• <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 ?

    詞袋模型在高分遙感影像地物分類中的應用研究

    2020-09-21 08:48:49王小芹張志梅邵燁王常穎張小峰
    現(xiàn)代電子技術 2020年17期
    關鍵詞:尺度聚類分類

    王小芹 張志梅 邵燁 王常穎 張小峰

    摘? 要: 高分辨率遙感影像空間信息豐富,同時也給地物分類帶來挑戰(zhàn)。故提出一種基于詞袋模型的地物分類方法,通過實驗討論詞袋模型在這一問題中的適用性。首先在多尺度影像下隨機選取場景,通過場景的底層特征聚類建立多尺度視覺詞典;然后用視覺單詞表達少量標記樣本來訓練支持向量機;最后用分類器提取典型地物。結(jié)果表明,在多尺度詞袋模型表達下,研究區(qū)分類總體精度達到92.18%,Kappa系數(shù)為0.880 9。對比實驗結(jié)果表明,詞袋模型和多尺度詞袋模型可以有效表達語義特征,從而在少量標記樣本下提高分類精度。

    關鍵詞: 高分遙感影像; 詞袋模型; 地物分類; 視覺詞典; 地物特征提取; 樣本表達

    中圖分類號: TN911.73?34; TP75; TP391? ? ? ? ? ? ?文獻標識碼: A? ? ? ? ? ? ? ?文章編號: 1004?373X(2020)17?0056?04

    Abstract: High?resolution remote sensing images that contain rich spatial information bring about great challenges to classification of the ground feature. In this paper, a terrain classification method based on the bag of visual words (BOVW) is proposed. The multi?scale visual dictionary is built by clustering of the low?level features in a scene that are randomly selected in the multi?scale image. The visual words are used to express a few marked samples for training the support vector machine. Finally, a classifier is used to extract the typical object features. The results show that, with the expression of the multi?scale BOVW, the overall accuracy of the classification in the study area reaches 92.18%, and the Kappa coefficient is 0.880 9. The comparative experiment results indicate that the BOVW and the multi?scale BOVW can effectively express the semantic features, thus the accuracy of the classification can be improved with a few marked samples.

    Keywords: high?resolution remote sensing image; BOVW; ground object classification; visual dictionary; ground object feature extraction; sample expression

    0? 引? 言

    2013年以來,我國相繼發(fā)射了高分系列衛(wèi)星影像,其中,高分二號的發(fā)射意味著我國進入“亞米級”高分時代,高分辨率的遙感影像雖然提供了豐富的地面細節(jié)信息,卻很容易產(chǎn)生“同物異譜,同譜異物”的現(xiàn)象。傳統(tǒng)面向像元的方法已無法解決地物分類問題,基于場景的分類方法成為研究熱點。如文獻[1]融合場景的像素一致性信息、空間信息和外觀信息,采用K?means聚類進行量化并統(tǒng)計直方圖,對場景的特征進行表達,實現(xiàn)了高分辨率遙感場景分類;文獻[2]提出了一種基于場景的自動識別高鐵沿線建筑物隱患目標的方法。其中,基于監(jiān)督學習的方法可以有效地進行影像地物分類,但是這類方法需要大量標記樣本進行訓練,而獲取大量標記樣本需要耗費巨大的人力和物力。面對海量的高分辨率遙感數(shù)據(jù),如何利用廉價、易得的大量未標記樣本和小部分標記樣本實現(xiàn)監(jiān)督分類,是一個需要解決的問題。

    文獻[3]提出的視覺詞袋模型(Bag of Visual Words,BOVW)通過挖掘未標記樣本在底層特征上的語義信息,在標記樣本和未標記樣本之間建立聯(lián)系,可以有效地緩解需要大量標記樣本進行訓練的問題,具有一定的泛化能力。

    本文建立了一個面向高分遙感影像的地物分類模型,探究BOVW在高分辨率遙感影像地物分類問題上的適用性。具體來說,首先引入圖像尺度金字塔,用多尺度下隨機選取的未標記樣本的光譜和紋理特征作為底層特征,通過改進的聚類算法建立多尺度視覺詞典;進而結(jié)合在小樣本分類問題中占有優(yōu)勢的支持向量機方法進行監(jiān)督學習;然后對高分影像以滑動開窗的方式進行分類。

    1? 特征表達

    BOVW用未標記樣本創(chuàng)建視覺詞典,再對標記樣本進行視覺詞袋表達,從而建立起未標記樣本和標記樣本之間的語義聯(lián)系。具體包括底層特征計算、視覺詞典構建和詞袋特征直方圖表達。

    1.1? 底層特征計算

    高分辨率遙感影像的光譜波段較少,具有較低類間差異和較高類內(nèi)差異的特點,而其紋理信息豐富,紋理能夠在影像灰度模式下反映出不同地物類別的空間分布特征,因而利用紋理特征對高分影像進行地物分類能夠顯著提高分類精度[4]。因此,底層特征在使用光譜特征的同時,引入了紋理特征。

