• <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 ?

    一種風(fēng)驅(qū)動(dòng)優(yōu)化Tsallis相對(duì)熵的圖像多閾值分割方法

    2020-11-04 02:35:22李粉紅張志光
    紅外技術(shù) 2020年10期
    關(guān)鍵詞:閾值粒子空氣

    李粉紅,盧 晶,張志光

    一種風(fēng)驅(qū)動(dòng)優(yōu)化Tsallis相對(duì)熵的圖像多閾值分割方法

    李粉紅1,盧 晶1,張志光2

    (1. 商洛學(xué)院 數(shù)學(xué)與計(jì)算機(jī)應(yīng)用學(xué)院,陜西 商洛 726000;2. 北京工業(yè)大學(xué) 信息與通信工程學(xué)院,北京 100124)

    本文提出了一種風(fēng)驅(qū)動(dòng)優(yōu)化Tsallis相對(duì)熵的圖像多閾值分割算法。首先分析了Tsallis相對(duì)熵閾值分割原理,并將其推廣到多閾值分割。利用高斯分布擬合分割后的圖像直方圖信息,利用Tsallis相對(duì)熵作為衡量最佳分割閾值的度量函數(shù)。將風(fēng)驅(qū)動(dòng)優(yōu)化算法與Tsallis相對(duì)熵度量函數(shù)結(jié)合,求解Tsallis相對(duì)熵函數(shù)的最優(yōu)解,提高閾值分割算法的速度。最后將所提算法與窮舉法、粒子群算法做比較,并且與經(jīng)典的Otsu算法和基于二維熵的多閾值分割法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明所提算法速度快、準(zhǔn)確性高能夠用于圖像的多閾值分割。

    圖像分割;Tsallis相對(duì)熵;高斯分布;風(fēng)驅(qū)動(dòng)優(yōu)化;粒子群

    0 引言

    圖像分割被應(yīng)用在各個(gè)領(lǐng)域,如醫(yī)學(xué)圖像,工業(yè)機(jī)器視覺,缺陷檢測(cè)等。圖像分割的主要目的是將圖像中感興趣的區(qū)域如圖像中的前景等分割出來(lái)[1-5]。

    圖像閾值化的關(guān)鍵在于通過(guò)一定的準(zhǔn)則找到最優(yōu)閾值,并且通過(guò)最優(yōu)閾值對(duì)圖像進(jìn)行分割。目前閾值分割方法多種多樣,按照作用范圍可以分為全局閾值法和局部閾值法;依據(jù)閾值選取準(zhǔn)則可以分為:最大熵法,類間方差法,交叉熵法,最小誤差法,模糊熵法等等。按照閾值個(gè)數(shù)可以分為單閾值分割方法和多閾值分割方法等。按照直方圖維數(shù)來(lái)分,可以分為一維直方圖法,二維直方圖法等等[6-10]。

    為了解決分割隨著閾值的增加分割所需計(jì)算量成倍數(shù)增長(zhǎng)即耗時(shí)長(zhǎng)的問題。很多學(xué)者將分割方法與群智能優(yōu)化算法相結(jié)合來(lái)提高圖像的分割速度。目前常見的用于圖像分割的群智能算法的包括:粒子群、人工蜂群、遺傳算法等等[11-14]。但由于這些算法有時(shí)會(huì)陷入局部最優(yōu)導(dǎo)致分割不準(zhǔn)確。

    風(fēng)驅(qū)動(dòng)優(yōu)化算法(wind driven optimization algorithm, WDO)是一種新型群智能算法,具有較強(qiáng)的全局尋優(yōu)性能。本文將Tsallis相對(duì)熵單閾值分割推廣到Tsallis多閾值分割并與風(fēng)驅(qū)動(dòng)算法結(jié)合,提出了一種新的圖像多閾值分割方法。將多閾值的值作為空氣粒子單元、將Tsallis相對(duì)熵函數(shù)作為風(fēng)驅(qū)動(dòng)算法的適應(yīng)度函數(shù)對(duì)相對(duì)熵函數(shù)進(jìn)行最優(yōu)求解,最終獲取分割圖像的最優(yōu)閾值。

    1 Tsallis相對(duì)熵多閾值圖像分割原理

    定義1到A+1的類概率為:

    其中1+2+…+P+1=1。同時(shí)定義1~A+1的灰度級(jí)類均值為:

    定義1到A+1的灰度級(jí)類方差為:

    灰度級(jí)關(guān)于1到A+1的類概率為:

    =1,2,…,,=1,2,…+1 (4)

    定義分割后圖像灰度級(jí)的擬合高斯分布為:

    圖像的閾值化準(zhǔn)則即Tsallis相對(duì)熵函數(shù):

    在對(duì)圖像進(jìn)行分割時(shí),如果能夠找到個(gè)分割閾值1,2,…,t,使式(6)值最小,則這些閾值為最優(yōu)閾值,最佳分割閾值的集合的獲取函數(shù)為:

    2 基于Tsallis相對(duì)熵與風(fēng)驅(qū)動(dòng)優(yōu)化的圖像多閾值分割算法

    為了改善基于Tsallis相對(duì)熵多閾值圖像分割方法計(jì)算量大、速度慢的問題,本文引入風(fēng)驅(qū)動(dòng)優(yōu)化算法求解Tsallis相對(duì)熵函數(shù)的最優(yōu)解。

