• <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
    国产av码专区亚洲av| 日韩一区二区视频免费看| 国产亚洲av片在线观看秒播厂| 国产精品人妻久久久久久| 成人亚洲欧美一区二区av| 国产 一区精品| 男女国产视频网站| 男人爽女人下面视频在线观看| 久久精品国产鲁丝片午夜精品| 99热6这里只有精品| 男人狂女人下面高潮的视频| 亚洲无线观看免费| 2022亚洲国产成人精品| 国产亚洲最大av| 毛片女人毛片| 熟妇人妻不卡中文字幕| 性高湖久久久久久久久免费观看| 九九在线视频观看精品| 少妇人妻 视频| 91在线精品国自产拍蜜月| 少妇 在线观看| 青春草视频在线免费观看| 久久久久久久久久人人人人人人| 国产免费一级a男人的天堂| 成人毛片a级毛片在线播放| 观看av在线不卡| 26uuu在线亚洲综合色| 国产精品女同一区二区软件| 国产一级毛片在线| 久久久久国产网址| 亚洲av成人精品一二三区| 色哟哟·www| 国产老妇伦熟女老妇高清| 国产高清三级在线| .国产精品久久| 午夜日本视频在线| 国内揄拍国产精品人妻在线| 我的女老师完整版在线观看| 国产精品一及| 制服丝袜香蕉在线| 中文字幕av成人在线电影| 日本vs欧美在线观看视频 | 色哟哟·www| av国产久精品久网站免费入址| a级毛色黄片| 国产大屁股一区二区在线视频| 不卡视频在线观看欧美| 午夜日本视频在线| 蜜臀久久99精品久久宅男| 最黄视频免费看| 免费不卡的大黄色大毛片视频在线观看| 黄片wwwwww| 18禁动态无遮挡网站| 特大巨黑吊av在线直播| 观看免费一级毛片| 亚洲av成人精品一区久久| 成年人午夜在线观看视频| 高清av免费在线| 舔av片在线| 嫩草影院新地址| 毛片女人毛片| 国产精品蜜桃在线观看| a级一级毛片免费在线观看| 欧美最新免费一区二区三区| 91午夜精品亚洲一区二区三区| 精品久久久久久久久亚洲| 久久久精品94久久精品| 一级毛片我不卡| 国产中年淑女户外野战色| 97在线人人人人妻| 亚洲国产精品999| 亚洲中文av在线| 国产永久视频网站| 黑人高潮一二区| 丰满少妇做爰视频| 极品教师在线视频| 国产又色又爽无遮挡免| h日本视频在线播放| 亚洲精品视频女| 18禁裸乳无遮挡动漫免费视频| 高清不卡的av网站| 水蜜桃什么品种好| 热re99久久精品国产66热6| 中文字幕人妻熟人妻熟丝袜美| 欧美老熟妇乱子伦牲交| 制服丝袜香蕉在线| 国产黄色免费在线视频| 街头女战士在线观看网站| 51国产日韩欧美| 干丝袜人妻中文字幕| 极品少妇高潮喷水抽搐| 午夜免费男女啪啪视频观看| 不卡视频在线观看欧美| 寂寞人妻少妇视频99o| 亚洲精品视频女| 亚洲国产精品专区欧美| 精品久久国产蜜桃| 国产精品人妻久久久影院| 91久久精品国产一区二区三区| 在线观看免费高清a一片| 免费在线观看成人毛片| 久久精品国产a三级三级三级| 国产精品蜜桃在线观看| 亚洲人成网站高清观看| 午夜免费观看性视频| 亚洲av综合色区一区| 伊人久久国产一区二区| av在线老鸭窝| 国产在线男女| 身体一侧抽搐| www.