    灰度共生矩陣(Gray Level Co?occurrence Matrix,GLCM)已經(jīng)被廣泛應用于遙感影像的地物分類中[5?7]。GLCM充分利用空間信息,可對影像的紋理分布均勻性、紋理的走向等進行準確描述[8]?;贕LCM的紋理提取方法通過統(tǒng)計紋理信息,研究像元灰度間的分布特性來描述紋理,從而反映影像中灰度分布的規(guī)律。利用GLCM提取紋理信息時,發(fā)現(xiàn)能量、相關性、對比度和逆差距4種統(tǒng)計量所含信息量最大,最終選取這4種統(tǒng)計量作為最佳紋理特征組合。將選取的紋理特征向量與高分影像的光譜特征向量組合作為底層特征。

    1.2? 視覺詞典構建

    在研究區(qū)影像中采用均勻網(wǎng)格的方法提取局部圖像塊,隨機選取圖像塊作為場景,并提取這些場景的底層特征進行聚類,將所有聚類中心作為單詞構建視覺詞典。高分辨率遙感影像豐富的空間信息一方面體現(xiàn)出不同地物的紋理信息,另一方面細節(jié)太多容易引起分類精度的下降,為此引入圖像空間金字塔到BOVW中,建立3個尺度的視覺詞典。

    傳統(tǒng)的BOVW是用K?means進行聚類的,其中合適的聚類中心[K]的大小需要根據(jù)實驗反復調(diào)整。SOINN是一個結(jié)合增長式神經(jīng)云和自組織特征映射網(wǎng)優(yōu)點并加以改進的神經(jīng)網(wǎng)絡模型,用于聚類時可以自動發(fā)現(xiàn)合適的類別數(shù)目,能更好地反映數(shù)據(jù)的特性[9]。

    本文利用SOINN對提取的底層特征進行增量學習,將產(chǎn)生的初次聚類結(jié)果作為K?means的初始聚類中心,避免了K?means進行聚類時需要根據(jù)實驗反復調(diào)整合適的[K]大小。

    1.3? 詞袋特征直方圖表達

    已經(jīng)用未標記樣本建立了3個尺度的視覺詞典,只需對標記樣本進行視覺詞袋表達,就可以建立起未標記樣本和標記樣本之間的語義聯(lián)系。首先在每個尺度影像上分別提取標記樣本,并將其進行特征量化,分別標記成與3個尺度的視覺詞典歐氏距離最小的單詞;然后利用頻次直方圖分別統(tǒng)計3個尺度下每個單詞出現(xiàn)的頻次;最后將3個尺度下的頻次直方圖加權合并得到標記樣本的特征表達,其中權值設置相等。

    2? 分類器

    支持向量機[10](Support Vector Machine,SVM)是基于小樣本情況下統(tǒng)計理論的一種機器學習方法,在標記樣本較少的情況下,亦能獲得良好的統(tǒng)計規(guī)律。應用SVM對遙感影像進行地物分類的優(yōu)點是不用對數(shù)據(jù)進行降維,在分類精度和訓練速度等方面都具有較好的性能。遙感影像地物分類是一個多分類問題,本文利用LIBSVM工具包實現(xiàn)SVM多分類,采用徑向基函數(shù)(Radial Basis Function,RBF)作為核函數(shù)。在遙感影像地物分類中,給定[N]個類,對[N]個類中的每兩個類都訓練一個分類器,共訓練[N(N-1)2]個二分類器。對于一個已經(jīng)進行多尺度視覺詞袋表達的場景,需要經(jīng)過所有分類器的預測,使用投票的方式?jīng)Q定該場景所屬類別。

    3? 面向高分影像的地物分類模型

    圖1 給出了基于詞袋模型的地物分類流程,其具體的算法描述如下:

    Step1:利用高斯濾波和下采樣(采樣因子為0.5)的方法,對原始影像不斷模糊和縮減,得到3個尺度的影像[L1],[L2]和[L3]。

    Step2:在影像[L1],[L2]和[L3]中,采用均勻網(wǎng)格的方法提取局部圖像塊,在影像[L1]中隨機選取[M]個場景,[L2]和[L3]中隨機選取[M2]個場景,[L3]中隨機選取[M4]個場景。

    Step3:對3個尺度下的場景分別提取底層特征,得到特征描述集[F1],[F2]和[F3]。

    Step4:利用SOINN對3個尺度下的特征描述集[F1],[F2]和[F3]進行聚類,產(chǎn)生初始的聚類結(jié)果[C1],[C2]和[C3]。

    Step5:利用誤差控制[ε]和K?means聚類方法,通過初始聚類結(jié)果[C1],[C2]和[C3]產(chǎn)生最終的3個尺度下的視覺詞典[D1],[D2]和[D3]。

