• <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)的實地調(diào)查相比具有快速高效、大面積同步觀測的特點,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,利用不同機器學(xué)習(xí)驗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鑒別雜交稻品系[7].Xie等采用改進的gramm-schmidt方法識別有效波長,利用極端學(xué)習(xí)機和判別分析光譜模型對綠豆種類進行識別[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,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行局部連接,并通過對應(yīng)的連接權(quán)值與局部輸入進行加權(quán)求,然后通過一個非線性函數(shù)進行激活.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 改進的光譜分析方法(CNNFS)計算過程

    3 實 驗

    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)處理實驗,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機器學(xué)習(xí)框架,采用python語言進行編程.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?zāi)P?為更好的選擇CNN網(wǎng)絡(luò)參數(shù),利用隨機網(wǎng)格搜索交叉驗證框架(RGS-CV)進行訓(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驗.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機器學(xué)習(xí)框架,采用python語言進行編程.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)處理條件下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)處理條件下的結(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)處理條件下,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)處理條件下,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)處理條件下均有提高,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,可減少或者不進行光譜預(yù)處理操作.

    表3 不同預(yù)處理條件下不同模型的農(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,本實驗的野外環(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,本實驗的野外實測現(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模型獨特的卷積-池化操作能夠準(zhǔn)確地表達(dá)出野外實測光譜的重要特征波段,利用這些數(shù)據(jù)特征進行分類取得更好的效果;其次,對比不同預(yù)處理條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)處理條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,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
