值作為原始光譜值.由于野外大氣水汽吸收干擾,導(dǎo)致1 350~1 450 nm、1 800~1 950 nm和2 450~2 500 nm光譜反射率波動很大,對于農(nóng)作物精細(xì)分類屬于無用信息,將其剔除.

    另外,增加農(nóng)作物野外植被光譜預(yù)處理實(shí)驗(yàn),分析CNN光譜分析模型在不同測量條件下的表現(xiàn).野外光譜的干擾信息主要源于野外光譜采集過程中外界環(huán)境干擾,包括空氣中水汽、農(nóng)作物葉片上的滯塵和測量背景環(huán)境變換等,將這些干擾信息總結(jié)為儀器噪聲、光譜基線和光譜散射[15].為消除干擾信息,突出光譜的特征值,選擇卷積平滑(SavGol)、二階微分變換(Deriv2)和變量標(biāo)準(zhǔn)化(SNV)3種預(yù)處理方法對原始光譜進(jìn)行預(yù)處理操作,分別抑制儀器噪聲、光譜基線和光譜散射的干擾影響[15,16].

    3.2分類模型構(gòu)建基于TensorFlow和Sklearn機(jī)器學(xué)習(xí)框架,采用python語言進(jìn)行編程.將1 000個樣本劃分為訓(xùn)練集和測試集,其中70%用于訓(xùn)練建立模型,30%用于檢驗(yàn)?zāi)P?為更好的選擇CNN網(wǎng)絡(luò)參數(shù),利用隨機(jī)網(wǎng)格搜索交叉驗(yàn)證框架(RGS-CV)進(jìn)行訓(xùn)練CNN模型,并以分類正確率為導(dǎo)向獲取最佳CNN網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)(圖表1).網(wǎng)絡(luò)C1卷積層卷積核大小為1×5,數(shù)量為12,激活函數(shù)為RELU;C2卷積層卷積核為1×3,數(shù)量為16;S1、S2池化層采用均值池化方法,下采樣尺度為1×2和1×4,步長為2和4;最后由Softmax多分類器輸出分類結(jié)果.選用目前研究中常用的偏最小二乘判別回歸(PLS-DA)、Softmax多分類器算法作為對比實(shí)驗(yàn).最小二乘法判別分析是一種用于判別分析的多變量統(tǒng)計分析方法,適用于變量數(shù)量大于分類類別的情況[7];Softmax多分類器可視為CNN模型的最后輸出層,直觀判斷卷積-池化層的作用.

    表1 CNN網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)

    3.3特征波段選擇基于Sklearn機(jī)器學(xué)習(xí)框架,采用python語言進(jìn)行編程.將CNN模型卷積-池化輸出的(16,229)矩陣作為16個特征集合,重新迭代訓(xùn)練Softmax多分類器,挑選出得分前10的特征子集.根據(jù)卷積池化壓縮過程,反向推算出10個8 nm特征波段,最后將特征波段合并(如表2).

    表2 不同預(yù)處理?xiàng)l件下CNNFS獲取的特征波段和中心波長

    4 結(jié)果與討論

    4.1CNN光譜模型評價不同分類模型和不同預(yù)處理?xiàng)l件下的結(jié)果如表3所示.CNN模型分類準(zhǔn)確率比PLS-DA和Softmax平均提高了8.5%和6%.在未預(yù)處理?xiàng)l件下,CNN分類結(jié)果最為理想,其準(zhǔn)確率為97%,分別高于PLS-DA、Softmax模型12%和8%;在不同的預(yù)處理?xiàng)l件下,CNN分類準(zhǔn)確率仍然高于PLS-DA、Softmax模型,平均提高了7.3%和6.3%,PLS-DA的分類結(jié)果最不理想,Softmax表現(xiàn)中等.表明CNN模型很好的應(yīng)用于農(nóng)作物光譜分類識別.縱向比較來看,PLS-LDA的分類準(zhǔn)確率在不同預(yù)處理?xiàng)l件下均有提高,提高范圍在5%~8%之間,在全部的模型中受影響最大;其次是Softmax模型,分類準(zhǔn)確率也增加4%~6%;CNN對預(yù)處理操作影響范圍為1%~3%,在3個模型中對光譜前期預(yù)處理操作表現(xiàn)最不敏感.表明不同光譜預(yù)處理對不同分類模型的影響程度各異,但總體上預(yù)處理對農(nóng)作物光譜識別分類具有積極的意義.CNN相對于PLS-DA、Softmax模型對預(yù)處理操作依賴性較小,即利用CNN構(gòu)建農(nóng)作物光譜分類模型時,可減少或者不進(jìn)行光譜預(yù)處理操作.

