• <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
    a级毛片免费高清观看在线播放| 欧美高清成人免费视频www| 久久久久久久久久久免费av| 免费播放大片免费观看视频在线观看| 97在线视频观看| 美女cb高潮喷水在线观看| 如何舔出高潮| 欧美激情国产日韩精品一区| 69精品国产乱码久久久| 精品少妇久久久久久888优播| 少妇 在线观看| 亚洲第一av免费看| 18禁在线无遮挡免费观看视频| 国产精品99久久99久久久不卡 | 中文字幕久久专区| av天堂中文字幕网| 国产成人91sexporn| 欧美日韩视频高清一区二区三区二| 国产黄色视频一区二区在线观看| 国产av一区二区精品久久| 九九在线视频观看精品| 国内揄拍国产精品人妻在线| 大片免费播放器 马上看| 麻豆乱淫一区二区| 欧美+日韩+精品| 国产黄色免费在线视频| 激情五月婷婷亚洲| 麻豆乱淫一区二区| 免费看不卡的av| 亚洲av欧美aⅴ国产| 爱豆传媒免费全集在线观看| 五月天丁香电影| 观看免费一级毛片| 国产成人精品久久久久久| 色婷婷av一区二区三区视频| 久久久久久久精品精品| 如何舔出高潮| 日本黄色日本黄色录像| 亚洲天堂av无毛| 9色porny在线观看| 极品教师在线视频| 精品人妻熟女毛片av久久网站| 欧美精品一区二区大全| a级毛片免费高清观看在线播放| 欧美日韩av久久| 国产成人精品一,二区| 国产av码专区亚洲av| 99久久精品热视频| 国产免费一区二区三区四区乱码| 免费黄频网站在线观看国产| 人妻夜夜爽99麻豆av| 国产一区亚洲一区在线观看| 亚洲va在线va天堂va国产| 99久久人妻综合| 日韩熟女老妇一区二区性免费视频| 日本色播在线视频| 国产成人a∨麻豆精品| 狠狠精品人妻久久久久久综合| 不卡视频在线观看欧美| 亚洲欧美成人综合另类久久久| 久久青草综合色| 韩国av在线不卡| 成年av动漫网址| 韩国av在线不卡| 国精品久久久久久国模美| 一本久久精品| 99久久精品国产国产毛片| 久久人人爽人人片av| 自线自在国产av| 人妻 亚洲 视频| 日韩熟女老妇一区二区性免费视频| 久久久久久久久久久久大奶| 看非洲黑人一级黄片| 国产一区亚洲一区在线观看| 久久97久久精品| 国产老妇伦熟女老妇高清| 美女视频免费永久观看网站| 如何舔出高潮| 91成人精品电影| 日日摸夜夜添夜夜添av毛片| 亚洲经典国产精华液单| 日韩一本色道免费dvd| 久久久久精品久久久久真实原创| 少妇人妻久久综合中文| 亚洲精品国产色婷婷电影| 亚洲国产精品一区三区| 一区二区三区乱码不卡18| 亚洲欧美一区二区三区国产| 香蕉精品网在线| 丁香六月天网| 午夜免费观看性视频| 亚洲在久久综合| 久久鲁丝午夜福利片| av有码第一页| 国产成人精品无人区| 精品人妻偷拍中文字幕| 欧美日韩在线观看h| 国产精品秋霞免费鲁丝片| 国产一区二区在线观看av| 我的女老师完整版在线观看| 精品久久国产蜜桃| 美女xxoo啪啪120秒动态图| 一区二区三区四区激情视频| 嫩草影院入口| 老司机亚洲免费影院| 久久人人爽人人片av| 久久精品久久久久久久性| 超碰97精品在线观看| 亚洲av不卡在线观看| 国产色爽女视频免费观看| 夜夜爽夜夜爽视频| 十八禁高潮呻吟视频 | 日韩在线高清观看一区二区三区| 国产淫语在线视频| 又黄又爽又刺激的免费视频.