    真人做人爱边吃奶动态| 午夜视频精品福利| 欧美日韩av久久| 亚洲精品av麻豆狂野| 亚洲欧洲精品一区二区精品久久久| 国产精品久久电影中文字幕| 国产麻豆69| 久久这里只有精品19| x7x7x7水蜜桃| 国产成人影院久久av| 精品免费久久久久久久清纯| 亚洲国产精品一区二区三区在线| 日本a在线网址| 精品免费久久久久久久清纯| 日日干狠狠操夜夜爽| 欧美在线一区亚洲| 久久人妻熟女aⅴ| 美女高潮喷水抽搐中文字幕| 村上凉子中文字幕在线| 免费在线观看影片大全网站| 亚洲成人久久性| 悠悠久久av| 少妇粗大呻吟视频| 久久久久久人人人人人| 亚洲三区欧美一区| 激情在线观看视频在线高清| 日韩精品中文字幕看吧| 久久国产亚洲av麻豆专区| 黄色毛片三级朝国网站| 国产成人免费无遮挡视频| 窝窝影院91人妻| 丁香六月欧美| 在线国产一区二区在线| 国产精品一区二区免费欧美| 亚洲男人的天堂狠狠| 国内久久婷婷六月综合欲色啪| 免费av中文字幕在线| 黑人欧美特级aaaaaa片| 国产成人av激情在线播放| 9色porny在线观看| 国产人伦9x9x在线观看| 久久热在线av| 9色porny在线观看| 啦啦啦在线免费观看视频4| 欧美久久黑人一区二区| 免费在线观看日本一区| 免费一级毛片在线播放高清视频 | 免费看十八禁软件| 亚洲黑人精品在线| 国产精华一区二区三区| 欧美日韩一级在线毛片| 国产av又大| 一级作爱视频免费观看| 欧美人与性动交α欧美精品济南到| 国产成人影院久久av| 桃红色精品国产亚洲av| 成人黄色视频免费在线看| 99热国产这里只有精品6| 成年女人毛片免费观看观看9| 久久久国产成人精品二区 | 天天躁夜夜躁狠狠躁躁| 成人国产一区最新在线观看| 91成人精品电影| 男人舔女人下体高潮全视频| 亚洲成av片中文字幕在线观看| 欧美激情极品国产一区二区三区| 免费高清在线观看日韩| 亚洲精品中文字幕一二三四区| 中国美女看黄片| 欧美色视频一区免费| 国产麻豆69| 欧美中文综合在线视频| 国产成人av激情在线播放| 亚洲一区二区三区不卡视频| 老司机亚洲免费影院| 九色亚洲精品在线播放| 不卡一级毛片| 99国产极品粉嫩在线观看| avwww免费| 在线天堂中文资源库| 丝袜美腿诱惑在线| 麻豆av在线久日| 在线观看免费午夜福利视频| 久久久久久亚洲精品国产蜜桃av| 亚洲欧美精品综合久久99| 天堂影院成人在线观看| 50天的宝宝边吃奶边哭怎么回事| 日日摸夜夜添夜夜添小说| 中文字幕精品免费在线观看视频| 美女国产高潮福利片在线看| av免费在线观看网站| 丝袜在线中文字幕| 欧美激情 高清一区二区三区| 亚洲专区中文字幕在线| 波多野结衣高清无吗| 黄网站色视频无遮挡免费观看| 亚洲精品一卡2卡三卡4卡5卡| 色播在线永久视频| 美女福利国产在线| 欧美精品啪啪一区二区三区| 又紧又爽又黄一区二区| 亚洲专区中文字幕在线| 在线观看一区二区三区激情| 国产91精品成人一区二区三区| 人人妻人人爽人人添夜夜欢视频| 中文字幕人妻丝袜一区二区| 久久中文字幕人妻熟女| 一边摸一边抽搐一进一小说| 日韩有码中文字幕| 最新在线观看一区二区三区| 亚洲精品国产色婷婷电影| 精品高清国产在线一区| www日本在线高清视频| 欧美日韩av久久| 久久国产精品影院| 国产欧美日韩一区二区三区在线| 亚洲国产看品久久| 午夜免费观看网址| 国产不卡一卡二| 亚洲熟妇中文字幕五十中出 | 黑人欧美特级aaaaaa片| 久久国产亚洲av麻豆专区| 免费在线观看视频国产中文字幕亚洲| 亚洲精品一卡2卡三卡4卡5卡| 身体一侧抽搐| 国产又色又爽无遮挡免费看| 免费高清视频大片| 性色av乱码一区二区三区2| 日韩高清综合在线| 日本一区二区免费在线视频| 老司机午夜福利在线观看视频| √禁漫天堂资源中文www| 黄片播放在线免费| 国产熟女xx| 侵犯人妻中文字幕一二三四区| 最好的美女福利视频网| 国产精品香港三级国产av潘金莲| 80岁老熟妇乱子伦牲交| 女生性感内裤真人,穿戴方法视频| 一夜夜www| 欧美成人午夜精品| 午夜91福利影院| 变态另类成人亚洲欧美熟女 | 日韩免费av在线播放| 日韩 欧美 亚洲 中文字幕| 男女床上黄色一级片免费看| 一个人免费在线观看的高清视频| 久久99一区二区三区| 别揉我奶头~嗯~啊~动态视频| 高清av免费在线| 免费观看精品视频网站| 超碰成人久久| 午夜两性在线视频| 亚洲美女黄片视频| 中文字幕人妻丝袜一区二区| 黄频高清免费视频| 欧美日韩视频精品一区| 中出人妻视频一区二区| 国产精品一区二区免费欧美| 