    表3 不同預(yù)處理?xiàng)l件下不同模型的農(nóng)作物分類準(zhǔn)確率(%)

    綜上所述,CNN模型能夠很好的應(yīng)用于農(nóng)作物光譜分類識別.其優(yōu)勢在于CNN模型能夠在較少或者無光譜前期預(yù)處理操作情況下,依然獲得高準(zhǔn)確率的分類精度,對光譜的分類識別體現(xiàn)出較強(qiáng)的魯棒性和泛化能力.

    4.2特征波段提取分析CNNFS計算的特征波段是CNN模型卷積-池化層對農(nóng)作物光譜特征表達(dá)的結(jié)果.利用CNNFS方法計算農(nóng)作物光譜特征波段,為便于對比描述,根據(jù)農(nóng)作物光譜的經(jīng)驗(yàn)知識選取10個對比光譜特征波段[7,17,19,20],包括可見光—Visible(VIS)波段3個:藍(lán)谷、綠峰、紅谷,近紅外—Near-infrared(NIR)波段5個:紅邊、NIR谷1、NIR峰1、NIR谷2、NIR峰2,短波紅外—Shortwave-infrare(SWIR)波段2個:SWIR峰1、SWIR峰2(如圖3).

    圖3 人工定義農(nóng)作物光譜特征波段

    圖4為CNNFS選擇的特征波段與人工定義的特征波段的對比.結(jié)果顯示CNNFS選擇出的特征波段包含在人工定義特征波段內(nèi),且中心波長位置相近,表明CNNFS能夠準(zhǔn)確地提取能夠區(qū)分農(nóng)作物理化性質(zhì)的特征波段.其中,CNNFS對原始野外光譜選擇出4個特征波段的中心波長為544 nm、752 nm、972 nm、1 644 nm,對應(yīng)綠峰、紅邊、NIR谷1、SWIR峰1四個波段.Liu[2,17]等、黃雙艷[5]等研究中說明綠峰、紅邊、NIR谷1能夠準(zhǔn)確地表征農(nóng)作物葉片的葉綠素含量、細(xì)胞結(jié)構(gòu)、含水率等理化特性,是農(nóng)作物光譜識別的重要特征波段,可以判斷出CNN模型卷積池化層對原始農(nóng)作物光譜能夠精確地表達(dá)出極具代表性的農(nóng)作物光譜特征,從而獲得高精度的分類結(jié)果;SavGol預(yù)處理過濾掉部分噪聲[16,18],但相對原始光譜提取的特征波段沒有變化,可以判斷SavGol去掉的部分噪聲對CNNFS特征選擇影響較少,即CNN模型卷積-池化對光譜噪聲具有一定程度的兼容能力;Deriv2預(yù)處理方法對原始光譜基線校正后, CNNFS選擇出中心波長為544 nm、748 nm、972 nm、1 084 nm、1 220 nm、1 644 nm、2 188 nm的特征波段,本實(shí)驗(yàn)的野外環(huán)境中使得近紅外波段會受大氣中水汽的影響嚴(yán)重[20].Cao[4]研究表明Deriv2預(yù)處理能夠有效的抑制空氣水汽、氣溶膠及測量背景環(huán)境引起的近紅外光譜基線漂移,一定程度上能夠凸顯近紅外波段的特征,因此相對于原始光譜CNNFS選擇的特征波段增加了近紅外NIR谷1、NIR峰1、NIR谷2位置的特征波段,證明了基線校正能夠提高CNN模型對農(nóng)作物光譜分類識別準(zhǔn)確率;同樣,經(jīng)過SNV預(yù)處理后CNNFS選擇出中心波長在544 nm、748 nm、968 nm、1 220 nm、1 640 nm處的特征波段,相對原始光譜增加NIR谷2,本實(shí)驗(yàn)的野外實(shí)測現(xiàn)場中葉片上含有大量滯塵,導(dǎo)致近紅外光譜產(chǎn)生大量光譜散射[21].Barnes[22]等研究表明SNV預(yù)處理能夠有效減少光譜散射所帶來的光譜誤差,可以判斷減少光譜散射誤差同樣可以提高近紅外波段對農(nóng)作物的信息獲取能力,證明了光譜散射預(yù)處理也能夠提高CNN模型的分類識別準(zhǔn)確率.