    2.1 風(fēng)驅(qū)動(dòng)優(yōu)化算法

    風(fēng)驅(qū)動(dòng)優(yōu)化算法(WDO)[15-16]是一種自然啟發(fā)算法,是一種新型全局優(yōu)化算法。其原理是模擬自然界中風(fēng)的流動(dòng),即空氣之間存在壓差促使空氣流動(dòng),最終達(dá)到平衡的過(guò)程??諝饬W舆_(dá)到平衡的最終位置值即為每個(gè)空氣粒子的最優(yōu)解。風(fēng)驅(qū)動(dòng)優(yōu)化算法的原理如下:

    一個(gè)由個(gè)空氣單元、維搜索空間組成的空氣種群可以表示為如下矩陣:

    每個(gè)空氣粒子有兩個(gè)特征分別為空氣粒子的速度、和空氣粒子的位置??諝饬W拥乃俣染仃嚍楹臀恢镁仃嚪謩e為:

    其中1≤≤IT,IT為最大迭代次數(shù)。風(fēng)驅(qū)動(dòng)優(yōu)化算法的適應(yīng)函數(shù)為Tsallis相對(duì)熵:

    風(fēng)驅(qū)動(dòng)優(yōu)化算法將影響大氣運(yùn)動(dòng)的力:摩擦力、氣壓梯度壓力、重力和科氏力帶入牛頓第二定律結(jié)合理想氣體狀態(tài)方程得出速度更新方程。空氣粒子速度和位置根據(jù)方程(11)、(12)更新:

    2.2 基于Tsallis相對(duì)熵與風(fēng)驅(qū)動(dòng)優(yōu)化算法的圖像多閾值分割

    基于Tsallis相對(duì)熵與風(fēng)驅(qū)動(dòng)優(yōu)化算法的圖像多閾值分割算法的流程如圖1所示。

    主要步驟如下:

    步驟1:輸入待分割圖像,根據(jù)設(shè)定閾值個(gè)數(shù)、隨機(jī)初始化空氣粒子數(shù)量、最大迭代步數(shù),相應(yīng)參數(shù);

    步驟2:根據(jù)Tsallis相對(duì)熵函數(shù)計(jì)算各個(gè)空氣粒子的適應(yīng)度值,并且排序;

    步驟3:對(duì)每個(gè)空氣粒子位置與其個(gè)體歷史最優(yōu)位置比較,記錄個(gè)體歷史最優(yōu)位置;

    步驟4:對(duì)每個(gè)空氣粒子與總體歷史最佳位置比較,記錄總體最優(yōu)位置;

    步驟5:根據(jù)式(11)、(12)對(duì)空氣粒子速度和位置進(jìn)行更新;

    步驟6:是否達(dá)到結(jié)束條件,如果達(dá)到則結(jié)束否則繼續(xù)循環(huán);

    步驟7:將獲得的閾值對(duì)圖像進(jìn)行分割得到分割后的最終圖像。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證本文所提方法在圖像分割上的效果與計(jì)算速度優(yōu)越性,本文算法在Matlab 2014a,Windows7、處理器主頻為2.2GHz,內(nèi)存2G的測(cè)試平臺(tái)上運(yùn)行。

    3.1 本文算法對(duì)復(fù)雜圖像的多閾值分割

    本文對(duì)Camera、Lenna、Baboon、Lake這幾幅經(jīng)典圖像進(jìn)行分割。分別對(duì)圖像進(jìn)行單閾值、雙閾值、三閾值、四閾值的分割。風(fēng)驅(qū)動(dòng)優(yōu)化算法的相關(guān)參數(shù)設(shè)置如下:空氣粒子數(shù)量為30,最大迭代次數(shù)為50次,空氣粒子速度最大為3,RT的值為3,的值為0.3、的值為0.4,的值為0.4。Tsallis相對(duì)熵中的值為0.8。本文算法對(duì)各圖像的分割結(jié)果如圖2所示,從上往下依次為:Camera、Lenna、Baboon、Lake,從左往右依次為:原始圖像、單閾值分割圖像、雙閾值分割圖像、三閾值分割圖像。

    從圖2中可以看出,本文算法的分割效果良好,能夠?qū)?fù)雜圖像進(jìn)行多閾值分割,分割出來(lái)的部分邊緣清晰,從圖2(d)Lake中可以看到,隨著閾值的增加,天空、云、樹,湖這幾者被有效地分割出來(lái),且分割出來(lái)的部分邊緣清晰,目標(biāo)完整。

    圖1 本文算法流程圖

    圖2 本文算法對(duì)各經(jīng)典圖像的分割結(jié)果

    3.2 窮舉算法、粒子群算法、本文算法對(duì)比分析

    為了驗(yàn)證本文算法的優(yōu)越性,將上述4幅圖像,分別用窮舉法、粒子群法和本文算法進(jìn)行三閾值分割。窮舉法采用窮舉的搜索模式來(lái)尋找函數(shù)的最優(yōu)值。為了使參數(shù)對(duì)比更加客觀,粒子群和風(fēng)驅(qū)動(dòng)算法的種群數(shù)量,最大速度,迭代次數(shù)均設(shè)置為一致。具體的參數(shù)設(shè)置:粒子群算法的參數(shù)設(shè)定如下:種群數(shù)量為30,學(xué)習(xí)因子1=2=2,最大速度為3、最大迭代次數(shù)為50。風(fēng)驅(qū)動(dòng)優(yōu)化算法的參數(shù)設(shè)定如下:空氣粒子數(shù)量為30,最大迭代次數(shù)為50次,空氣粒子速度最大為3,RT的值為3,的值為0.3、的值為0.4,的值為0.4。為了更好地評(píng)價(jià)本文方法,采用信噪比準(zhǔn)則定量分析算法性能。信噪比表達(dá)式為:

    其中均方根誤差(root mean square error,RMSE):

    從表1中可以看出,本文算法單閾值分割比窮舉法快約10倍,雙閾值分割比窮舉法快約2000倍,三閾值時(shí)比窮舉法快約25000倍??傮w上,本文算法相對(duì)于PSO(particle swarm optimization)相對(duì)熵算法快約1.4倍。從PSNR值來(lái)看,PSO相對(duì)熵算法的PSNR值最低,本文算法的PSNR值大于PSO相對(duì)熵算法,最接近于窮舉法??梢姳疚乃惴ǖ姆指钚Ч^好,計(jì)算時(shí)間更短。風(fēng)驅(qū)動(dòng)算法與PSO算法的區(qū)別是[17]:風(fēng)驅(qū)動(dòng)算法的速度更新方程中添加了附加條件(如重力和地球自轉(zhuǎn)偏向力),算法更加穩(wěn)定可靠,具有實(shí)際的物理意義,且尋優(yōu)效率高、收斂速度較快,還可以通過(guò)微調(diào)系數(shù)達(dá)到不同的優(yōu)化拓?fù)浣Y(jié)構(gòu)。

    3.3 Otsu、二維熵法、本文算法對(duì)比

    為了驗(yàn)證本文算法的優(yōu)越性,將獲得煤巖圖像、火焰圖像、紅外圖像作為實(shí)驗(yàn)對(duì)象,分別用Otsu、二維熵法[13]和本文算法進(jìn)行單閾值分割。其煤巖圖像的分割結(jié)果如圖3所示,火焰圖像的分割結(jié)果如圖4所示,紅外圖像的分割結(jié)果如圖5所示。利用區(qū)域內(nèi)部均勻性測(cè)度評(píng)價(jià)分割的好壞、均勻測(cè)度值越高,分割質(zhì)量越好。3種算法的對(duì)比數(shù)據(jù)如表2所示。

    表1 三種方法的PSNR和計(jì)算時(shí)間對(duì)比

    圖3 煤巖圖像的單閾值分割

    圖4 火焰圖像的單閾值分割

    圖5 紅外圖像的單閾值分割

    表2 圖像單閾值分割數(shù)據(jù)對(duì)比表

    分割結(jié)果相鄰分割區(qū)域之間的對(duì)比度越大越好,而每一個(gè)分割區(qū)域內(nèi)部一致性越高越好,這就是所謂的區(qū)域內(nèi)部均勻性,均勻測(cè)度值測(cè)量計(jì)算如下所示:

    式中:i表示分割區(qū)域R的大?。娣e);表示歸一化系數(shù)。

    從圖4中,可以明顯看到本文算法分割火焰時(shí),分割得到的火焰更加完整,其他兩種算法分割效果略遜于本文算法的分割結(jié)果。從圖5中可以看到,本文算法分割得到的管道更加完整,內(nèi)部均勻性也較前兩種算法更好。從表2中均勻測(cè)度值來(lái)看,本文算法的均勻測(cè)度值均大于OTSU算法和二維熵算法,表明本文的分割算法分割效果較好。在單閾值分割情況下,本文算法的運(yùn)行時(shí)間與OTSU算法的運(yùn)行時(shí)間基本相近,但二維熵法的運(yùn)行時(shí)間比本文算法的運(yùn)行時(shí)間長(zhǎng)了4倍左右??梢钥闯觯疚乃惴ㄔ谒俣壬先匀粌?yōu)于二維熵法。由此可以看出,本文算法在分割效果和分割時(shí)間上均具有一定的優(yōu)勢(shì)。

    4 結(jié)論

    本文提出了一種基于Tsallis相對(duì)熵與風(fēng)驅(qū)動(dòng)優(yōu)化算法的圖像多閾值分割算法。首先將Tsallis相對(duì)熵的單閾值分割推廣到Tsallis相對(duì)熵的多閾值分割,然后將Tsallis相對(duì)熵與風(fēng)驅(qū)動(dòng)優(yōu)化算法相結(jié)合,改善了多閾值分割中、計(jì)算量大、計(jì)算速度慢的問題。最后將提出的算法與窮舉法、粒子群算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明,基于Tsallis相對(duì)熵的多閾值分割,圖像分割效果較好、邊緣清晰。同時(shí)本文算法相比窮舉法快了約2500萬(wàn)倍、相比粒子群算法快了約1.4倍。本文算法相對(duì)于粒子群算法、收斂速度更快,收斂成功率更高。同時(shí)本文算法相對(duì)經(jīng)典的OTSU算法和基于二維熵的多閾值分割算法在分割效果和時(shí)間上均具有一定的優(yōu)勢(shì)。因此本文提出的算法能夠應(yīng)用于復(fù)雜圖像的多閾值分割。

    [1] 于洋, 孔琳, 虞闖. 自適應(yīng)粒子群集優(yōu)化二維OTSU的圖像閾值分割算法[J]. 電子測(cè)量與儀器學(xué)報(bào), 2017, 31(6): 827-832

    YU Yang, KONG Lin, YU Chuang. Image threshold segmentation algorithm based on adaptive particle swarm optimization of two dimensional OTSU[J].n, 2017, 31(6): 827-832

    [2] 馬英輝, 吳一全. 基于二維Renyi交叉熵的刀具磨損圖像分割[J]. 電子測(cè)量與儀器學(xué)報(bào), 2016, 30(12): 1869-1876.