    Step6:分別在[L1],[L2]和[L3]影像上提取樣本,將其分別標記成與視覺詞典[D1],[D2]和[D3]歐氏距離最小的單詞,并分別用頻次直方圖統(tǒng)計3個尺度下每個單詞出現(xiàn)的頻次,最后將3個尺度下的頻次直方圖加權合并得到特征表達。

    Step7:訓練SVM分類器。

    Step8:利用滑動窗口的方式在影像上提取場景圖像,其中窗口大小為[W×W],滑動步長為1。

    根據(jù)Step6中方法對場景圖像進行特征量化,完成場景圖像的多尺度視覺詞袋表達。

    Step9:將滑動窗口中場景圖像的視覺詞袋特征依次送入SVM分類器,完成整個研究區(qū)影像的地物分類。

    4? 實驗與分析

    4.1? 實驗數(shù)據(jù)

    實驗數(shù)據(jù)來自武漢大學遙感圖像標注數(shù)據(jù)庫2018年7月20日發(fā)布的用于土地利用分類的高分影像數(shù)據(jù)集(GID)[11]。選取了位于內(nèi)蒙古自治區(qū)呼倫貝爾市牙克石市東興街道附近區(qū)域的影像,該數(shù)據(jù)成像時間為2016年7月19日,影像大小為7 200×6 800,空間分辨率為4 m。該影像包含建成區(qū)、農(nóng)田、森林、草甸、水域和未知區(qū)域6類,對應分別選取了場景大小為30×30的訓練樣本15,25,20,45,15和35個。在GID中,對建成區(qū)、農(nóng)田、森林、草甸、水域典型地物和未知區(qū)域6類分別用紅色、綠色、青色、黃色、藍色和黑色表示。實驗數(shù)據(jù)原始影像和專家解譯的影像如圖2a)、圖2b)所示,可以明顯地發(fā)現(xiàn)有多處未標注正確,尤其是草甸(黃色),故在專家解譯的影像基礎上又進行了補充,紅色方框內(nèi)是主要的補充區(qū)域 ,補充后的解譯影像如圖2c)所示。

    4.2? 地物分類結(jié)果

    按照面向高分影像地物分類模型的算法流程,對研究區(qū)影像進行地物分類。[L1]尺度影像隨機選取800個場景,[L2]尺度影像隨機提取場景400個,[L3]尺度影像隨機提取場景200個,場景大小皆為30×30。通過算法流程得到的最終聚類中心[D1]=258,[D2]=105,[D3]=54,即3個尺度下的視覺詞典單詞個數(shù)。

    在多尺度視覺詞典生成后,就可以對研究區(qū)影像進行特征量化。首先利用滑動開窗的方式提取場景圖像,其中窗口大小設置為5×5,步長為1,然后提取場景的底層特征,將其分別標記成與視覺詞典[D1],[D2]和[D3]中歐氏距離最小的單詞,并用頻次直方圖統(tǒng)計每個單詞出現(xiàn)的頻次,最后將所有尺度下的直方圖進行加權連接,完成場景的多尺度視覺詞袋表達。

    將得到的視覺詞袋特征應用于訓練好的SVM分類器中完成場景的分類,最終的地物分類結(jié)果如圖3a)所示。在少量訓練樣本的情況下,能夠得到和人工解譯相近的結(jié)果。

    4.3? 精度評價

    為了研究詞袋模型在高分影像地物分類問題中的有效性,同樣使用SVM分類器對研究區(qū)影像進行了基于不同特征表達的對比實驗,具體包括:基于底層特征;基于BOVW;基于多尺度BOVW。其中,所有方法的訓練樣本都一致。不同方法下的分類結(jié)果如圖3b),圖3c)所示,參照補充后的解譯影像,在此基礎上進行精度評價,采用混淆矩陣的總體分類精度和Kappa系數(shù)進行評定,結(jié)果如表1所示。

    通過影像的地物分類結(jié)果可以看出:基于底層特征的SVM分類存在少量的噪聲,對于大面積地物能夠較好的識別,但是對于紋理特征相似的森林、草甸和農(nóng)田地物,僅依賴底層特征仍然不能很好的區(qū)分;基于BOVW的SVM分類改善了森林、草甸和農(nóng)田地物的分類結(jié)果;基于多尺度的BOVW模型的分類精度相較最高,說明構建多尺度詞典是有效的。

    5? 結(jié)? 語

    本文針對高分辨率遙感影像地物分類問題,提出了一個地物分類模型,探究了詞袋模型的應用技巧和改進方法。實驗結(jié)果表明,該模型取得了較好的分類結(jié)果,可得到以下結(jié)論:

    1) 視覺詞袋模型可以很好地刻畫復雜場景的內(nèi)容,獲得更好的特征表達,適合不易獲得大量標記樣本的遙感圖像,能有效提高分類精度。

    2) 將圖像尺度金字塔引入視覺詞袋模型中,建立不同尺度下的視覺單詞,通過加權組合形成多尺度視覺詞袋模型,對場景進行視覺詞袋表達,分類精度比僅基于視覺詞袋模型的分類方法有所提高。

    3) K?means構建詞典時需要根據(jù)實驗效果反復調(diào)整[K]的大小。將SOINN產(chǎn)生的初次聚類結(jié)果作為K?means方法的初始聚類中心進行聚類可有效避免該問題。

    參考文獻

    [1] 徐培罡,張海青,王超,等.基于多重分割關聯(lián)子的高分辨率遙感場景分類[J].地理科學,2018,38(2):293?299.