    圖4 CNNFS選擇的光譜特征波段與人工定義特征波段的比較(a)RAW; (b)SavGol; (c)Deriv2; (d)SNV

    綜上所述,特征波段中心波長位置與人工經(jīng)驗(yàn)選擇的特征波段相吻合,能夠判斷出本文提出的CNNFS特征波段選擇方法準(zhǔn)確有效.對于CNN模型而言,證明CNN模型獨(dú)特的卷積-池化操作能夠準(zhǔn)確地表達(dá)出野外實(shí)測光譜的重要特征波段,利用這些數(shù)據(jù)特征進(jìn)行分類取得更好的效果;其次,對比不同預(yù)處理?xiàng)l件下的特征波段計算結(jié)果,發(fā)現(xiàn)基線校正和光譜散射預(yù)處理有助于CNN模型的光譜特征表達(dá),在一定程度上能夠提高分類精度.然而CNN模型卷積池化層的特征表達(dá)能力不只局限于潛在特征波段的檢測,其復(fù)雜的非線性計算過程,還可能獲取其它有效和細(xì)致的局部抽象特征映射[11],比如波峰波谷的寬度、深度等,在以后科研工作中將對其進(jìn)行深入探討研究.

    5 結(jié) 語

    1) CNN光譜分析模型很好的應(yīng)用于農(nóng)作物識別中,分類準(zhǔn)確率在97%~100%范圍之間,比PLS-DA和Softmax平均提高了8.5%和6%.

    2) CNN光譜分析模型較少的依賴光譜預(yù)處理,在較少或者未光譜預(yù)處理?xiàng)l件下能夠獲得較高的識別準(zhǔn)確率.由于受空氣水汽、葉片滯塵和測量背景環(huán)境等噪聲、光譜基線和光譜散射信息的干擾,PLS-DA對光譜預(yù)處理依賴性最強(qiáng),提高范圍在5%~8%之間;光譜預(yù)處理對Softmax的影響次之,提高范圍為4%~6%;而CNN光譜分析模型對光譜預(yù)處理操作最不敏感,提高范圍為1%~3%,表現(xiàn)出較強(qiáng)的魯棒性和泛化能力.

    3) CNNFS是一種農(nóng)作物植被光譜分析的高效統(tǒng)一方法.在保留CNN模型高精度的識別結(jié)果的基礎(chǔ)上,選擇出的特征波段與植被經(jīng)驗(yàn)敏感波段相吻合,證明了CNNFS能夠在復(fù)雜的農(nóng)作物光譜數(shù)據(jù)中精準(zhǔn)地提取出特征波段位置.根據(jù)CNNFS提取的過程,也解釋了CNN光譜模型卷積池化操作精準(zhǔn)表達(dá)特征波段的能力.