    MA Yinghui, WU Yiquan. Image segmentation for tool wear based on 2D Renyi cross entropy[J]., 2016, 30(12): 1869-1876.

    [3] 聶方彥, 李建奇, 張平鳳, 等. 一種基于Tsallis相對(duì)熵的圖像分割閾值選取方法[J]. 激光與光電子學(xué)進(jìn)展, 2017, 54(7): 137-144.

    NIE Fangyan, LI Jianqi, ZHANG Pingfeng, et al. A threshold selection method for image segmentation based on Tsallis relative entropy[J]., 2017, 54(7): 137-144.

    [4] 夏平, 劉小妹, 雷幫軍, 等. 基于復(fù)小波域樹結(jié)構(gòu)化MRF模型的聲納圖像分割[J]. 儀器儀表學(xué)報(bào), 2016, 37(4): 895-903.

    XIA Ping, LIU Xiaomei, LEI Bangjun, et al. Sonar image segmentation based on tree-structured MRF model in complex-wavelet domain[J]., 2016, 37(4): 895-903.

    [5] 劉瓊, 史諾. 基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J]. 國(guó)外電子測(cè)量技術(shù), 2015, 34(4): 39-41,57.

    LIU Qiong, SHI Nuo. Farmland image segmentation based on Lab and YUV color spaces[J]., 2015, 34(4): 39-41, 57.

    [6] TIAN Y, LI J, YU S, et al. Learning complementary saliency priors for foreground object segmentation in complex scenes[J]., 2015, 111(2): 153-170.

    [7] Dirami A, Hammouche K, Diaf M, et al. Fast multilevel thresholding for image segmentation through a multiphase level set method[J]., 2013, 93(1): 139-153.

    [8] ZHANG X, XU C, LI M, et al. Sparse and low-rank coupling image segmentation model via nonconvex regularization[J]., 2015, 29(2): 1555004.

    [9] Sarkar S, Das S, Chaudhuri S S. A multilevel color image thresholding scheme based on minimum cross entropy and differential evolution[J]., 2015, 54: 27-35.

    [10] ZHANG J, LI H, TANG Z, et al. An improved quantum-inspired genetic algorithm for image multilevel thresholding segmentation[J/OL]., 2014: https:// www. hindawi.com/ journals/mpe/2014/295402/fig1/.

    [11] LI Y, JIAO L, SHANG R, et al. Dynamic-context cooperative quantum-behaved particle swarm optimization based on multilevel thresholding applied to medical image segmentation[J]., 2015, 294: 408-422.

    [12] Ghamisi P, Benediktsson J A. Feature selection based on hybridization of genetic algorithm and particle swarm optimization[J]., 2015, 12(2): 309-313.

    [13] 陳愷, 陳芳, 戴敏, 等. 基于螢火蟲算法的二維熵多閾值快速圖像分割[J]. 光學(xué)精密工程, 2014, 22(2): 517-523.

    CHEN Kai, CHEN Fang, DAI Min, et al. Fast image segmentation with multilevel threshold of two-dimensional entropy based on firefly algorithm[J]., 2014, 22(2):517-523.

    [14] Bhandari A K, Singh V K, Kumar A, et al. Cuckoo search algorithm and wind driven optimization based study of satellite image segmentation for multilevel thresholding using Kapur’s entropy[J]., 2014, 41(7): 3538-3560.

    [15] 任作琳, 張儒劍, 田雨波. 風(fēng)驅(qū)動(dòng)優(yōu)化算法[J]. 江蘇科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2015, 29(2): 153-158.

    REN Zuolin, ZHANG Ruijian, TIAN Yubo. Wind driven optimization algorithm[J].: Natural Science Edition, 2015, 29(2): 153-158.

    [16] 田棟, 曹中清, 陳彬彬, 等. 基于目標(biāo)跟蹤的風(fēng)驅(qū)動(dòng)優(yōu)化粒子濾波算法研究[J].微電子學(xué)與計(jì)算機(jī), 2017(5): 30-34.

    TIAN Dong, CAO Zhongqing, CHEN Binbin, et al. Research on wind driven optimization particle filter algorithm based on target tracking[J]., 2017(5): 30-34.

    [17] 張?zhí)炷? 基于風(fēng)驅(qū)動(dòng)算法及小波神經(jīng)網(wǎng)絡(luò)的有限元模型修正研究[D]. 北京: 北京交通大學(xué), 2018.

    ZHANG TianNeng. Finite Element Model Updating Based on Wind Driven Optimization and Wavelet Neural Network[D]. Beijing: Beijing Jiaotong University, 2018.

    Fast Image Segmentation with Multilevel Threshold Based on Tsallis Relative Entropy and Wind-Driven Optimization Algorithm

    LI Fenhong1,LU Jing1,ZHANG Zhiguang2

    (1.,,726000,;2.,,100124,)

    This paper proposes a fast image-segmentation algorithm with a multilevel threshold based on the Tsallis relative entropy and wind-driven optimization algorithm. First, the principle of the Tsallis relative entropy is analyzed, and single threshold segmentation is extended to multilevel threshold segmentation. Then, a Gauss distribution is used to fit the image histogram information after segmentation, and the Tsallis relative entropy is used to determine the best segmentation threshold. To improve the speed of the threshold-segmentation algorithm, a wind-driven optimization algorithm is used to find the optimal solution of the Tsallis relative-entropy function. Finally, the proposed algorithm is compared with exhaustive and particle swarm optimization algorithms.The proposed algorithm is also compared with the Otsu algorithm and the multi threshold-segmentation method based on two-dimensional entropy. The experimental results show that the proposed algorithm can be used for multi-threshold segmentation of images with high speed and high accuracy.

    image segmentation, Tsallis relative entropy, Gaussian distribution, wind driven optimization, particle swarm optimization

    A

    1001-8891(2020)10-0994-07

    2018-11-07;

    2020-09-15.