色视频.com| 欧美精品国产亚洲| 啦啦啦中文免费视频观看日本| 国产 精品1| 极品教师在线视频| 小蜜桃在线观看免费完整版高清| 中文字幕av成人在线电影| 亚洲电影在线观看av| 亚洲av日韩在线播放| 汤姆久久久久久久影院中文字幕| 精品一区二区免费观看| 免费av中文字幕在线| 嫩草影院新地址| 亚洲欧美中文字幕日韩二区| 久久久久性生活片| 国产淫语在线视频| 亚洲成人av在线免费| 日韩av在线免费看完整版不卡| 亚洲精品久久久久久婷婷小说| 久久久久久伊人网av| 国国产精品蜜臀av免费| 亚洲婷婷狠狠爱综合网| 亚洲精品成人av观看孕妇| 国产精品麻豆人妻色哟哟久久| 国产伦在线观看视频一区| 你懂的网址亚洲精品在线观看| av免费观看日本| 一本色道久久久久久精品综合| 国产黄片视频在线免费观看| a级毛色黄片| 少妇精品久久久久久久| 寂寞人妻少妇视频99o| 色吧在线观看| 中文字幕精品免费在线观看视频 | 日本欧美视频一区| 亚洲国产日韩一区二区| 国产极品天堂在线| 国产一区亚洲一区在线观看| 99久久综合免费| 日本黄色片子视频| av专区在线播放| 午夜福利高清视频| 亚洲精品国产成人久久av| 最近手机中文字幕大全| 干丝袜人妻中文字幕| 乱码一卡2卡4卡精品| 国产一区二区三区综合在线观看 | 久久久久久久亚洲中文字幕| 国产精品国产av在线观看| 免费人成在线观看视频色| 观看免费一级毛片| 免费av不卡在线播放| 欧美日韩在线观看h| 精品久久国产蜜桃| 亚洲婷婷狠狠爱综合网| 18禁动态无遮挡网站| 色5月婷婷丁香| 中文天堂在线官网| 国产成人91sexporn| 插阴视频在线观看视频| 欧美97在线视频| 亚洲av中文av极速乱| 国产国拍精品亚洲av在线观看| 亚洲va在线va天堂va国产| 久久精品国产a三级三级三级| 亚洲欧美日韩东京热| 精品人妻视频免费看| 狂野欧美激情性xxxx在线观看| 久久久色成人| 亚洲第一av免费看| 制服丝袜香蕉在线| 高清日韩中文字幕在线| 午夜福利影视在线免费观看| 亚洲国产日韩一区二区| 自拍欧美九色日韩亚洲蝌蚪91 | 欧美+日韩+精品| 一级毛片 在线播放| 97精品久久久久久久久久精品| 国产一区二区三区综合在线观看 | 国产老妇伦熟女老妇高清| 91狼人影院| 国产成人91sexporn| 亚洲国产最新在线播放| 久热久热在线精品观看| 亚洲伊人久久精品综合| 国产精品爽爽va在线观看网站| 国产视频首页在线观看| 狂野欧美白嫩少妇大欣赏| 极品少妇高潮喷水抽搐| 国产精品一区二区在线观看99| 精品国产一区二区三区久久久樱花 | 如何舔出高潮| 亚洲久久久国产精品| 欧美日韩视频精品一区| 亚洲av电影在线观看一区二区三区| 简卡轻食公司| 80岁老熟妇乱子伦牲交| 久久久久久九九精品二区国产| 欧美精品国产亚洲| 丝袜脚勾引网站| 男人添女人高潮全过程视频| 高清黄色对白视频在线免费看 | 国产亚洲最大av| 狂野欧美白嫩少妇大欣赏| 人人妻人人看人人澡| 久久久久精品久久久久真实原创| 色视频www国产| 全区人妻精品视频| 高清不卡的av网站| 中国美白少妇内射xxxbb| 十分钟在线观看高清视频www | 中文字幕人妻熟人妻熟丝袜美| 亚洲精品自拍成人| 女性被躁到高潮视频| 日韩国内少妇激情av| 日本与韩国留学比较| 少妇猛男粗大的猛烈进出视频| a级一级毛片免费在线观看| 亚洲怡红院男人天堂| 久久精品国产亚洲网站| 日本黄大片高清| 最近中文字幕高清免费大全6| 男人添女人高潮全过程视频| 亚洲国产精品专区欧美| 国产欧美日韩一区二区三区在线 | 欧美日韩综合久久久久久| 精品一区在线观看国产| 热re99久久精品国产66热6| 97超碰精品成人国产| 亚洲精品乱码久久久v下载方式| 国产精品一区二区在线观看99| 最近最新中文字幕免费大全7| 一本—道久久a久久精品蜜桃钙片| av女优亚洲男人天堂| 午夜免费观看性视频| 亚洲精品日韩在线中文字幕| 一级毛片 在线播放| 美女cb高潮喷水在线观看| 免费看日本二区| 欧美丝袜亚洲另类| 麻豆成人av视频| 亚洲精品自拍成人| 一级毛片电影观看| 国产中年淑女户外野战色| 欧美日韩亚洲高清精品| 免费看光身美女| 亚洲熟女精品中文字幕| 欧美zozozo另类| 亚洲av不卡在线观看| 国产精品.