    猜你喜歡
    分類特征模型
    一半模型
    分類算一算
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    如何表達(dá)“特征”
    不忠誠的四個特征
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    日韩欧美在线乱码| 一级二级三级毛片免费看| 免费电影在线观看免费观看| 91av网一区二区| 亚洲成人中文字幕在线播放| 大型黄色视频在线免费观看| 夫妻性生交免费视频一级片| 久久久久久久久中文| 国产91av在线免费观看| 成年免费大片在线观看| 日韩 亚洲 欧美在线| 99久久无色码亚洲精品果冻| av视频在线观看入口| 亚洲最大成人av| 国产成人精品婷婷| 2021天堂中文幕一二区在线观| 精品人妻偷拍中文字幕| 日本-黄色视频高清免费观看| 欧美人与善性xxx| 尾随美女入室| a级一级毛片免费在线观看| 午夜福利成人在线免费观看| 女同久久另类99精品国产91| 亚洲久久久久久中文字幕| 日本黄色片子视频| 成年免费大片在线观看| 特大巨黑吊av在线直播| 亚洲欧美精品综合久久99| 欧美丝袜亚洲另类| 能在线免费观看的黄片| 好男人视频免费观看在线| 欧美成人一区二区免费高清观看| 最近中文字幕高清免费大全6| 深爱激情五月婷婷| 日韩强制内射视频| 成人特级av手机在线观看| 综合色av麻豆| 长腿黑丝高跟| 国产国拍精品亚洲av在线观看| 精品午夜福利在线看| 国产一区亚洲一区在线观看| 婷婷六月久久综合丁香| 国产成人91sexporn| 高清日韩中文字幕在线| 免费av毛片视频| 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 | 欧美xxxx黑人xx丫x性爽| 欧美日韩乱码在线| 久久6这里有精品| 亚洲精品影视一区二区三区av| 亚洲欧美日韩卡通动漫| 日日干狠狠操夜夜爽| 六月丁香七月| 国产亚洲av嫩草精品影院| 午夜精品在线福利| 在现免费观看毛片| 国产真实乱freesex| 国产片特级美女逼逼视频| 国产亚洲av嫩草精品影院| 男插女下体视频免费在线播放| 91久久精品国产一区二区成人| 91久久精品国产一区二区成人| 亚洲精品影视一区二区三区av| 日韩高清综合在线| 最后的刺客免费高清国语| 最近手机中文字幕大全| 18禁裸乳无遮挡免费网站照片| 久久国内精品自在自线图片| 男人和女人高潮做爰伦理| 99riav亚洲国产免费| 最近手机中文字幕大全| 亚洲精品国产av成人精品| 午夜精品在线福利| 精品一区二区三区视频在线| 日韩 亚洲 欧美在线| 亚洲人与动物交配视频| 色视频www国产| 老司机福利观看| 中出人妻视频一区二区| 99久国产av精品| 中文字幕制服av| 成年av动漫网址| 九九爱精品视频在线观看| 亚洲第一电影网av| 中文字幕人妻熟人妻熟丝袜美| 乱码一卡2卡4卡精品| 天堂网av新在线| 看片在线看免费视频| 美女被艹到高潮喷水动态| 欧美高清成人免费视频www| 亚洲人成网站在线观看播放| 久久亚洲国产成人精品v| 免费看光身美女| av.