国产亚洲精品一区二区www| 国产精品亚洲一级av第二区| 婷婷精品国产亚洲av在线| 精品乱码久久久久久99久播| 久久中文字幕人妻熟女| 久久九九热精品免费| 少妇的丰满在线观看| 日日夜夜操网爽| 一边摸一边抽搐一进一出视频| 国产99白浆流出| 欧美在线黄色| 五月开心婷婷网| 午夜福利在线观看吧| 女警被强在线播放| 正在播放国产对白刺激| 亚洲专区字幕在线| 老司机靠b影院| 午夜福利一区二区在线看| 国产三级黄色录像| 日韩人妻精品一区2区三区| 在线观看免费午夜福利视频| 高清在线国产一区| 国产精品久久久久成人av| 妹子高潮喷水视频| 精品一区二区三卡| 91成年电影在线观看| 中国美女看黄片| 日韩一卡2卡3卡4卡2021年| 久久国产精品人妻蜜桃| 9191精品国产免费久久| 又紧又爽又黄一区二区| 一级a爱视频在线免费观看| 999精品在线视频| 丰满的人妻完整版| 黄色视频,在线免费观看| 久久午夜亚洲精品久久| 成人三级做爰电影| 可以在线观看毛片的网站| 少妇 在线观看| 国产成人系列免费观看| 人人妻人人添人人爽欧美一区卜| 精品久久久久久久久久免费视频 | 亚洲国产毛片av蜜桃av| 啦啦啦 在线观看视频| 母亲3免费完整高清在线观看| 少妇的丰满在线观看| 在线观看免费高清a一片| 国产亚洲精品久久久久久毛片| 欧美在线黄色| av有码第一页| 制服诱惑二区| 91大片在线观看| 午夜激情av网站| 亚洲国产看品久久| 亚洲七黄色美女视频| 免费在线观看亚洲国产| 国产精品 欧美亚洲| 在线十欧美十亚洲十日本专区| 亚洲伊人色综图| 长腿黑丝高跟| cao死你这个sao货| 中文字幕色久视频| 热re99久久国产66热| 亚洲一区二区三区色噜噜 | 亚洲九九香蕉| 99久久国产精品久久久| 级片在线观看| a级毛片黄视频| 日本欧美视频一区| 在线看a的网站| 视频区图区小说| 丰满迷人的少妇在线观看| 激情在线观看视频在线高清| 在线视频色国产色| 亚洲狠狠婷婷综合久久图片| 视频区图区小说| 精品国产乱子伦一区二区三区| 欧美 亚洲 国产 日韩一| 老汉色∧v一级毛片| 欧美午夜高清在线| 久久久久久久久久久久大奶| 自拍欧美九色日韩亚洲蝌蚪91| 搡老熟女国产l中国老女人| 黑人巨大精品欧美一区二区蜜桃| 欧美黄色片欧美黄色片| 精品福利永久在线观看| 成人国语在线视频| 真人做人爱边吃奶动态| 久久久久久人人人人人| 长腿黑丝高跟| 国产精品久久视频播放| 国内久久婷婷六月综合欲色啪| 在线十欧美十亚洲十日本专区| 日韩成人在线观看一区二区三区| 国产成人精品在线电影| 黄色片一级片一级黄色片| xxxhd国产人妻xxx| 国产一区二区三区视频了| 国产精品国产av在线观看| 免费人成视频x8x8入口观看| 在线av久久热| 搡老熟女国产l中国老女人| 国产男靠女视频免费网站| 国产精品日韩av在线免费观看 | 国产精品偷伦视频观看了| 亚洲精品国产色婷婷电影| 精品福利观看| 最好的美女福利视频网| 香蕉丝袜av| 桃色一区二区三区在线观看| 在线观看免费高清a一片| 日韩精品青青久久久久久| 啦啦啦 在线观看视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产高清国产精品国产三级| 欧美亚洲日本最大视频资源| 亚洲av美国av| 丝袜人妻中文字幕| 91大片在线观看| 国产精品免费视频内射| 他把我摸到了高潮在线观看| av超薄肉色丝袜交足视频| 国产精品 欧美亚洲| 久久国产精品影院| 在线永久观看黄色视频| 亚洲精华国产精华精| 国产高清国产精品国产三级| 亚洲三区欧美一区| 另类亚洲欧美激情| 最近最新免费中文字幕在线| 久9热在线精品视频| cao死你这个sao货| 丝袜在线中文字幕| 窝窝影院91人妻| 一本大道久久a久久精品| 免费少妇av软件| 国产成人精品久久二区二区91| 欧美日韩亚洲国产一区二区在线观看| 老司机在亚洲福利影院| 黄片小视频在线播放| 欧美成狂野欧美在线观看| 亚洲欧美日韩高清在线视频| ponron亚洲| 亚洲狠狠婷婷综合久久图片| 女人被狂操c到高潮| 一边摸一边抽搐一进一出视频| 免费日韩欧美在线观看| 神马国产精品三级电影在线观看 | 最近最新中文字幕大全免费视频| 久久久国产成人精品二区 | 黑丝袜美女国产一区| 精品欧美一区二区三区在线| 亚洲色图av天堂| 