久久久| 美女国产视频在线观看| videossex国产| 欧美 日韩 精品 国产| 午夜免费男女啪啪视频观看| 久久99精品国语久久久| 狂野欧美激情性xxxx在线观看| 中文乱码字字幕精品一区二区三区| 亚洲国产毛片av蜜桃av| 国产黄片美女视频| 久久精品国产自在天天线| 观看美女的网站| 纯流量卡能插随身wifi吗| 国产伦理片在线播放av一区| 亚洲欧美日韩无卡精品| 视频中文字幕在线观看| 免费黄网站久久成人精品| 亚洲成色77777| 久久99热这里只有精品18| 国产成人a∨麻豆精品| 丝瓜视频免费看黄片| 看免费成人av毛片| 99热国产这里只有精品6| 日日摸夜夜添夜夜爱| 国产爽快片一区二区三区| 国产成人精品福利久久| 久久久久精品久久久久真实原创| 大片免费播放器 马上看| 国产日韩欧美亚洲二区| 国产有黄有色有爽视频| 亚洲综合色惰| 99久久精品国产国产毛片| 久久精品熟女亚洲av麻豆精品| 午夜日本视频在线| 美女xxoo啪啪120秒动态图| 欧美日韩亚洲高清精品| 免费观看在线日韩| 国产成人精品婷婷| 久久久久国产精品人妻一区二区| 乱码一卡2卡4卡精品| 欧美精品一区二区大全| 大码成人一级视频| 亚洲av免费高清在线观看| 久久久久久久亚洲中文字幕| av在线蜜桃| 国国产精品蜜臀av免费| 亚洲美女搞黄在线观看| 国产亚洲5aaaaa淫片| av国产久精品久网站免费入址| 小蜜桃在线观看免费完整版高清| av国产免费在线观看| 国产在视频线精品| 少妇的逼水好多| 亚洲成人中文字幕在线播放| 精品久久久久久久末码| 久久久a久久爽久久v久久| 国产精品一区二区性色av| 91久久精品国产一区二区三区| 久久久久久久国产电影| 成人毛片60女人毛片免费| 成人漫画全彩无遮挡| 亚洲国产成人一精品久久久| 熟女电影av网| 国产视频首页在线观看| 99热这里只有是精品在线观看| av福利片在线观看| 精品久久国产蜜桃| 欧美 日韩 精品 国产| 网址你懂的国产日韩在线| 一级片'在线观看视频| 免费在线观看成人毛片| 久久久久国产网址| 美女国产视频在线观看| 熟女人妻精品中文字幕| 欧美+日韩+精品| 亚洲国产精品专区欧美| 成年人午夜在线观看视频| 涩涩av久久男人的天堂| av网站免费在线观看视频| 91久久精品国产一区二区成人| 国产91av在线免费观看| 欧美三级亚洲精品| 国产视频首页在线观看| 18禁动态无遮挡网站| 日韩人妻高清精品专区| 免费观看无遮挡的男女| 亚洲av成人精品一区久久| 男女边摸边吃奶| 一区二区三区四区激情视频| 成人综合一区亚洲| 成人免费观看视频高清| 国产男女内射视频| 男人狂女人下面高潮的视频| 肉色欧美久久久久久久蜜桃| 免费av中文字幕在线| 欧美日韩亚洲高清精品| 精品熟女少妇av免费看| 久久ye,这里只有精品| 中文字幕亚洲精品专区| 日本免费在线观看一区| 亚洲精品久久午夜乱码| 久久久久久久亚洲中文字幕| 国产黄色免费在线视频| 国产高清有码在线观看视频| 久久久久久久亚洲中文字幕| 男人舔奶头视频| 91久久精品国产一区二区成人| 