在线天堂| 麻豆久久精品国产亚洲av| 日韩欧美 国产精品| 国产午夜福利久久久久久| 国产爱豆传媒在线观看| 蜜臀久久99精品久久宅男| 欧美一区二区精品小视频在线| 自拍偷自拍亚洲精品老妇| av国产免费在线观看| 99久久精品热视频| 国产亚洲91精品色在线| 长腿黑丝高跟| 最近视频中文字幕2019在线8| 国产黄色小视频在线观看| 免费搜索国产男女视频| 久久国内精品自在自线图片| 国产美女午夜福利| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦观看免费观看视频高清| 亚洲成av人片在线播放无| 成人高潮视频无遮挡免费网站| 国产精品一区二区在线观看99 | av免费观看日本| 亚洲av.av天堂| 久久久久久大精品| 偷拍熟女少妇极品色| 午夜亚洲福利在线播放| 高清日韩中文字幕在线| 男人舔奶头视频| 欧美日韩精品成人综合77777| 国产成人91sexporn| 亚洲国产欧美人成| 中国国产av一级| 99久久无色码亚洲精品果冻| 1024手机看黄色片| 桃色一区二区三区在线观看| 精品99又大又爽又粗少妇毛片| 久久久精品大字幕| 国产午夜精品论理片| 黄色一级大片看看| 国产精品一区二区性色av| 只有这里有精品99| 婷婷六月久久综合丁香| 中文精品一卡2卡3卡4更新| 18禁在线播放成人免费| 日韩欧美精品免费久久| 成人av在线播放网站| 老司机福利观看| 国产激情偷乱视频一区二区| 亚洲最大成人中文| 亚洲第一区二区三区不卡| 只有这里有精品99| 婷婷六月久久综合丁香| 国产精品一区二区三区四区久久| 国产精品精品国产色婷婷| 亚洲五月天丁香| 精品无人区乱码1区二区| 欧洲精品卡2卡3卡4卡5卡区| 99热精品在线国产| 色综合色国产| 又粗又爽又猛毛片免费看| 久久久久久伊人网av| 噜噜噜噜噜久久久久久91| 中国美女看黄片| 久久精品夜色国产| 国产亚洲精品久久久久久毛片| 亚洲中文字幕一区二区三区有码在线看| 一进一出抽搐gif免费好疼| 精品国产三级普通话版| 精品久久国产蜜桃| videossex国产| 日韩一区二区三区影片| 十八禁国产超污无遮挡网站| 国产精品99久久久久久久久| 身体一侧抽搐| av免费观看日本| 亚洲无线在线观看| 插阴视频在线观看视频| 老司机福利观看| 国产伦理片在线播放av一区 | www日本黄色视频网| 国产一区二区在线av高清观看| 男女视频在线观看网站免费| 狂野欧美白嫩少妇大欣赏| 国产大屁股一区二区在线视频| 欧美变态另类bdsm刘玥| 全区人妻精品视频| 男人舔女人下体高潮全视频| 国产精品日韩av在线免费观看| 亚洲五月天丁香| 欧美丝袜亚洲另类| 久久久久久久亚洲中文字幕| 精品久久久噜噜| 天堂影院成人在线观看| 亚洲无线观看免费| 亚洲成人久久性| 免费电影在线观看免费观看| 一区二区三区四区激情视频 | ponron亚洲| 日日撸夜夜添| 99国产精品一区二区蜜桃av| 三级毛片av免费| 国产综合懂色| 人人妻人人澡人人爽人人夜夜 | 亚洲欧洲日产国产| 免费搜索国产男女视频| 青春草国产在线视频 | 麻豆久久精品国产亚洲av| 草草在线视频免费看| 天美传媒精品一区二区| 国产美女午夜福利| 国产 一区 欧美 日韩| 国产成人freesex在线| 2022亚洲国产成人精品| 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 | 国产真实伦视频高清在线观看| 色吧在线观看| 日韩成人av中文字幕在线观看| 麻豆国产av国片精品| 日本三级黄在线观看| 亚洲无线观看免费| 欧美三级亚洲精品| 亚洲欧美成人综合另类久久久 | 国产视频首页在线观看| 麻豆国产av国片精品| 内地一区二区视频在线| 欧美日本视频| 我的老师免费观看完整版| 国产蜜桃级精品一区二区三区| 激情 狠狠 欧美| 一本久久精品| 欧美日韩国产亚洲二区| 国产乱人视频| 亚洲精品粉嫩美女一区| 久99久视频精品免费| 亚洲丝袜综合中文字幕| 一进一出抽搐gif免费好疼| 精品久久久久久久久av| 国产人妻一区二区三区在| 99精品在免费线老司机午夜| 三级国产精品欧美在线观看| 久久精品影院6| 国产人妻一区二区三区在| 小蜜桃在线观看免费完整版高清| 男人舔奶头视频| 中国国产av一级| 啦啦啦啦在线视频资源| 伦精品一区二区三区| 91av网一区二区| 国产黄片视频在线免费观看| 亚洲美女搞黄在线观看| 久久99精品国语久久久| 亚洲成人久久爱视频| 小说图片视频综合网站| 欧美日韩乱码在线| 国产精品不卡视频一区二区| 国产精品日韩av在线免费观看| 尤物成人国产欧美一区二区三区| 亚洲国产精品sss在线观看| 国产真实乱freesex| 国产精品1区2区在线观看.