    李粉紅(1978-),女,陜西商州人,碩士,副教授,研究方向:應(yīng)用數(shù)學(xué)、智能算法及應(yīng)用、數(shù)據(jù)分析與處理,E-mail:lifenhong8327@126.com。

    陜西省科技廳項(xiàng)目(2020JM-630);陜西省教育廳項(xiàng)目(17JK0240);陜西省社科界重大理論與現(xiàn)實(shí)問題研究(2018Z168)。

    猜你喜歡
    閾值粒子空氣
    [呼吸的空氣]Die Luft zum Atmen讓我們把它推遲到明日
    小波閾值去噪在深小孔鉆削聲發(fā)射信號(hào)處理中的應(yīng)用
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    我要買空氣
    那些你意想不到的神回復(fù)
    室內(nèi)表面平均氡析出率閾值探討
    早晨的空氣真的好嗎
    99热6这里只有精品| 免费av不卡在线播放| 五月开心婷婷网| 黄色日韩在线| 亚洲不卡免费看| 99久久人妻综合| 观看免费一级毛片| 不卡视频在线观看欧美| 麻豆久久精品国产亚洲av| 亚洲第一区二区三区不卡| 久久久久久久久久成人| 国产男女超爽视频在线观看| 2022亚洲国产成人精品| 少妇人妻 视频| 久久久久久国产a免费观看| 亚洲精品久久午夜乱码| 日韩 亚洲 欧美在线| 18禁动态无遮挡网站| 最近最新中文字幕大全电影3| 一级毛片aaaaaa免费看小| 高清毛片免费看| 免费黄网站久久成人精品| 一级黄片播放器| 亚洲精品乱码久久久v下载方式| 国产色婷婷99| 又爽又黄a免费视频| 亚洲av成人精品一区久久| 久久亚洲国产成人精品v| 免费少妇av软件| 国产成人一区二区在线| 精品少妇黑人巨大在线播放| av网站免费在线观看视频| 国产一区二区三区av在线| 免费电影在线观看免费观看| 亚洲综合精品二区| 国产在线一区二区三区精| 80岁老熟妇乱子伦牲交| 五月开心婷婷网| 日韩伦理黄色片| 国产男女内射视频| 国产精品成人在线| 91精品一卡2卡3卡4卡| 精品久久久久久久久av| 日韩精品有码人妻一区| 亚洲精品色激情综合| 观看美女的网站| 亚洲婷婷狠狠爱综合网| 久久精品久久久久久久性| 日本黄色片子视频| 免费人成在线观看视频色| 人妻一区二区av| .国产精品久久| 天天躁夜夜躁狠狠久久av| 日韩精品有码人妻一区| 嫩草影院新地址| 亚洲最大成人手机在线| 丝瓜视频免费看黄片| 国产精品国产av在线观看| 国产成人freesex在线| 看免费成人av毛片| 美女脱内裤让男人舔精品视频| av在线观看视频网站免费| 亚洲av男天堂| 天天躁日日操中文字幕| 啦啦啦啦在线视频资源| 日韩欧美一区视频在线观看 | 精品人妻一区二区三区麻豆| 午夜免费男女啪啪视频观看| .国产精品久久| 亚洲成人精品中文字幕电影| 久久久精品94久久精品| 五月天丁香电影| 在线免费观看不下载黄p国产| 亚洲精品乱码久久久v下载方式| 18+在线观看网站| 一级毛片黄色毛片免费观看视频| 黄片wwwwww| 久久久久久伊人网av| 亚洲av电影在线观看一区二区三区 | 国产黄色视频一区二区在线观看| 国产高清三级在线| 天天躁夜夜躁狠狠久久av| 精品久久久久久电影网| 久久99热这里只频精品6学生| 亚洲国产成人一精品久久久| a级一级毛片免费在线观看| 亚洲av二区三区四区| 亚洲精品乱码久久久久久按摩| 欧美另类一区| 五月天丁香电影| 成年女人在线观看亚洲视频 | 国模一区二区三区四区视频| 成人鲁丝片一二三区免费| 国产大屁股一区二区在线视频| 国产午夜福利久久久久久| 男女下面进入的视频免费午夜| 成人特级av手机在线观看| 亚洲欧洲日产国产| 国产v大片淫在线免费观看| 久久久精品免费免费高清| 波野结衣二区三区在线| 日韩av在线免费看完整版不卡| 亚洲一级一片aⅴ在线观看| 日本av手机在线免费观看| 国产淫片久久久久久久久| 国产69精品久久久久777片| 99久久人妻综合| av福利片在线观看| 黄片wwwwww| 在线观看国产h片| 亚洲av免费高清在线观看| 狠狠精品人妻久久久久久综合| 亚洲av中文字字幕乱码综合| 日韩一区二区三区影片| 国产精品国产av在线观看| 亚洲欧美精品自产自拍| 国产一区亚洲一区在线观看| av一本久久久久| 日韩免费高清中文字幕av| 国产91av在线免费观看| 亚洲精品乱码久久久久久按摩| 国产真实伦视频高清在线观看| 日本猛色少妇xxxxx猛交久久| 欧美成人a在线观看| 国产老妇伦熟女老妇高清| 