日韩人妻高清精品专区| 大片免费播放器 马上看| 一级毛片aaaaaa免费看小| 黄片wwwwww| 国产美女午夜福利| 网址你懂的国产日韩在线| 成人特级av手机在线观看| 国产v大片淫在线免费观看| 制服丝袜香蕉在线| 一级毛片久久久久久久久女| 亚洲图色成人| 边亲边吃奶的免费视频| 久久综合国产亚洲精品| 老女人水多毛片| 国产亚洲5aaaaa淫片| 啦啦啦视频在线资源免费观看| 精品久久久噜噜| 国产精品偷伦视频观看了| 国语对白做爰xxxⅹ性视频网站| 另类亚洲欧美激情| 免费播放大片免费观看视频在线观看| 一级毛片我不卡| 亚洲,欧美,日韩| 日韩伦理黄色片| 国产人妻一区二区三区在| 十八禁网站网址无遮挡 | 国产毛片在线视频| 久久久久久伊人网av| 国产精品国产三级国产专区5o| 午夜福利在线观看免费完整高清在| 我的女老师完整版在线观看| 午夜激情福利司机影院| 国产成人一区二区在线| 亚洲一级一片aⅴ在线观看| 国产精品一二三区在线看| 肉色欧美久久久久久久蜜桃| 久久6这里有精品| 日韩视频在线欧美| 亚洲综合色惰| 性色av一级| 欧美精品一区二区大全| 美女福利国产在线 | 国产精品国产三级专区第一集| 国模一区二区三区四区视频| 亚洲无线观看免费| 日韩三级伦理在线观看| 一级av片app| av网站免费在线观看视频| 王馨瑶露胸无遮挡在线观看| kizo精华| 亚州av有码| 亚洲美女搞黄在线观看| 蜜臀久久99精品久久宅男| 亚洲精品国产av成人精品| 亚洲国产日韩一区二区| 国产成人免费观看mmmm| 国产69精品久久久久777片| 亚洲av日韩在线播放| 18禁在线无遮挡免费观看视频| 99久久精品一区二区三区| 最新中文字幕久久久久| 国产片特级美女逼逼视频| h日本视频在线播放| 黄色怎么调成土黄色| 成人一区二区视频在线观看| www.色视频.com| 国产v大片淫在线免费观看| 亚洲精品久久久久久婷婷小说| 2021少妇久久久久久久久久久| 亚洲色图av天堂| 国产综合精华液| tube8黄色片| 少妇被粗大猛烈的视频| 亚洲欧美一区二区三区国产| 久久久久久久久久久免费av| 噜噜噜噜噜久久久久久91| 日韩视频在线欧美| 亚洲怡红院男人天堂| 蜜桃亚洲精品一区二区三区| 国产熟女欧美一区二区| 免费大片18禁| 成年女人在线观看亚洲视频| 一本—道久久a久久精品蜜桃钙片| 国产精品久久久久久精品古装| 天天躁夜夜躁狠狠久久av| 美女cb高潮喷水在线观看| 国产白丝娇喘喷水9色精品| 亚洲精品久久午夜乱码| 精品一品国产午夜福利视频| 欧美变态另类bdsm刘玥| 国产成人aa在线观看| 一级毛片黄色毛片免费观看视频| 一级毛片久久久久久久久女| h视频一区二区三区| 久久99热这里只有精品18| 欧美日韩亚洲高清精品| 久久精品人妻少妇| 亚洲精品日本国产第一区| h日本视频在线播放| 天美传媒精品一区二区| kizo精华| 免费久久久久久久精品成人欧美视频 | 久久影院123| 观看免费一级毛片| 九九久久精品国产亚洲av麻豆| 国产v大片淫在线免费观看| 国产乱人视频| 日韩免费高清中文字幕av| 在线精品无人区一区二区三 | 亚洲av成人精品一区久久| 亚洲成人中文字幕在线播放| 久久久久性生活片| 男女边摸边吃奶| 日韩 亚洲 欧美在线| 我的老师免费观看完整版| 国产精品一区二区在线不卡| 伊人久久国产一区二区| 日韩制服骚丝袜av| 内地一区二区视频在线| 又大又黄又爽视频免费| 久久久久久久大尺度免费视频| 深夜a级毛片| 色视频www国产| 久久99精品国语久久久| 欧美成人a在线观看| 国产精品.