| 热re99久久精品国产66热6| 麻豆乱淫一区二区| 麻豆精品久久久久久蜜桃| 欧美日韩av久久| 曰老女人黄片| 秋霞在线观看毛片| 亚洲欧美一区二区三区国产| 亚洲国产精品成人久久小说| 国产精品熟女久久久久浪| 久久6这里有精品| 视频区图区小说| 成人18禁高潮啪啪吃奶动态图 | 国产毛片在线视频| 99久久精品一区二区三区| 男女无遮挡免费网站观看| 高清毛片免费看| 亚洲精品中文字幕在线视频 | 一区二区三区四区激情视频| 免费高清在线观看视频在线观看| 国产高清不卡午夜福利| 91精品一卡2卡3卡4卡| tube8黄色片| 国产黄色视频一区二区在线观看| 亚洲欧美中文字幕日韩二区| 色视频在线一区二区三区| 激情五月婷婷亚洲| 高清av免费在线| 97超视频在线观看视频| 国产成人91sexporn| 深夜a级毛片| 成年美女黄网站色视频大全免费 | 纵有疾风起免费观看全集完整版| 久久免费观看电影| 纵有疾风起免费观看全集完整版| 男女边摸边吃奶| 久久久久久久久久久久大奶| 三级国产精品欧美在线观看| 亚洲欧美精品自产自拍| 国产av精品麻豆| 精品酒店卫生间| 人体艺术视频欧美日本| 国产白丝娇喘喷水9色精品| 国产精品.久久久| 99国产精品免费福利视频| 成人亚洲精品一区在线观看| av天堂中文字幕网| 女人久久www免费人成看片| 色94色欧美一区二区| 久久av网站| kizo精华| 国产淫语在线视频| 一个人看视频在线观看www免费| 不卡视频在线观看欧美| 亚洲av二区三区四区| 99精国产麻豆久久婷婷| 黑丝袜美女国产一区| 免费观看av网站的网址| 在线看a的网站| 国产成人精品福利久久| h日本视频在线播放| 日本-黄色视频高清免费观看| 国产黄频视频在线观看| 国产精品福利在线免费观看| 一区二区三区精品91| 久久免费观看电影| av播播在线观看一区| 这个男人来自地球电影免费观看 | 综合色丁香网| 久久97久久精品| 亚洲精品国产av成人精品| 免费观看的影片在线观看| 在线 av 中文字幕| 一本大道久久a久久精品| 国内精品宾馆在线| 精品人妻熟女av久视频| 亚洲精品日本国产第一区| 免费看日本二区| 亚洲精品乱码久久久v下载方式| 涩涩av久久男人的天堂| 精品一区二区三卡| 午夜免费观看性视频| 人人妻人人爽人人添夜夜欢视频 | 亚洲精品aⅴ在线观看| 亚洲av欧美aⅴ国产| 亚洲精品视频女| 久久国产乱子免费精品| av免费在线看不卡| 一级片'在线观看视频| 亚洲情色 制服丝袜| 午夜91福利影院| 久久久久国产精品人妻一区二区| 嘟嘟电影网在线观看| 久久国产精品男人的天堂亚洲 | 精华霜和精华液先用哪个| 成人毛片60女人毛片免费| 亚洲精品视频女| 婷婷色综合大香蕉| 久久人人爽人人爽人人片va| 人人妻人人添人人爽欧美一区卜| 好男人视频免费观看在线| 国产精品嫩草影院av在线观看| 久久久久久久久大av| 精品人妻偷拍中文字幕| 免费高清在线观看视频在线观看| 69精品国产乱码久久久| 人人妻人人澡人人看| 97在线视频观看| 嫩草影院入口| 国产片特级美女逼逼视频| 秋霞在线观看毛片| 国产高清三级在线| 日日摸夜夜添夜夜添av毛片| 国产免费一级a男人的天堂| 99热国产这里只有精品6| 久久ye,这里只有精品| 久久久久网色| 99热这里只有精品一区| 人妻一区二区av| 插逼视频在线观看| 午夜福利网站1000一区二区三区| 久久久久精品久久久久真实原创| 亚洲欧洲精品一区二区精品久久久 | 亚洲在久久综合| 日韩一本色道免费dvd| 啦啦啦在线观看免费高清www| 黄色毛片三级朝国网站 | 男女啪啪激烈高潮av片| 日韩伦理黄色片| 色视频在线一区二区三区| 狂野欧美激情性bbbbbb| 