    [2] 慎利,方燦明,王繼成,等.場景解譯框架下的高鐵沿線建筑物自動識別[J].遙感信息,2018,33(3):80?87.

    [3] CSURKA G, DANCE C R, FAN Lixin, et al. Visual categorization with bags of keypoints [EB/OL]. [2011?02?28]. https://wenku.baidu.com/view/5baf27c2d5bbfd0a7956736e.html.

    [4] 郝劍南,王瑞紅.紋理特征與面向?qū)ο蠼Y(jié)合的高分影像耕地提取應用[J].安徽農(nóng)業(yè)科學,2018,46(19):72?75.

    [5] 潘一凡,張顯峰,于泓峰,等.聯(lián)合快舟一號影像紋理信息的城市土地覆蓋分類[J].遙感技術與應用,2016,31(1):194?202.

    [6] 謝嘉麗,李永樹,李何超,等.利用灰度共生矩陣紋理特征識別空心村損毀建筑物的方法[J].測繪通報,2017(12):90?93.

    [7] 朱秀芳,李石波,肖國峰.基于無人機遙感影像的覆膜農(nóng)田面積及分布提取方法[J].農(nóng)業(yè)工程學報,2019,35(4):106?113.

    [8] 葉鵬,王永芳,夏雨蒙,等.一種融合深度基于灰度共生矩陣的感知模型[J].計算機科學,2019,46(3):92?96.

    [9] 邱天宇,申富饒,趙金熙.自組織增量學習神經(jīng)網(wǎng)絡綜述[J].軟件學報,2016,27(9):2230?2247.

    [10] CORTES C, VAPNIK V. Support?vector networks [J]. Machine learning, 1995, 20(3): 273?297.

    [11] TONG Xinyi, XIA Guisong, LU Qikai, et al. Learning transferable deep models for land?use classification with high?resolution remote sensing images [EB/OL]. [2018?08?11]. https://www.researchgate.net/publication/326437096.