| 偷拍熟女少妇极品色| 亚洲人成网站高清观看| 日韩欧美一区二区三区在线观看| 中文字幕免费在线视频6| 神马国产精品三级电影在线观看| 欧美色视频一区免费| 网址你懂的国产日韩在线| 淫秽高清视频在线观看| 国内精品久久久久精免费| 午夜a级毛片| 免费在线观看成人毛片| 一进一出抽搐gif免费好疼| 国产精品久久视频播放| 国产探花极品一区二区| 深爱激情五月婷婷| 97超碰精品成人国产| 精品午夜福利在线看| 欧洲精品卡2卡3卡4卡5卡区| 色噜噜av男人的天堂激情| 美女 人体艺术 gogo| 国产极品精品免费视频能看的| 亚洲欧美中文字幕日韩二区| 伦精品一区二区三区| 99在线人妻在线中文字幕| 国产久久久一区二区三区| 久久人人精品亚洲av| 国产精品一区www在线观看| av福利片在线观看| 亚洲五月天丁香| 精品少妇黑人巨大在线播放 | 能在线免费观看的黄片| 中文亚洲av片在线观看爽| 亚洲欧美日韩卡通动漫| 国产伦一二天堂av在线观看| a级毛片免费高清观看在线播放| 国产又黄又爽又无遮挡在线| 男女下面进入的视频免费午夜| 国产精品一二三区在线看| 12—13女人毛片做爰片一| 亚洲精品久久国产高清桃花| 久久久久久久久久久免费av| 欧美在线一区亚洲| 久久久久国产网址| 日本免费a在线| 18+在线观看网站| 长腿黑丝高跟| 精品国内亚洲2022精品成人| АⅤ资源中文在线天堂| 国产探花在线观看一区二区| 国产国拍精品亚洲av在线观看| 久久久a久久爽久久v久久| 最新中文字幕久久久久| 99热这里只有精品一区| 精品国产三级普通话版| 蜜桃久久精品国产亚洲av| 亚洲欧美日韩无卡精品| 男人狂女人下面高潮的视频| 久久国产乱子免费精品| 99久国产av精品| 中文欧美无线码| 久久精品国产亚洲网站| av在线观看视频网站免费| 人妻少妇偷人精品九色| 12—13女人毛片做爰片一| 午夜免费激情av| av天堂中文字幕网| 97热精品久久久久久| 看十八女毛片水多多多| 岛国在线免费视频观看| 岛国毛片在线播放| 亚洲aⅴ乱码一区二区在线播放| 伦精品一区二区三区| 亚洲最大成人av| 免费一级毛片在线播放高清视频| 97在线视频观看| 啦啦啦观看免费观看视频高清| 九九久久精品国产亚洲av麻豆| 99久国产av精品| 欧美日韩在线观看h| 午夜激情欧美在线| 2022亚洲国产成人精品| 人妻系列 视频| 久久热精品热| 久久人人爽人人片av| 日韩av不卡免费在线播放| 精品一区二区三区视频在线| ponron亚洲| 99在线视频只有这里精品首页| 欧美日韩一区二区视频在线观看视频在线 | 亚洲精品色激情综合| 久久精品国产亚洲av天美| 日韩精品青青久久久久久| 国产精品美女特级片免费视频播放器| 成人毛片a级毛片在线播放| 午夜精品在线福利| 一进一出抽搐gif免费好疼| 欧美色视频一区免费| 午夜福利在线观看免费完整高清在 | a级一级毛片免费在线观看| 国产av不卡久久| 99热这里只有是精品50| 爱豆传媒免费全集在线观看| 中文字幕久久专区| 久久久久久国产a免费观看| 日韩一区二区视频免费看| 国产黄a三级三级三级人| 99热精品在线国产| 亚洲精品国产成人久久av| 