一进一出好大好爽视频| 成人手机av| 美女福利国产在线| 免费看a级黄色片| 91av网站免费观看| 国产成人啪精品午夜网站| 亚洲午夜精品一区,二区,三区| 亚洲精品久久成人aⅴ小说| 在线观看免费日韩欧美大片| 91精品国产国语对白视频| 色在线成人网| 中亚洲国语对白在线视频| 久久影院123| 亚洲熟女毛片儿| 亚洲av日韩精品久久久久久密| 久久久精品国产亚洲av高清涩受| 午夜91福利影院| 在线观看一区二区三区激情| 国产精品 国内视频| 制服人妻中文乱码| 亚洲国产欧美日韩在线播放| 国产av精品麻豆| 多毛熟女@视频| 国产无遮挡羞羞视频在线观看| 亚洲av日韩精品久久久久久密| 亚洲欧美精品综合久久99| 激情视频va一区二区三区| 国产精品爽爽va在线观看网站 | 日韩国内少妇激情av| 91成人精品电影| 又大又爽又粗| 日日夜夜操网爽| 国产成人系列免费观看| 国产成人影院久久av| 亚洲中文日韩欧美视频| 国产高清激情床上av| 成年人黄色毛片网站| 国产成人免费无遮挡视频| 久久久国产欧美日韩av| 一级片免费观看大全| 50天的宝宝边吃奶边哭怎么回事| 日本免费一区二区三区高清不卡 | 丝袜美腿诱惑在线| 亚洲精品国产一区二区精华液| 亚洲欧美激情在线| 午夜福利免费观看在线| 精品午夜福利视频在线观看一区| 国产亚洲av高清不卡| 中文字幕人妻丝袜一区二区| 女人精品久久久久毛片| 中文字幕精品免费在线观看视频| 国产精品久久久人人做人人爽| 又大又爽又粗| 中文字幕av电影在线播放| 久久人人精品亚洲av| 亚洲一码二码三码区别大吗| 一级片'在线观看视频| 精品一区二区三区视频在线观看免费 | 正在播放国产对白刺激| 黄色 视频免费看| 国产av精品麻豆| 国产片内射在线| 欧美一区二区精品小视频在线| 欧美激情高清一区二区三区| 大码成人一级视频| 每晚都被弄得嗷嗷叫到高潮| 叶爱在线成人免费视频播放| 成人18禁在线播放| 国产欧美日韩一区二区三区在线| 满18在线观看网站| 精品一区二区三区av网在线观看| 精品电影一区二区在线| 99国产精品一区二区蜜桃av| 高潮久久久久久久久久久不卡| 欧美日本亚洲视频在线播放| 免费看十八禁软件| 丝袜美足系列| 男人舔女人下体高潮全视频| 18禁裸乳无遮挡免费网站照片 | 亚洲美女黄片视频| 亚洲一区二区三区欧美精品| 淫妇啪啪啪对白视频| 久久欧美精品欧美久久欧美| 久久天躁狠狠躁夜夜2o2o| 一级毛片精品| 日本 av在线| 国产成人一区二区三区免费视频网站| 在线十欧美十亚洲十日本专区| av视频免费观看在线观看| 视频区图区小说| 亚洲色图av天堂| 久久精品人人爽人人爽视色| 91麻豆av在线| 亚洲国产欧美日韩在线播放| 久久精品国产亚洲av高清一级| 91老司机精品| 欧美日本亚洲视频在线播放| 国产成人影院久久av| 咕卡用的链子| 亚洲,欧美精品.| 97超级碰碰碰精品色视频在线观看| 精品少妇一区二区三区视频日本电影| 国产精品爽爽va在线观看网站 | 女同久久另类99精品国产91| 长腿黑丝高跟| 婷婷丁香在线五月| 丰满饥渴人妻一区二区三| 国产又色又爽无遮挡免费看| 大香蕉久久成人网| 看免费av毛片| 亚洲成人久久性| 啪啪无遮挡十八禁网站| 精品高清国产在线一区| a级片在线免费高清观看视频| 日韩一卡2卡3卡4卡2021年| 中文亚洲av片在线观看爽| 久久久精品欧美日韩精品| 天堂影院成人在线观看| 男女午夜视频在线观看| 国产精品成人在线| 中文字幕精品免费在线观看视频| 国产精品免费一区二区三区在线| 国产亚洲欧美98| 国产99白浆流出| 日韩人妻精品一区2区三区| 女人爽到高潮嗷嗷叫在线视频| 免费在线观看完整版高清| 美女扒开内裤让男人捅视频| 极品人妻少妇av视频| 91九色精品人成在线观看| 国产欧美日韩精品亚洲av| 亚洲avbb在线观看| 日韩免费av在线播放| 国产成人影院久久av| 国产成人欧美在线观看| 国产在线精品亚洲第一网站| 丁香欧美五月| 久99久视频精品免费| 又紧又爽又黄一区二区| 欧美日韩亚洲综合一区二区三区_| 黄色a级毛片大全视频| 免费少妇av软件| av福利片在线| 国产视频一区二区在线看| 精品国产乱码久久久久久男人| 日日夜夜操网爽| 岛国视频午夜一区免费看| 欧美另类亚洲清纯唯美| 欧美+亚洲+日韩+国产| 超色免费av| 