    猜你喜歡
    尺度聚類分類
    分類算一算
    財產(chǎn)的五大尺度和五重應對
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    教你一招:數(shù)的分類
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    9
    乱人伦中国视频| 中文字幕色久视频| 国产免费现黄频在线看| 国产精品 国内视频| 久久九九热精品免费| 18禁黄网站禁片午夜丰满| 国产亚洲欧美98| 成人亚洲精品av一区二区 | 国产精品亚洲av一区麻豆| 一级片'在线观看视频| 久久国产精品人妻蜜桃| 韩国av一区二区三区四区| 黄色毛片三级朝国网站| 不卡av一区二区三区| 亚洲 欧美 日韩 在线 免费| 巨乳人妻的诱惑在线观看| 午夜福利一区二区在线看| 99在线人妻在线中文字幕| 极品教师在线免费播放| 欧美日韩一级在线毛片| xxx96com| 变态另类成人亚洲欧美熟女 | 免费一级毛片在线播放高清视频 | 一区二区三区精品91| 日本vs欧美在线观看视频| 黑人猛操日本美女一级片| 亚洲av片天天在线观看| 一级黄色大片毛片| 99re在线观看精品视频| 国产精品爽爽va在线观看网站 | 桃红色精品国产亚洲av| 国产区一区二久久| 免费观看精品视频网站| 老司机深夜福利视频在线观看| 亚洲中文字幕日韩| 久久久国产成人精品二区 | 亚洲片人在线观看| 日韩高清综合在线| 亚洲在线自拍视频| 日韩免费av在线播放| 亚洲精品美女久久久久99蜜臀| 男人的好看免费观看在线视频 | 免费高清在线观看日韩| 亚洲成国产人片在线观看| 国产亚洲精品综合一区在线观看 | 美女扒开内裤让男人捅视频| 麻豆成人av在线观看| 一区二区日韩欧美中文字幕| 午夜免费激情av| 正在播放国产对白刺激| 国产精品1区2区在线观看.| 真人一进一出gif抽搐免费| 成人影院久久| 久久婷婷成人综合色麻豆| 亚洲精品美女久久久久99蜜臀| 午夜精品在线福利| 在线国产一区二区在线| 波多野结衣高清无吗| 两个人免费观看高清视频| 亚洲精品美女久久av网站| 亚洲,欧美精品.| 悠悠久久av| 久久国产精品男人的天堂亚洲| 国产精品自产拍在线观看55亚洲| 青草久久国产| 搡老乐熟女国产| 日韩精品中文字幕看吧| 精品电影一区二区在线| 亚洲第一青青草原| 成熟少妇高潮喷水视频| 亚洲男人的天堂狠狠| 丝袜美足系列| 黑人巨大精品欧美一区二区mp4| 精品国产一区二区三区四区第35| 久久中文字幕一级| 视频区图区小说| 欧美久久黑人一区二区| 国产精品一区二区精品视频观看| 纯流量卡能插随身wifi吗| a级片在线免费高清观看视频| 久久精品国产亚洲av高清一级| 午夜老司机福利片| 两个人看的免费小视频| 在线十欧美十亚洲十日本专区| av中文乱码字幕在线| 国产一卡二卡三卡精品| 狠狠狠狠99中文字幕| 桃色一区二区三区在线观看| 50天的宝宝边吃奶边哭怎么回事| 侵犯人妻中文字幕一二三四区| 免费看a级黄色片| 日韩欧美一区视频在线观看| 国产亚洲欧美在线一区二区| 18禁美女被吸乳视频| 久9热在线精品视频| 老司机午夜福利在线观看视频| 人人妻人人添人人爽欧美一区卜| 欧美人与性动交α欧美软件| 国产99白浆流出| 一a级毛片在线观看| 女性生殖器流出的白浆| 一边摸一边抽搐一进一小说| 女人精品久久久久毛片| 国产视频一区二区在线看| 欧美黄色片欧美黄色片| 极品人妻少妇av视频| 午夜福利影视在线免费观看| 他把我摸到了高潮在线观看| 69精品国产乱码久久久| 国产伦一二天堂av在线观看| 黄色女人牲交| 黄色片一级片一级黄色片| 亚洲欧美一区二区三区久久| 丰满的人妻完整版| 波多野结衣一区麻豆| 精品国内亚洲2022精品成人| 天天躁夜夜躁狠狠躁躁| 欧美日韩亚洲综合一区二区三区_| 亚洲第一欧美日韩一区二区三区| 夜夜看夜夜爽夜夜摸 | 别揉我奶头~嗯~啊~动态视频| 真人做人爱边吃奶动态| 国产亚洲精品第一综合不卡| 高清黄色对白视频在线免费看| svipshipincom国产片| 亚洲中文字幕日韩| 欧美日韩亚洲综合一区二区三区_| 老司机福利观看| 一级黄色大片毛片| 黑丝袜美女国产一区| 中出人妻视频一区二区| 国产无遮挡羞羞视频在线观看| 女生性感内裤真人,穿戴方法视频| 两人在一起打扑克的视频| 久久精品国产综合久久久| 日韩成人在线观看一区二区三区| 久久精品亚洲av国产电影网| 国产成+人综合+亚洲专区| 精品一区二区三卡| 18禁裸乳无遮挡免费网站照片 | 国产成人av教育| 亚洲一区二区三区不卡视频| 