午夜视频国产福利| 欧美精品人与动牲交sv欧美| 国产一区亚洲一区在线观看| 久久久久九九精品影院| 免费看不卡的av| 国产免费福利视频在线观看| 七月丁香在线播放| 2018国产大陆天天弄谢| 五月天丁香电影| 一级爰片在线观看| 老司机影院毛片| 自拍欧美九色日韩亚洲蝌蚪91 | 18+在线观看网站| 制服丝袜香蕉在线| 国产伦精品一区二区三区视频9| 欧美日韩视频高清一区二区三区二| 午夜激情福利司机影院| 小蜜桃在线观看免费完整版高清| 亚洲av成人精品一二三区| 亚洲自偷自拍三级| 国产黄片视频在线免费观看| 特大巨黑吊av在线直播| 色综合色国产| av一本久久久久| 亚洲精品国产av成人精品| 黄色视频在线播放观看不卡| 水蜜桃什么品种好| 亚洲精品日本国产第一区| 成年人午夜在线观看视频| 国内精品宾馆在线| 中文字幕亚洲精品专区| 精品99又大又爽又粗少妇毛片| 熟妇人妻不卡中文字幕| 在线观看一区二区三区激情| 精品久久久噜噜| 男人添女人高潮全过程视频| 国产欧美日韩精品一区二区| 久久久精品免费免费高清| 久久久久国产网址| 精华霜和精华液先用哪个| 舔av片在线| 日本三级黄在线观看| 国产成人精品福利久久| 99热国产这里只有精品6| 在线观看美女被高潮喷水网站| 亚洲人与动物交配视频| 国产毛片在线视频| 国产 一区精品| 久久久久久久午夜电影| 国产 精品1| 国产午夜精品一二区理论片| 国产精品福利在线免费观看| 久久久久久国产a免费观看| 国产精品久久久久久精品电影小说 | 国产精品女同一区二区软件| 97精品久久久久久久久久精品| 成人一区二区视频在线观看| 三级国产精品欧美在线观看| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲精品亚洲一区二区| 噜噜噜噜噜久久久久久91| 好男人在线观看高清免费视频| av线在线观看网站| 三级经典国产精品| 少妇的逼好多水| 国模一区二区三区四区视频| 老师上课跳d突然被开到最大视频| 成人免费观看视频高清| 26uuu在线亚洲综合色| 亚洲av一区综合| a级毛色黄片| 精品久久久久久久人妻蜜臀av| 午夜福利网站1000一区二区三区| 亚洲自偷自拍三级| 在线免费观看不下载黄p国产| 亚洲成色77777| 99热国产这里只有精品6| 丝袜美腿在线中文| 超碰97精品在线观看| 特级一级黄色大片| 少妇丰满av| 激情 狠狠 欧美| 亚洲图色成人| 国产白丝娇喘喷水9色精品| 99久久精品热视频| 性色avwww在线观看| 欧美老熟妇乱子伦牲交| 欧美日韩视频精品一区| 欧美日韩视频高清一区二区三区二| 国产高清三级在线| 欧美精品一区二区大全| 舔av片在线| 99热6这里只有精品| 18+在线观看网站| 亚洲激情五月婷婷啪啪| 一级a做视频免费观看| 2021少妇久久久久久久久久久| 久久久a久久爽久久v久久| 人体艺术视频欧美日本| 一边亲一边摸免费视频| a级毛色黄片| 中国美白少妇内射xxxbb| 国产亚洲5aaaaa淫片| 日日摸夜夜添夜夜添av毛片| 各种免费的搞黄视频| 久久午夜福利片| 久久精品国产a三级三级三级| 夫妻性生交免费视频一级片| 国产精品秋霞免费鲁丝片| 欧美成人a在线观看| 久久精品国产a三级三级三级| 久久久久久久久久人人人人人人| 国产男人的电影天堂91| 久久人人爽人人片av| av福利片在线观看| 免费电影在线观看免费观看| 欧美成人精品欧美一级黄| 黄色配什么色好看| 精品久久久久久电影网| 欧美极品一区二区三区四区| 夜夜看夜夜爽夜夜摸| 成人国产av品久久久| 黄片无遮挡物在线观看| 久久久久久久午夜电影| 蜜桃久久精品国产亚洲av| 亚洲av二区三区四区| 亚洲欧洲国产日韩| 久久97久久精品| 国产日韩欧美在线精品| 国产一区二区三区av在线| 免费观看无遮挡的男女| 日韩视频在线欧美| 国产 一区精品| av卡一久久| 国产大屁股一区二区在线视频| 三级国产精品欧美在线观看| 国产精品久久久久久精品电影| 69av精品久久久久久| 新久久久久国产一级毛片| 三级男女做爰猛烈吃奶摸视频| 高清日韩中文字幕在线| 最近的中文字幕免费完整| 中文资源天堂在线| 在线观看一区二区三区| 久久韩国三级中文字幕| 久久久久久久亚洲中文字幕| 80岁老熟妇乱子伦牲交| 18+在线观看网站| 天堂中文最新版在线下载 | 亚洲国产欧美在线一区| 久久午夜福利片| 久久精品国产亚洲av涩爱| 日韩伦理黄色片| 18禁在线无遮挡免费观看视频| 欧美老熟妇乱子伦牲交| 高清日韩中文字幕在线| 日韩一区二区三区影片| 亚洲av国产av综合av卡| 