乱码一卡2卡4卡精品| 国产在线免费精品| av有码第一页| 亚洲熟女精品中文字幕| 精品一区在线观看国产| 高清欧美精品videossex| 在线观看www视频免费| 夜夜爽夜夜爽视频| 高清午夜精品一区二区三区| 少妇丰满av| 91久久精品国产一区二区三区| 色婷婷久久久亚洲欧美| 内地一区二区视频在线| 亚洲精品一二三| 国产白丝娇喘喷水9色精品| 婷婷色麻豆天堂久久| 亚洲av.av天堂| 亚洲精品久久午夜乱码| 99久国产av精品国产电影| 啦啦啦啦在线视频资源| 日韩电影二区| 在线观看免费视频网站a站| 日本-黄色视频高清免费观看| 亚洲精品乱码久久久久久按摩| 精品国产一区二区久久| 久久人人爽人人爽人人片va| 久久 成人 亚洲| 丰满饥渴人妻一区二区三| 免费少妇av软件| 亚洲,欧美,日韩| 中文字幕人妻丝袜制服| 国产一区二区三区av在线| 国国产精品蜜臀av免费| 卡戴珊不雅视频在线播放| 99久久综合免费| 亚洲精品成人av观看孕妇| 精品久久久噜噜| 国产精品.久久久| 一级,二级,三级黄色视频| 精品久久久久久电影网| av免费在线看不卡| 在线观看国产h片| 能在线免费看毛片的网站| 久久久久精品性色| 91成人精品电影| 中文资源天堂在线| 中文天堂在线官网| 精品午夜福利在线看| 国产精品久久久久久av不卡| 简卡轻食公司| 观看免费一级毛片| 国产男女超爽视频在线观看| 日韩av在线免费看完整版不卡| 午夜激情久久久久久久| 91精品国产国语对白视频| 国产精品99久久99久久久不卡 | av播播在线观看一区| 国产成人91sexporn| 久久99热这里只频精品6学生| 国产成人aa在线观看| 一级av片app| 男人添女人高潮全过程视频| 在线天堂最新版资源| 如日韩欧美国产精品一区二区三区 | 欧美成人午夜免费资源| 99热国产这里只有精品6| 久久精品熟女亚洲av麻豆精品| 亚洲av免费高清在线观看| 国产精品伦人一区二区| 国产精品不卡视频一区二区| 大陆偷拍与自拍| 国产一区二区在线观看日韩| 久久青草综合色| 最近2019中文字幕mv第一页| 夜夜爽夜夜爽视频| 亚洲欧美精品自产自拍| 高清av免费在线| 啦啦啦中文免费视频观看日本| 精品一区二区三区视频在线| 中文在线观看免费www的网站| 99国产精品免费福利视频| 男女啪啪激烈高潮av片| 丰满人妻一区二区三区视频av| 嫩草影院入口| 高清毛片免费看| 伊人久久精品亚洲午夜| freevideosex欧美| 久久久精品94久久精品| 女性被躁到高潮视频| 久久国产精品男人的天堂亚洲 | 国国产精品蜜臀av免费| 2021少妇久久久久久久久久久| 91成人精品电影| 色网站视频免费| 婷婷色综合大香蕉| 嫩草影院新地址| 特大巨黑吊av在线直播| 人妻一区二区av| 国产精品成人在线| 成人18禁高潮啪啪吃奶动态图 | 99久久精品热视频| 亚洲成人手机| 蜜桃久久精品国产亚洲av| 伊人久久精品亚洲午夜| 亚洲一区二区三区欧美精品| 少妇的逼好多水| 婷婷色综合www| 国产成人精品一,二区| 国产av码专区亚洲av| 3wmmmm亚洲av在线观看| 亚洲色图综合在线观看| 免费黄色在线免费观看| 97超碰精品成人国产| 22中文网久久字幕| 男女国产视频网站| 亚洲国产色片| 一个人免费看片子| 中文字幕人妻丝袜制服| 国产成人免费观看mmmm| 一区二区三区免费毛片| 黑人巨大精品欧美一区二区蜜桃 | 五月伊人婷婷丁香| 搡老乐熟女国产| 国产精品一区www在线观看| 亚洲第一av免费看| 国产成人精品久久久久久| 