久久久| 久久 成人 亚洲| 十八禁网站网址无遮挡 | 久久99热这里只频精品6学生| 97超碰精品成人国产| a级毛片免费高清观看在线播放| 精品视频人人做人人爽| 亚洲自偷自拍三级| av在线老鸭窝| 中国三级夫妇交换| 亚洲国产成人一精品久久久| 深夜a级毛片| 色视频www国产| 一区二区三区精品91| 日本一二三区视频观看| .国产精品久久| 亚洲国产精品一区三区| 国产亚洲欧美精品永久| 九九爱精品视频在线观看| 国产真实伦视频高清在线观看| 熟女人妻精品中文字幕| .国产精品久久| 噜噜噜噜噜久久久久久91| 精品视频人人做人人爽| 国产午夜精品久久久久久一区二区三区| 国产美女午夜福利| 岛国毛片在线播放| 搡女人真爽免费视频火全软件| 18禁动态无遮挡网站| 午夜日本视频在线| 大片免费播放器 马上看| 人妻制服诱惑在线中文字幕| 日本爱情动作片www.在线观看| 久久鲁丝午夜福利片| 嫩草影院新地址| 日韩,欧美,国产一区二区三区| 视频中文字幕在线观看| 亚洲久久久国产精品| 午夜免费鲁丝| 日本黄色日本黄色录像| 少妇裸体淫交视频免费看高清| 国产探花极品一区二区| 国产一区亚洲一区在线观看| 国产色爽女视频免费观看| 亚洲精品色激情综合| 久久国产精品男人的天堂亚洲 | 国产免费一区二区三区四区乱码| av福利片在线观看| 一本久久精品| 肉色欧美久久久久久久蜜桃| 男人和女人高潮做爰伦理| 人妻夜夜爽99麻豆av| 一级毛片我不卡| 在线天堂最新版资源| 国产亚洲精品久久久com| 五月开心婷婷网| videossex国产| 亚洲国产高清在线一区二区三| 在现免费观看毛片| 亚洲激情五月婷婷啪啪| 韩国av在线不卡| 黄片无遮挡物在线观看| 亚洲成人一二三区av| 日韩伦理黄色片| 亚洲国产精品国产精品| 又大又黄又爽视频免费| 精品人妻一区二区三区麻豆| 一本色道久久久久久精品综合| 中文字幕久久专区| 国国产精品蜜臀av免费| 色5月婷婷丁香| 欧美zozozo另类| 久久国产精品大桥未久av | videossex国产| 永久网站在线| 欧美xxxx性猛交bbbb| 亚洲av中文av极速乱| 一级av片app| 九九久久精品国产亚洲av麻豆| 丝袜喷水一区| 九色成人免费人妻av| 日韩在线高清观看一区二区三区| 成人漫画全彩无遮挡| 国产成人精品福利久久| 亚洲国产最新在线播放| 国产精品一区二区性色av| 国产 精品1| 蜜臀久久99精品久久宅男| a级毛色黄片| 精品久久久久久久久亚洲| 老熟女久久久| 亚洲伊人久久精品综合| 最近最新中文字幕大全电影3| 国产成人免费观看mmmm| 国产成人精品一,二区| 九色成人免费人妻av| 欧美日本视频| 久久99热这里只频精品6学生| 女人久久www免费人成看片| 最近手机中文字幕大全| 亚洲精品aⅴ在线观看| 久久久久性生活片| 亚洲天堂av无毛| 丝瓜视频免费看黄片| 最近最新中文字幕免费大全7| 男人添女人高潮全过程视频| 成人影院久久| 国产探花极品一区二区| 成人无遮挡网站| 国内少妇人妻偷人精品xxx网站| 国产精品一二三区在线看| 国产黄频视频在线观看| 蜜桃久久精品国产亚洲av| 亚洲自偷自拍三级| 久久久欧美国产精品| 久久99热这里只频精品6学生| 熟女电影av网| 51国产日韩欧美| 国产黄频视频在线观看| 直男gayav资源| 中文精品一卡2卡3卡4更新| 尾随美女入室| 91久久精品国产一区二区成人| 国产成人精品久久久久久|