日韩精品中文字幕看吧| 在线永久观看黄色视频| bbb黄色大片| 亚洲精品一卡2卡三卡4卡5卡| 国产精品av久久久久免费| 久久热在线av| 久久国产精品男人的天堂亚洲| 波多野结衣一区麻豆| 欧美精品亚洲一区二区| 亚洲狠狠婷婷综合久久图片| 我的亚洲天堂| 免费av毛片视频| 成年女人毛片免费观看观看9| 999久久久国产精品视频| 久久九九热精品免费| 一二三四在线观看免费中文在| 亚洲一码二码三码区别大吗| 午夜91福利影院| 视频区欧美日本亚洲| xxx96com| 亚洲国产看品久久| 欧美丝袜亚洲另类 | 午夜亚洲福利在线播放| 国产激情欧美一区二区| 免费av毛片视频| 亚洲avbb在线观看| 亚洲国产精品999在线| 日本撒尿小便嘘嘘汇集6| 精品电影一区二区在线| 欧美日韩视频精品一区| 久久香蕉精品热| 国产黄色免费在线视频| 一本综合久久免费| 国产黄a三级三级三级人| www.精华液| 新久久久久国产一级毛片| 国产精品秋霞免费鲁丝片| 精品一区二区三区视频在线观看免费 | 琪琪午夜伦伦电影理论片6080| 欧美久久黑人一区二区| 他把我摸到了高潮在线观看| 成人三级做爰电影| 国产野战对白在线观看| 黄色 视频免费看| 一边摸一边抽搐一进一小说| 水蜜桃什么品种好| 少妇裸体淫交视频免费看高清 | 日本三级黄在线观看| 丁香欧美五月| 久久久国产成人精品二区 | 99久久精品国产亚洲精品| 一进一出抽搐gif免费好疼 | 亚洲成人免费电影在线观看| 1024视频免费在线观看| 欧美日韩av久久| 精品免费久久久久久久清纯| 午夜福利影视在线免费观看| 嫩草影院精品99| 咕卡用的链子| 亚洲av电影在线进入| 亚洲午夜理论影院| 国产三级黄色录像| 久久 成人 亚洲| 欧美激情极品国产一区二区三区| 国产99久久九九免费精品| 久久精品影院6| 高潮久久久久久久久久久不卡| 亚洲久久久国产精品| 国产人伦9x9x在线观看| 午夜免费观看网址| 国产片内射在线| 国产免费av片在线观看野外av| 国产激情久久老熟女| 欧美黑人精品巨大| 多毛熟女@视频| 日韩欧美一区二区三区在线观看| 黄色丝袜av网址大全| 两个人免费观看高清视频| 精品久久久久久成人av| 啦啦啦免费观看视频1| 欧美一级毛片孕妇| 男女下面进入的视频免费午夜 | 在线观看免费视频日本深夜| 1024视频免费在线观看| 麻豆成人av在线观看| 久久久久九九精品影院| 日韩中文字幕欧美一区二区| 在线观看免费日韩欧美大片| 天堂俺去俺来也www色官网| 日韩高清综合在线| 亚洲熟女毛片儿| 久久九九热精品免费| 999久久久精品免费观看国产| 国产精品成人在线| 老司机靠b影院| 女警被强在线播放| 久久国产乱子伦精品免费另类| 熟女少妇亚洲综合色aaa.| 丰满的人妻完整版| 91老司机精品| 国产精品九九99| 色综合婷婷激情| 精品国产乱码久久久久久男人| 国产精品乱码一区二三区的特点 | 一区二区三区精品91| 欧美日韩亚洲高清精品| 国产区一区二久久| 精品一品国产午夜福利视频| 久久国产精品人妻蜜桃| 亚洲精品粉嫩美女一区| 欧美乱码精品一区二区三区| 夜夜爽天天搞| 久久精品91蜜桃| 欧美日韩福利视频一区二区| 成人国产一区最新在线观看| 美女 人体艺术 gogo| 91成人精品电影| av网站在线播放免费| 欧美午夜高清在线| 级片在线观看| 国产精品二区激情视频| 美女福利国产在线| 俄罗斯特黄特色一大片| 国产乱人伦免费视频| 亚洲人成电影观看| 久久婷婷成人综合色麻豆| 日本一区二区免费在线视频| 精品人妻1区二区| 大码成人一级视频| 国产高清激情床上av| 最近最新中文字幕大全电影3 | 国产精品亚洲av一区麻豆| 亚洲成人精品中文字幕电影 | 国产精品国产高清国产av| 久久久久久久久久久久大奶| 亚洲成人免费电影在线观看| 亚洲色图 男人天堂 中文字幕| 一进一出抽搐gif免费好疼 | 婷婷精品国产亚洲av在线| 成年女人毛片免费观看观看9| 国产主播在线观看一区二区| 国产日韩一区二区三区精品不卡| 国产精品一区二区三区四区久久 | 一区二区日韩欧美中文字幕| 国产日韩一区二区三区精品不卡| 深夜精品福利| 中文字幕av电影在线播放| 叶爱在线成人免费视频播放| 亚洲午夜精品一区,二区,三区| 这个男人来自地球电影免费观看| 国产成人欧美| 色婷婷av一区二区三区视频| av在线播放免费不卡|