亚洲一级一片aⅴ在线观看| 亚洲国产最新在线播放| 久久久久久人妻| 国产成人freesex在线| 久久国产乱子免费精品| 中文字幕av电影在线播放| 狂野欧美白嫩少妇大欣赏| 老女人水多毛片| 插逼视频在线观看| 成人国产麻豆网| 一级毛片我不卡| 欧美变态另类bdsm刘玥| 亚洲成人av在线免费| 久久99蜜桃精品久久| 97在线视频观看| 国内精品宾馆在线| 丝袜喷水一区| 亚洲第一区二区三区不卡| 3wmmmm亚洲av在线观看| av在线播放精品| 国产精品久久久久久久久免| 国产成人freesex在线| 最黄视频免费看| 欧美日韩视频高清一区二区三区二| 国产 精品1| 成人午夜精彩视频在线观看| 你懂的网址亚洲精品在线观看| 精华霜和精华液先用哪个| 91久久精品国产一区二区成人| 最近的中文字幕免费完整| 久热久热在线精品观看| 亚洲av美国av| 波多野结衣一区麻豆| 国产高清videossex| 黄色视频在线播放观看不卡| 天天躁狠狠躁夜夜躁狠狠躁| 欧美xxⅹ黑人| av网站在线播放免费| 水蜜桃什么品种好| 热99久久久久精品小说推荐| 日韩人妻精品一区2区三区| 久久久久精品国产欧美久久久 | 午夜视频精品福利| www.999成人在线观看| 国产一区二区三区av在线| 国产一区二区 视频在线| 亚洲国产成人一精品久久久| 亚洲精品粉嫩美女一区| 亚洲av男天堂| 美女国产高潮福利片在线看| 在线永久观看黄色视频| 久久精品亚洲av国产电影网| 精品国产乱子伦一区二区三区 | 亚洲精品日韩在线中文字幕| 青青草视频在线视频观看| 性色av一级| 亚洲性夜色夜夜综合| av网站在线播放免费| 国产亚洲一区二区精品| 深夜精品福利| 亚洲熟女精品中文字幕| 一区二区三区四区激情视频| 国产日韩欧美亚洲二区| 亚洲av欧美aⅴ国产| 人人澡人人妻人| 久久精品国产a三级三级三级| 欧美精品人与动牲交sv欧美| 黄片播放在线免费| 日韩欧美国产一区二区入口| 久久人妻福利社区极品人妻图片| 欧美日韩亚洲国产一区二区在线观看 | 一二三四在线观看免费中文在| 18禁国产床啪视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇猛男粗大的猛烈进出视频| 波多野结衣av一区二区av| 交换朋友夫妻互换小说| 久久国产精品人妻蜜桃| 精品国产超薄肉色丝袜足j| 国产一区二区激情短视频 | 黑人巨大精品欧美一区二区mp4| 国产欧美亚洲国产| 精品欧美一区二区三区在线| 亚洲专区国产一区二区| 欧美日本中文国产一区发布| 大码成人一级视频| 建设人人有责人人尽责人人享有的| 亚洲视频免费观看视频| 最近最新免费中文字幕在线| 黑人欧美特级aaaaaa片| 亚洲国产成人一精品久久久| 90打野战视频偷拍视频| 精品欧美一区二区三区在线| 久久国产精品影院| 国产欧美亚洲国产| 欧美黄色淫秽网站| 亚洲三区欧美一区| 啦啦啦 在线观看视频| 亚洲免费av在线视频| av不卡在线播放| 欧美变态另类bdsm刘玥| 制服诱惑二区| 一本久久精品| 国产不卡av网站在线观看| 大香蕉久久成人网| a 毛片基地| 国产主播在线观看一区二区| a级毛片在线看网站| 淫妇啪啪啪对白视频 | 久久毛片免费看一区二区三区| 久久性视频一级片| 欧美 亚洲 国产 日韩一| 男女床上黄色一级片免费看| 成人国产av品久久久| 性少妇av在线| 国产精品久久久久久精品电影小说| 美女高潮到喷水免费观看| 午夜久久久在线观看| 老熟女久久久| 久久精品成人免费网站| 色播在线永久视频| 久久天堂一区二区三区四区| 