国产精品久久久人人做人人爽| 久久性视频一级片| 在线国产一区二区在线| 久久精品国产亚洲av香蕉五月| 男人的好看免费观看在线视频 | 欧美在线一区亚洲| 91精品国产国语对白视频| 国产三级在线视频| 免费搜索国产男女视频| 亚洲精品久久午夜乱码| 国产在线观看jvid| 亚洲一卡2卡3卡4卡5卡精品中文| 国产1区2区3区精品| 免费看a级黄色片| av网站免费在线观看视频| 高清在线国产一区| 久久精品91蜜桃| 天堂√8在线中文| 精品一区二区三区四区五区乱码| 亚洲 欧美一区二区三区| 好看av亚洲va欧美ⅴa在| 午夜福利在线观看吧| 十分钟在线观看高清视频www| 亚洲色图综合在线观看| 一级黄色大片毛片| 亚洲熟妇中文字幕五十中出 | 两性午夜刺激爽爽歪歪视频在线观看 | 精品一区二区三区av网在线观看| 九色亚洲精品在线播放| 亚洲成人精品中文字幕电影 | 夜夜夜夜夜久久久久| 日日爽夜夜爽网站| 国产99白浆流出| 亚洲第一青青草原| 视频在线观看一区二区三区| 老司机福利观看| 欧美 亚洲 国产 日韩一| 涩涩av久久男人的天堂| 国产精品日韩av在线免费观看 | 女人爽到高潮嗷嗷叫在线视频| 一a级毛片在线观看| 欧美精品一区二区免费开放| 色婷婷久久久亚洲欧美| 美女高潮到喷水免费观看| 成人国语在线视频| 色哟哟哟哟哟哟| 久久人妻福利社区极品人妻图片| 亚洲欧洲精品一区二区精品久久久| 大型黄色视频在线免费观看| 日韩大码丰满熟妇| 精品国产国语对白av| 日本 av在线| 一边摸一边抽搐一进一出视频| 亚洲国产精品999在线| 日韩高清综合在线| 欧美日韩瑟瑟在线播放| 久久久国产精品麻豆| 高清av免费在线| 国产高清视频在线播放一区| 久久久久久久精品吃奶| 色播在线永久视频| 80岁老熟妇乱子伦牲交| 最新在线观看一区二区三区| 色哟哟哟哟哟哟| 日本a在线网址| 两个人看的免费小视频| 色在线成人网| 日韩有码中文字幕| 在线观看免费视频日本深夜| 中文字幕人妻丝袜制服| 国产在线精品亚洲第一网站| 男人舔女人下体高潮全视频| 很黄的视频免费| 一级a爱视频在线免费观看| 色综合站精品国产| 国产在线精品亚洲第一网站| 男女下面进入的视频免费午夜 | videosex国产| 久久热在线av| 久久亚洲精品不卡| 国产成人一区二区三区免费视频网站| 精品国产超薄肉色丝袜足j| 久久人妻熟女aⅴ| 亚洲情色 制服丝袜| 村上凉子中文字幕在线| 日本一区二区免费在线视频| 国产99白浆流出| 满18在线观看网站| 久久精品国产综合久久久| a级片在线免费高清观看视频| 在线av久久热| 成人国产一区最新在线观看| 99在线视频只有这里精品首页| 一边摸一边抽搐一进一出视频| 久久久久久久午夜电影 | 国产免费现黄频在线看| 午夜免费鲁丝| a级片在线免费高清观看视频| 少妇的丰满在线观看| 丝袜在线中文字幕| 亚洲人成电影观看| 老司机在亚洲福利影院| 91av网站免费观看| 亚洲av片天天在线观看| 国产一区二区在线av高清观看| 国产精品 欧美亚洲| 新久久久久国产一级毛片| 午夜精品在线福利| 亚洲中文字幕日韩| 午夜福利在线观看吧| 午夜福利影视在线免费观看| 一个人免费在线观看的高清视频| 最新美女视频免费是黄的| 精品久久久久久,| 国产熟女午夜一区二区三区| 久久久久久免费高清国产稀缺| 99国产精品一区二区蜜桃av| 精品久久久精品久久久| 国产精品爽爽va在线观看网站 | 99在线视频只有这里精品首页| 亚洲色图av天堂| 一个人免费在线观看的高清视频| 日日摸夜夜添夜夜添小说| 国产免费av片在线观看野外av| 桃色一区二区三区在线观看| 久久久久亚洲av毛片大全| 日韩高清综合在线| 一二三四在线观看免费中文在| av在线天堂中文字幕 | 国产免费av片在线观看野外av| 亚洲免费av在线视频| 99久久久亚洲精品蜜臀av| av超薄肉色丝袜交足视频| 欧美乱码精品一区二区三区| 午夜福利在线免费观看网站| 精品高清国产在线一区| av有码第一页| 免费观看精品视频网站| 男女床上黄色一级片免费看| 两个人看的免费小视频| 宅男免费午夜| 人妻久久中文字幕网| 神马国产精品三级电影在线观看 | 亚洲国产毛片av蜜桃av| 免费不卡黄色视频| 国产深夜福利视频在线观看| 国产成人av教育| 国产99白浆流出| 久久精品91无色码中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 日本免费a在线| 一级毛片精品| 国产午夜精品久久久久久| 国产成人啪精品午夜网站| 亚洲欧美日韩无卡精品| 性欧美人与动物交配| 三上悠亚av全集在线观看| 十八禁人妻一区二区| 欧美日韩瑟瑟在线播放| 久久99一区二区三区| 国产亚洲精品一区二区www| 亚洲av成人av| 久久青草综合色| 他把我摸到了高潮在线观看| 国产av一区在线观看免费| 国产成人系列免费观看| 久久草成人影院| 久久欧美精品欧美久久欧美| x7x7x7水蜜桃| 久久久久亚洲av毛片大全| 亚洲一卡2卡3卡4卡5卡精品中文| 99久久久亚洲精品蜜臀av| 久久精品亚洲av国产电影网| 亚洲精品在线美女| 中文欧美无线码| 国产精品98久久久久久宅男小说| 久久久久久久久久久久大奶| 国产精品1区2区在线观看.