欧美变态另类bdsm刘玥| av在线天堂中文字幕| 中文资源天堂在线| 国产黄片视频在线免费观看| 看十八女毛片水多多多| 日韩欧美精品免费久久| 午夜福利在线观看免费完整高清在 | 欧美人与善性xxx| 一级毛片久久久久久久久女| 成人高潮视频无遮挡免费网站| 狠狠狠狠99中文字幕| 日韩,欧美,国产一区二区三区 | 成人亚洲精品av一区二区| 色噜噜av男人的天堂激情| 欧美另类亚洲清纯唯美| 亚洲av.av天堂| 国产大屁股一区二区在线视频| 高清日韩中文字幕在线| 国产色婷婷99| 综合色av麻豆| 一个人看视频在线观看www免费| 免费大片18禁| 岛国毛片在线播放| 日韩欧美精品免费久久| av在线蜜桃| 人妻少妇偷人精品九色| 亚洲真实伦在线观看| 啦啦啦啦在线视频资源| avwww免费| 别揉我奶头 嗯啊视频| 丰满的人妻完整版| 国产色婷婷99| 噜噜噜噜噜久久久久久91| 亚洲国产日韩欧美精品在线观看| 男女边吃奶边做爰视频| 国产午夜精品论理片| 搡老妇女老女人老熟妇| 国产精品一区二区在线观看99 | 亚州av有码| 免费观看精品视频网站| 国产视频首页在线观看| 日本与韩国留学比较| 性欧美人与动物交配| 精品久久久久久久久亚洲| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久久久久黄片| a级一级毛片免费在线观看| 中文精品一卡2卡3卡4更新| 亚洲丝袜综合中文字幕| 深爱激情五月婷婷| 久久久久久久久久久免费av| 毛片女人毛片| 22中文网久久字幕| 成人鲁丝片一二三区免费| 3wmmmm亚洲av在线观看| 国产大屁股一区二区在线视频| 五月玫瑰六月丁香| 国产伦精品一区二区三区四那| 综合色av麻豆| 国内精品一区二区在线观看| 亚洲va在线va天堂va国产| 寂寞人妻少妇视频99o| 国产美女午夜福利| 久久国产乱子免费精品| 99久久成人亚洲精品观看| 日韩三级伦理在线观看| 精品久久久久久久人妻蜜臀av| 听说在线观看完整版免费高清| 两性午夜刺激爽爽歪歪视频在线观看| 男女视频在线观看网站免费| 不卡一级毛片| 99热这里只有是精品在线观看| 亚洲欧美日韩无卡精品| 国产av一区在线观看免费| 黑人高潮一二区| 天堂av国产一区二区熟女人妻| 成人漫画全彩无遮挡| 国内精品一区二区在线观看| 男人的好看免费观看在线视频| 身体一侧抽搐| 一级黄片播放器| 哪个播放器可以免费观看大片| 九九爱精品视频在线观看| 色吧在线观看| 亚洲人成网站在线观看播放| 国产一区二区三区av在线 | 美女脱内裤让男人舔精品视频 | 插逼视频在线观看| 在线免费十八禁| 日产精品乱码卡一卡2卡三| 91精品国产九色| 男女做爰动态图高潮gif福利片| 国产在视频线在精品| 亚洲国产欧美在线一区| 日韩在线高清观看一区二区三区| 欧美zozozo另类| 国产熟女欧美一区二区| 国产真实乱freesex| 欧美日本亚洲视频在线播放| 亚洲图色成人| 亚洲av成人av| 欧美+日韩+精品| 91久久精品国产一区二区成人| 你懂的网址亚洲精品在线观看 | 国产午夜精品一二区理论片| 精品免费久久久久久久清纯| 你懂的网址亚洲精品在线观看 | 免费av观看视频| 女人十人毛片免费观看3o分钟| 高清午夜精品一区二区三区 | 在线观看一区二区三区| 天堂网av新在线| 狂野欧美激情性xxxx在线观看| 国产探花极品一区二区| 最近手机中文字幕大全| 2022亚洲国产成人精品| 亚洲国产精品久久男人天堂| 国产成人福利小说| 伊人久久精品亚洲午夜| 禁无遮挡网站| 国产三级在线视频| 在线播放国产精品三级| 国产一区二区亚洲精品在线观看| 亚洲国产精品合色在线| 国产精品嫩草影院av在线观看| 久久99精品国语久久久| 