91精品伊人久久大香线蕉| 老师上课跳d突然被开到最大视频| 欧美区成人在线视频| 麻豆国产97在线/欧美| 青春草国产在线视频| av在线老鸭窝| 精品国产三级普通话版| 下体分泌物呈黄色| 五月开心婷婷网| 亚洲av成人精品一二三区| 中文乱码字字幕精品一区二区三区| 午夜视频国产福利| 啦啦啦在线观看免费高清www| 久久精品国产亚洲网站| 欧美最新免费一区二区三区| 欧美精品国产亚洲| 国产 一区 欧美 日韩| 男的添女的下面高潮视频| 嫩草影院精品99| 老师上课跳d突然被开到最大视频| 国产永久视频网站| 亚洲,一卡二卡三卡| 国产又色又爽无遮挡免| 日本wwww免费看| 麻豆成人午夜福利视频| 亚洲性久久影院| 亚洲伊人久久精品综合| 麻豆精品久久久久久蜜桃| 国产探花在线观看一区二区| 男的添女的下面高潮视频| 黄色怎么调成土黄色| videos熟女内射| 男的添女的下面高潮视频| 免费观看性生交大片5| 中文字幕制服av| 深夜a级毛片| 一区二区三区免费毛片| 少妇的逼水好多| 亚洲成人中文字幕在线播放| 国语对白做爰xxxⅹ性视频网站| 国产欧美亚洲国产| 少妇的逼好多水| 少妇人妻精品综合一区二区| 人体艺术视频欧美日本| 久久人人爽av亚洲精品天堂 | 18+在线观看网站| 日韩中字成人| 韩国高清视频一区二区三区| 国产精品久久久久久久电影| 高清av免费在线| 免费黄频网站在线观看国产| 少妇被粗大猛烈的视频| 久热久热在线精品观看| 人妻夜夜爽99麻豆av| 午夜免费鲁丝| 国产成人a区在线观看| 欧美精品人与动牲交sv欧美| 日日摸夜夜添夜夜爱| 国产色婷婷99| 最新中文字幕久久久久| 国产爽快片一区二区三区| 亚洲av欧美aⅴ国产| 亚洲av成人精品一二三区| 狠狠精品人妻久久久久久综合| 成人毛片60女人毛片免费| 少妇的逼好多水| 成人综合一区亚洲| eeuss影院久久| 91精品国产九色| av.在线天堂| 高清欧美精品videossex| 日韩在线高清观看一区二区三区| 国产精品久久久久久精品电影| 久久精品国产a三级三级三级| 精品人妻偷拍中文字幕| 午夜激情福利司机影院| 日本免费在线观看一区| 最后的刺客免费高清国语| 国产成人午夜福利电影在线观看| 少妇人妻久久综合中文| 国产日韩欧美亚洲二区| 国产精品成人在线| 国产精品久久久久久精品古装| 在线天堂最新版资源| 国产在视频线精品| 网址你懂的国产日韩在线| 免费观看无遮挡的男女| 亚洲精品一二三| 日韩精品有码人妻一区| 又爽又黄a免费视频| 少妇丰满av| 亚洲美女搞黄在线观看| 成人国产麻豆网| 麻豆精品久久久久久蜜桃| 自拍偷自拍亚洲精品老妇| 午夜老司机福利剧场| 国产毛片在线视频| 黄色怎么调成土黄色| 午夜免费观看性视频| 菩萨蛮人人尽说江南好唐韦庄| 尤物成人国产欧美一区二区三区| 中文欧美无线码| av国产久精品久网站免费入址| 波野结衣二区三区在线| 午夜亚洲福利在线播放| 一级爰片在线观看| 国产男女内射视频| 国产 一区 欧美 日韩| 日韩一本色道免费dvd| 在线观看免费高清a一片| 久久久欧美国产精品| 黄片wwwwww| 国产精品久久久久久精品古装| 国内精品美女久久久久久| 亚洲欧洲国产日韩| 久久人人爽人人爽人人片va| 亚洲欧美中文字幕日韩二区| 久久鲁丝午夜福利片| 中国国产av一级| 午夜免费观看性视频| 亚州av有码| 精品人妻一区二区三区麻豆| 国产伦精品一区二区三区视频9| 亚洲av不卡在线观看| 久久久亚洲精品成人影院| 美女cb高潮喷水在线观看| 欧美+日韩+精品| 国产一区二区亚洲精品在线观看| 在线观看一区二区三区激情| 色吧在线观看| 97在线人人人人妻| 男女下面进入的视频免费午夜| 婷婷色av中文字幕| 亚洲av中文av极速乱| 免费观看的影片在线观看| 搞女人的毛片| 18禁裸乳无遮挡动漫免费视频 | 岛国毛片在线播放| 亚州av有码| 97在线人人人人妻| 在线精品无人区一区二区三 | 精品酒店卫生间| 久久久成人免费电影| 乱系列少妇在线播放| kizo精华| av免费观看日本| 久久99热6这里只有精品| 十八禁网站网址无遮挡 | 色哟哟·www| 婷婷色综合www| 久热这里只有精品99| 亚洲精品亚洲一区二区| 色视频在线一区二区三区| 亚洲成人一二三区av| 久久久久久久久久久免费av| 亚洲av成人精品一二三区| 大片免费播放器 马上看| 特大巨黑吊av在线直播| 中文字幕av成人在线电影| 国产精品精品国产色婷婷| 日本黄色片子视频| 亚洲,欧美,日韩| 亚洲美女视频黄频| 韩国高清视频一区二区三区| 成人亚洲欧美一区二区av| 五月天丁香电影| 