| 最近最新中文字幕大全免费视频| 久久精品亚洲熟妇少妇任你| 免费女性裸体啪啪无遮挡网站| 国产亚洲精品综合一区在线观看 | 日韩精品中文字幕看吧| 男女下面插进去视频免费观看| 午夜福利影视在线免费观看| 黄频高清免费视频| 老司机亚洲免费影院| 国产精品av久久久久免费| 国产成人免费无遮挡视频| 十八禁网站免费在线| 国产aⅴ精品一区二区三区波| 久久精品aⅴ一区二区三区四区| 欧美成人免费av一区二区三区| 亚洲成人精品中文字幕电影 | 老熟妇仑乱视频hdxx| 午夜免费激情av| 侵犯人妻中文字幕一二三四区| 夜夜爽天天搞| 国产精品1区2区在线观看.| 久久久久久久精品吃奶| 国产精品一区二区精品视频观看| 久久精品91无色码中文字幕| 一边摸一边做爽爽视频免费| 国产精品成人在线| 丝袜在线中文字幕| 99热国产这里只有精品6| 欧美日韩亚洲高清精品| 操出白浆在线播放| 亚洲全国av大片| 午夜精品久久久久久毛片777| 色哟哟哟哟哟哟| 中文欧美无线码| 亚洲 欧美 日韩 在线 免费| 一区在线观看完整版| 日本黄色视频三级网站网址| 波多野结衣一区麻豆| 色哟哟哟哟哟哟| 亚洲色图 男人天堂 中文字幕| 激情视频va一区二区三区| 久久精品亚洲av国产电影网| 免费在线观看影片大全网站| 国产国语露脸激情在线看| 午夜视频精品福利| 视频区图区小说| 身体一侧抽搐| 国产欧美日韩综合在线一区二区| 成人国产一区最新在线观看| 桃色一区二区三区在线观看| 妹子高潮喷水视频| 69av精品久久久久久| 丝袜美足系列| 国产精品久久久人人做人人爽| 女人被狂操c到高潮| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线免费观看网站| 级片在线观看| 免费看a级黄色片| 两性夫妻黄色片| 国产精品久久久久成人av| 久久精品影院6| 亚洲avbb在线观看| 91字幕亚洲| 中国美女看黄片| 日韩免费高清中文字幕av| 国产成年人精品一区二区 | 国产又色又爽无遮挡免费看| 国产欧美日韩一区二区精品| 97人妻天天添夜夜摸| 成在线人永久免费视频| 免费观看精品视频网站| 黄色女人牲交| 人人澡人人妻人| 亚洲久久久国产精品| 高潮久久久久久久久久久不卡| 99在线人妻在线中文字幕| 久久国产亚洲av麻豆专区| 国产精品九九99| 国产精品野战在线观看 | 久久精品亚洲熟妇少妇任你| a级毛片在线看网站| 又紧又爽又黄一区二区| 久久久久九九精品影院| 午夜视频精品福利| e午夜精品久久久久久久| 亚洲国产精品sss在线观看 | 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品国产一区二区精华液| 日韩欧美一区视频在线观看| 精品久久久久久久久久免费视频 | 国产高清国产精品国产三级| 欧美黄色片欧美黄色片| 真人做人爱边吃奶动态| 国产亚洲精品久久久久5区| 美女国产高潮福利片在线看| 久久精品成人免费网站| 少妇粗大呻吟视频| 两人在一起打扑克的视频| 日本欧美视频一区| 天堂影院成人在线观看| 深夜精品福利| 丁香六月欧美| 丝袜美腿诱惑在线| 手机成人av网站| 麻豆av在线久日| 999久久久精品免费观看国产| 一级作爱视频免费观看| 亚洲熟女毛片儿| 久久久久久久久久久久大奶| 色婷婷久久久亚洲欧美| 99国产精品一区二区三区| 波多野结衣高清无吗| 91精品三级在线观看| 法律面前人人平等表现在哪些方面| 成人av一区二区三区在线看| av超薄肉色丝袜交足视频| 国产精品电影一区二区三区| 午夜免费观看网址| 成年女人毛片免费观看观看9| 国产精品综合久久久久久久免费 | 丁香欧美五月| 欧美日韩视频精品一区| 手机成人av网站| 免费观看人在逋| 两性午夜刺激爽爽歪歪视频在线观看 | 黄色毛片三级朝国网站| 中文字幕人妻丝袜制服| 亚洲五月色婷婷综合| 嫁个100分男人电影在线观看| 国产成人欧美| e午夜精品久久久久久久| 一a级毛片在线观看| 成人影院久久| 