高清在线视频一区二区三区 | 女人十人毛片免费观看3o分钟| 亚洲国产高清在线一区二区三| 美女 人体艺术 gogo| 26uuu在线亚洲综合色| 久久久精品大字幕| 少妇裸体淫交视频免费看高清| 亚洲成人av在线免费| 国产片特级美女逼逼视频| 国产精品无大码| 国产综合懂色| av在线天堂中文字幕| 一级黄色大片毛片| 在线免费观看不下载黄p国产| 久久精品久久久久久噜噜老黄 | 91久久精品电影网| 亚洲欧美精品综合久久99| 亚州av有码| 亚洲无线观看免费| 最近手机中文字幕大全| 人人妻人人澡欧美一区二区| 天堂影院成人在线观看| 久久久精品欧美日韩精品| 国语自产精品视频在线第100页| 麻豆国产av国片精品| 成人三级黄色视频| 精品久久久久久久久久免费视频| 18禁在线播放成人免费| 成人特级黄色片久久久久久久| 99热全是精品| 91麻豆精品激情在线观看国产| 赤兔流量卡办理| 天天躁日日操中文字幕| 亚洲精品乱码久久久久久按摩| 国产精品久久电影中文字幕| 国产精品日韩av在线免费观看| 婷婷亚洲欧美| 国产成人aa在线观看| 国产一区二区在线观看日韩| 一级毛片aaaaaa免费看小| 两个人视频免费观看高清| 麻豆久久精品国产亚洲av| 99久国产av精品| 亚洲av成人av| 国产精品国产高清国产av| 成人性生交大片免费视频hd| www日本黄色视频网| 国产探花在线观看一区二区| 99国产精品一区二区蜜桃av| 22中文网久久字幕| 色尼玛亚洲综合影院| 淫秽高清视频在线观看| 国产老妇女一区| 麻豆乱淫一区二区| 国产精品国产三级国产av玫瑰| 欧美日本视频| 亚洲va在线va天堂va国产| 久久99蜜桃精品久久| 久久精品国产亚洲av天美| 久久久久久大精品| 99视频精品全部免费 在线| a级毛色黄片| 97超视频在线观看视频| 内射极品少妇av片p| 一本一本综合久久| 欧美bdsm另类| 小蜜桃在线观看免费完整版高清| 97热精品久久久久久| 人人妻人人澡欧美一区二区| 精品久久久久久久久久免费视频| 狠狠狠狠99中文字幕| 午夜福利高清视频| 99久久人妻综合| 久久久精品欧美日韩精品| 亚洲中文字幕日韩| 蜜桃亚洲精品一区二区三区| 色吧在线观看| 免费看光身美女| 国产精品一区www在线观看| 国产精品av视频在线免费观看| 久久久欧美国产精品| 亚洲va在线va天堂va国产| 亚洲欧美日韩无卡精品| 成人一区二区视频在线观看| 天天躁日日操中文字幕| 免费看a级黄色片| 亚洲在线观看片| 日本爱情动作片www.在线观看| 人妻夜夜爽99麻豆av| 欧美高清性xxxxhd video| 国产精品爽爽va在线观看网站| 国产熟女欧美一区二区| 国产精品久久久久久久久免| 少妇的逼好多水| 变态另类成人亚洲欧美熟女| 亚洲一区高清亚洲精品| 亚洲国产欧洲综合997久久,| 免费无遮挡裸体视频| 麻豆精品久久久久久蜜桃| 亚洲国产欧美在线一区| 久久久久久久久久久免费av| a级毛色黄片| 国产成人精品婷婷| 伦理电影大哥的女人| 国产日本99.免费观看| 国产高清视频在线观看网站| 婷婷亚洲欧美| 人妻系列 视频| 欧美精品国产亚洲| 欧美不卡视频在线免费观看| 久久久久性生活片| 亚州av有码| 白带黄色成豆腐渣| 久久精品国产亚洲网站| 国产男人的电影天堂91| h日本视频在线播放| 狂野欧美白嫩少妇大欣赏| 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 | 人妻夜夜爽99麻豆av| 久久精品国产亚洲av天美| 我要搜黄色片| 亚洲第一区二区三区不卡| 成年av动漫网址| 久久综合国产亚洲精品| 91久久精品电影网| 国产又黄又爽又无遮挡在线| 女人十人毛片免费观看3o分钟|