69精品国产乱码久久久| 老熟妇乱子伦视频在线观看 | 大型av网站在线播放| 午夜免费鲁丝| 欧美av亚洲av综合av国产av| 又大又爽又粗| 不卡av一区二区三区| 国内毛片毛片毛片毛片毛片| 高清在线国产一区| av线在线观看网站| 亚洲精品久久久久久婷婷小说| 美女福利国产在线| 80岁老熟妇乱子伦牲交| 国产97色在线日韩免费| 一级黄色大片毛片| 国产成人精品在线电影| 国产激情久久老熟女| 三上悠亚av全集在线观看| cao死你这个sao货| 王馨瑶露胸无遮挡在线观看| 久久亚洲国产成人精品v| 日本vs欧美在线观看视频| 久热爱精品视频在线9| 久久国产精品大桥未久av| 中文字幕最新亚洲高清| 少妇精品久久久久久久| 波多野结衣一区麻豆| 美女国产高潮福利片在线看| 国产成人精品在线电影| 精品少妇久久久久久888优播| 午夜福利一区二区在线看| 精品国产一区二区久久| 黄色 视频免费看| av超薄肉色丝袜交足视频| 夜夜骑夜夜射夜夜干| 国产精品一区二区在线观看99| 91老司机精品| avwww免费| 久久久久国产一级毛片高清牌| 亚洲精品国产av蜜桃| 桃红色精品国产亚洲av| 丝袜脚勾引网站| 国产一区二区三区在线臀色熟女 | 高清在线国产一区| 国产精品麻豆人妻色哟哟久久| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品1区2区在线观看. | 亚洲天堂av无毛| 在线观看www视频免费| 纵有疾风起免费观看全集完整版| 欧美乱码精品一区二区三区| 黄色视频不卡| 久久久久久久久免费视频了| 男女无遮挡免费网站观看| 亚洲免费av在线视频| 欧美日韩亚洲高清精品| 中国美女看黄片| 国产精品久久久久久精品电影小说| 国产精品自产拍在线观看55亚洲 | 99国产精品免费福利视频| 夫妻午夜视频| 国产xxxxx性猛交| 欧美日韩福利视频一区二区| 国产一级毛片在线| 亚洲五月婷婷丁香| 亚洲欧美激情在线| 欧美精品一区二区大全| av不卡在线播放| 精品免费久久久久久久清纯 | 色94色欧美一区二区| 久久人人爽av亚洲精品天堂| 80岁老熟妇乱子伦牲交| 精品久久蜜臀av无| 久久国产精品男人的天堂亚洲| 老司机午夜十八禁免费视频| 飞空精品影院首页| 最新的欧美精品一区二区| 国产成+人综合+亚洲专区| 精品熟女少妇八av免费久了| 999精品在线视频| 久久性视频一级片| 国产精品1区2区在线观看. | 欧美精品av麻豆av| 久久狼人影院| 国产激情久久老熟女| 欧美精品高潮呻吟av久久| 成人国产av品久久久| 咕卡用的链子| 国产av精品麻豆| 午夜福利影视在线免费观看| 叶爱在线成人免费视频播放| 日日摸夜夜添夜夜添小说| 日韩熟女老妇一区二区性免费视频| 淫妇啪啪啪对白视频 | 超色免费av| 黑人巨大精品欧美一区二区mp4| 午夜福利在线观看吧| 下体分泌物呈黄色| 伊人亚洲综合成人网| 老司机在亚洲福利影院| 亚洲一码二码三码区别大吗| 老司机在亚洲福利影院| 一级片免费观看大全| 午夜激情av网站| 亚洲人成电影观看| 热re99久久精品国产66热6| 69精品国产乱码久久久| 午夜视频精品福利| 久9热在线精品视频| 欧美 日韩 精品 国产| 免费人妻精品一区二区三区视频| 午夜91福利影院| 国产在线免费精品| 国产精品免费大片| 99久久人妻综合| 黄色视频,在线免费观看| 91国产中文字幕| 国产av国产精品国产| 免费黄频网站在线观看国产| 亚洲人成电影观看| 日韩中文字幕欧美一区二区| 欧美精品一区二区免费开放|