最近中文字幕2019免费版| 久久久久久久精品精品| 夜夜爽夜夜爽视频| 我的女老师完整版在线观看| 成年av动漫网址| 日本与韩国留学比较| 麻豆成人午夜福利视频| 国产成人精品久久久久久| 国产精品三级大全| 亚洲最大成人中文| 搡老乐熟女国产| 亚洲av成人精品一区久久| 色吧在线观看| 女的被弄到高潮叫床怎么办| 欧美xxⅹ黑人| 亚洲精品日韩av片在线观看| 亚洲天堂av无毛| 毛片一级片免费看久久久久| 别揉我奶头 嗯啊视频| 1000部很黄的大片| 听说在线观看完整版免费高清| 欧美成人午夜免费资源| 亚洲成色77777| 国产亚洲午夜精品一区二区久久 | 观看免费一级毛片| 亚洲精品aⅴ在线观看| 免费电影在线观看免费观看| 尤物成人国产欧美一区二区三区| 亚洲熟女精品中文字幕| 狂野欧美白嫩少妇大欣赏| 在线天堂最新版资源| 久久久久久久精品精品| 久久久精品免费免费高清| 五月玫瑰六月丁香| 777米奇影视久久| 国产日韩欧美亚洲二区| 日日啪夜夜撸| 亚洲欧美日韩另类电影网站 | 一级av片app| 成年版毛片免费区| 日韩制服骚丝袜av| 日本欧美国产在线视频| 熟女av电影| 久久久成人免费电影| 国产精品伦人一区二区| 91午夜精品亚洲一区二区三区| 插阴视频在线观看视频| 免费大片黄手机在线观看| 26uuu在线亚洲综合色| 久久99热6这里只有精品| 男人舔奶头视频| 97热精品久久久久久| 国产成人一区二区在线| 亚洲国产精品成人综合色| 国产午夜福利久久久久久| 99热这里只有是精品在线观看| 菩萨蛮人人尽说江南好唐韦庄| 美女被艹到高潮喷水动态| 少妇裸体淫交视频免费看高清| .国产精品久久| 狂野欧美激情性bbbbbb| 国产精品秋霞免费鲁丝片| 99久久精品一区二区三区| 欧美zozozo另类| 国产成人精品久久久久久| 干丝袜人妻中文字幕| 国产成人91sexporn| av专区在线播放| 麻豆国产97在线/欧美| 老女人水多毛片| 亚洲av中文av极速乱| 久久久久网色| 欧美激情久久久久久爽电影| 男人爽女人下面视频在线观看| 欧美三级亚洲精品| 男人和女人高潮做爰伦理| 大话2 男鬼变身卡| 国产美女午夜福利| 男女下面进入的视频免费午夜| 国产精品熟女久久久久浪| 国产精品福利在线免费观看| 女人被狂操c到高潮| av免费在线看不卡| 国产大屁股一区二区在线视频| 免费av毛片视频| 久久精品国产鲁丝片午夜精品| 精品久久久久久电影网| 涩涩av久久男人的天堂| 一区二区三区精品91| 日韩欧美精品免费久久| 免费黄频网站在线观看国产| 一级片'在线观看视频| 欧美一级a爱片免费观看看| 免费大片18禁| 99久久九九国产精品国产免费| 最近中文字幕高清免费大全6| 国产免费一级a男人的天堂| 寂寞人妻少妇视频99o| 精品少妇久久久久久888优播| 内地一区二区视频在线| 成人毛片a级毛片在线播放| 国产精品一区www在线观看| 亚洲欧美日韩东京热| 欧美少妇被猛烈插入视频| 欧美日韩亚洲高清精品| h日本视频在线播放| av在线天堂中文字幕| 欧美一级a爱片免费观看看| 又大又黄又爽视频免费| 亚洲欧美日韩另类电影网站 | 六月丁香七月| 欧美+日韩+精品| 国产av不卡久久| 国产爽快片一区二区三区| 夫妻性生交免费视频一级片| 观看美女的网站| 亚洲av在线观看美女高潮| 2021天堂中文幕一二区在线观| 性色avwww在线观看| 人妻 亚洲 视频| 中国国产av一级| 夜夜爽夜夜爽视频| 国产成人91sexporn| 又爽又黄无遮挡网站| 亚洲电影在线观看av| 欧美zozozo另类| 人体艺术视频欧美日本| 校园人妻丝袜中文字幕| av专区在线播放| 亚洲自偷自拍三级| 内地一区二区视频在线| av播播在线观看一区| 成人二区视频| 少妇人妻 视频| 亚洲精品一区蜜桃| 我的女老师完整版在线观看| 欧美丝袜亚洲另类| 欧美日韩视频精品一区| 亚洲美女搞黄在线观看| 中国三级夫妇交换| 欧美一级a爱片免费观看看| 欧美少妇被猛烈插入视频| 国产成人一区二区在线| 免费大片18禁| 久久鲁丝午夜福利片| 狂野欧美白嫩少妇大欣赏| 黄片无遮挡物在线观看| 免费黄网站久久成人精品| av免费在线看不卡| 国产成人精品一,二区| 国产成年人精品一区二区| 国产精品蜜桃在线观看| 亚洲天堂av无毛| 免费看日本二区| 国产成人91sexporn| 成人综合一区亚洲| 激情 狠狠 欧美| 免费大片黄手机在线观看| 69av精品久久久久久| 欧美亚洲 丝袜 人妻 在线| 国产一级毛片在线| 久久久成人免费电影| 男人添女人高潮全过程视频| 国国产精品蜜臀av免费| 少妇的逼水好多| 偷拍熟女少妇极品色|