欧美激情极品国产一区二区三区| 在线观看舔阴道视频| 最近最新中文字幕大全免费视频| 日本黄色视频三级网站网址| 很黄的视频免费| 日韩 欧美 亚洲 中文字幕| 天堂影院成人在线观看| 视频区欧美日本亚洲| 久久精品亚洲熟妇少妇任你| 亚洲五月婷婷丁香| 好男人电影高清在线观看| 成人国语在线视频| 午夜免费观看网址| 国产成人精品久久二区二区免费| 人成视频在线观看免费观看| 色哟哟哟哟哟哟| 亚洲成a人片在线一区二区| 在线观看免费视频网站a站| 久久人人爽av亚洲精品天堂| 亚洲人成77777在线视频| 久久久久国产精品人妻aⅴ院| www.www免费av| 大型黄色视频在线免费观看| 国产亚洲欧美精品永久| 一二三四社区在线视频社区8| 韩国av一区二区三区四区| 母亲3免费完整高清在线观看| 999久久久精品免费观看国产| 很黄的视频免费| 久久亚洲精品不卡| 夜夜躁狠狠躁天天躁| 极品教师在线免费播放| 亚洲精品成人av观看孕妇| 在线观看日韩欧美| 国产xxxxx性猛交| 人人澡人人妻人| 99精国产麻豆久久婷婷| 在线观看66精品国产| 亚洲一卡2卡3卡4卡5卡精品中文| 搡老岳熟女国产| 黑人欧美特级aaaaaa片| 免费高清在线观看日韩| 午夜激情av网站| 一级作爱视频免费观看| 国产一区在线观看成人免费| 久久久久久久久免费视频了| 久久人妻福利社区极品人妻图片| 欧美成人午夜精品| 美女 人体艺术 gogo| av欧美777| 50天的宝宝边吃奶边哭怎么回事| 中文字幕人妻丝袜制服| 在线观看www视频免费| 亚洲人成伊人成综合网2020| 另类亚洲欧美激情| 中文字幕高清在线视频| 免费人成视频x8x8入口观看| 成人av一区二区三区在线看| 成熟少妇高潮喷水视频| 啦啦啦 在线观看视频| 热99国产精品久久久久久7| 午夜免费激情av| 国产男靠女视频免费网站| 国产高清videossex| 女性生殖器流出的白浆| av免费在线观看网站| 国产国语露脸激情在线看| 精品一品国产午夜福利视频| 在线观看免费高清a一片| 亚洲av熟女| 亚洲一区二区三区色噜噜 | 91字幕亚洲| 欧美中文综合在线视频| 亚洲精品粉嫩美女一区| 老司机在亚洲福利影院| 三级毛片av免费| av在线播放免费不卡| 精品国产乱子伦一区二区三区| 黄色视频,在线免费观看| 少妇 在线观看| 人人妻人人澡人人看| 婷婷六月久久综合丁香| 中文字幕高清在线视频| 在线观看午夜福利视频| 国产野战对白在线观看| 国产精品一区二区免费欧美| 精品免费久久久久久久清纯| 国产一区二区三区视频了| 精品久久蜜臀av无| 人人妻人人爽人人添夜夜欢视频| 香蕉久久夜色| 久久午夜亚洲精品久久| 成人三级黄色视频| 免费观看精品视频网站| av网站免费在线观看视频| 午夜视频精品福利| 日本三级黄在线观看| 亚洲av电影在线进入| 欧美成人午夜精品| 性欧美人与动物交配| 亚洲熟妇中文字幕五十中出 | 真人一进一出gif抽搐免费| 久久国产精品男人的天堂亚洲| 亚洲色图综合在线观看| 电影成人av| 波多野结衣高清无吗| 久久午夜综合久久蜜桃| 黄频高清免费视频| 国产高清视频在线播放一区| √禁漫天堂资源中文www| 精品久久久久久久毛片微露脸| 欧美日韩亚洲综合一区二区三区_| 一级a爱视频在线免费观看| 日本vs欧美在线观看视频| 欧美黑人精品巨大| 黑人操中国人逼视频| 国产精品成人在线| 久久国产精品男人的天堂亚洲| 丁香六月欧美| 国产黄色免费在线视频| 亚洲欧美日韩无卡精品| 日日夜夜操网爽| 一级,二级,三级黄色视频| 神马国产精品三级电影在线观看 | 亚洲九九香蕉| 激情视频va一区二区三区| 亚洲第一欧美日韩一区二区三区| 久久香蕉国产精品| 亚洲欧美日韩另类电影网站| 亚洲成a人片在线一区二区| 亚洲久久久国产精品| 欧美不卡视频在线免费观看 | 91麻豆精品激情在线观看国产 | 青草久久国产| 亚洲国产看品久久| 黄色毛片三级朝国网站| 18禁裸乳无遮挡免费网站照片 | 精品国产国语对白av| 中文欧美无线码| av欧美777| 91九色精品人成在线观看| 成年人黄色毛片网站| av在线播放免费不卡| 黑人操中国人逼视频| 真人一进一出gif抽搐免费| 一区二区日韩欧美中文字幕| 女人爽到高潮嗷嗷叫在线视频| 99在线视频只有这里精品首页| 黄色女人牲交| 国产精品久久久久成人av| 免费在线观看黄色视频的| 久久中文看片网| 亚洲国产精品合色在线| 国产麻豆69| 91精品三级在线观看| 亚洲欧美精品综合一区二区三区| 女人被狂操c到高潮| 日本黄色日本黄色录像| 国产精品1区2区在线观看.| 性欧美人与动物交配| 久久久久久久午夜电影 |