• <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
    av天堂在线播放| 国产视频一区二区在线看| 99视频精品全部免费 在线| 一进一出抽搐gif免费好疼| 男人舔女人下体高潮全视频| 亚洲av第一区精品v没综合| 亚洲欧美中文字幕日韩二区| 日本一本二区三区精品| 亚洲成人av在线免费| av国产免费在线观看| 国产精品爽爽va在线观看网站| 最后的刺客免费高清国语| 精品午夜福利视频在线观看一区| 97超碰精品成人国产| av.在线天堂| 国内揄拍国产精品人妻在线| 女人十人毛片免费观看3o分钟| 在线看三级毛片| 亚洲丝袜综合中文字幕| 1000部很黄的大片| 色综合站精品国产| 日韩 亚洲 欧美在线| 精品久久久久久久久久免费视频| 在线观看66精品国产| 精品人妻视频免费看| a级毛片a级免费在线| 好男人在线观看高清免费视频| 久久久久精品国产欧美久久久| 久久久久国产精品人妻aⅴ院| 人人妻人人澡欧美一区二区| 18禁在线播放成人免费| 91精品国产九色| 91在线观看av| 亚洲精品一区av在线观看| 国产一区二区亚洲精品在线观看| 日韩 亚洲 欧美在线| 成人一区二区视频在线观看| 天天躁夜夜躁狠狠久久av| 亚洲国产欧洲综合997久久,| 男人和女人高潮做爰伦理| 别揉我奶头 嗯啊视频| 不卡视频在线观看欧美| 18禁黄网站禁片免费观看直播| 中国国产av一级| 可以在线观看的亚洲视频| 亚洲欧美日韩高清在线视频| 日韩欧美 国产精品| 黑人高潮一二区| 一级毛片我不卡| 久久精品国产亚洲av天美| 免费无遮挡裸体视频| 婷婷色综合大香蕉| 少妇猛男粗大的猛烈进出视频 | 久久久国产成人免费| 亚洲天堂国产精品一区在线| 国产精品亚洲一级av第二区| 99热只有精品国产| 春色校园在线视频观看| 国产在线精品亚洲第一网站| 1000部很黄的大片| 中文字幕熟女人妻在线| 国产亚洲欧美98| 国产伦一二天堂av在线观看| 日本色播在线视频| 91久久精品国产一区二区成人| 91精品国产九色| 亚洲欧美日韩东京热| 欧美日韩在线观看h| 99九九线精品视频在线观看视频| 免费看av在线观看网站| 国产午夜精品论理片| 亚洲真实伦在线观看| 噜噜噜噜噜久久久久久91| 欧美xxxx性猛交bbbb| 啦啦啦韩国在线观看视频| 精品一区二区三区人妻视频| 久久久久久久午夜电影| 夜夜夜夜夜久久久久| 国产精品不卡视频一区二区| 91av网一区二区| 成人午夜高清在线视频| 一本精品99久久精品77| 身体一侧抽搐| 麻豆国产97在线/欧美| 在线免费十八禁| a级一级毛片免费在线观看| 男女啪啪激烈高潮av片| 亚洲精品国产成人久久av| 美女 人体艺术 gogo| 少妇的逼水好多| 日韩av不卡免费在线播放| 久久精品综合一区二区三区| 美女高潮的动态| 日韩成人伦理影院| 五月伊人婷婷丁香| 日韩欧美精品免费久久| 免费人成在线观看视频色| 一区二区三区高清视频在线| 日韩强制内射视频| 男人狂女人下面高潮的视频| 99久国产av精品| 亚洲在线自拍视频| 国产乱人视频| 最近视频中文字幕2019在线8| 在线看三级毛片| 熟妇人妻久久中文字幕3abv| 精品一区二区免费观看| 午夜爱爱视频在线播放| 亚洲性久久影院| 精品人妻视频免费看| av视频在线观看入口| 亚洲久久久久久中文字幕| 国产白丝娇喘喷水9色精品| 国产高清激情床上av| 六月丁香七月| 青春草视频在线免费观看| 亚洲成人久久性| 久久精品影院6| 亚洲成人久久爱视频| 国产精品人妻久久久久久| av中文乱码字幕在线| 最近中文字幕高清免费大全6| 亚洲人成网站在线播| 黄色日韩在线| 成年女人永久免费观看视频| 人妻久久中文字幕网| 亚洲经典国产精华液单| 亚洲熟妇熟女久久| 一级av片app| 黄色一级大片看看| 国产精品久久久久久精品电影| 99riav亚洲国产免费| 精品久久久久久久久久免费视频| av在线观看视频网站免费| 日韩成人av中文字幕在线观看 | 亚洲av美国av| 日韩亚洲欧美综合| 欧美人与善性xxx| 3wmmmm亚洲av在线观看| 午夜福利视频1000在线观看| 亚洲精华国产精华液的使用体验 | or卡值多少钱| 亚洲人成网站在线播| 亚洲中文字幕日韩| 综合色av麻豆| 亚洲国产精品久久男人天堂| 国产三级中文精品| 卡戴珊不雅视频在线播放| 午夜久久久久精精品| 色哟哟哟哟哟哟| 我要看日韩黄色一级片| 特大巨黑吊av在线直播| 不卡一级毛片| 欧美性感艳星| 午夜久久久久精精品| 国产爱豆传媒在线观看| 日日干狠狠操夜夜爽| 乱码一卡2卡4卡精品| 国产精品一区二区性色av| 亚洲最大成人av| 亚洲精品456在线播放app| 欧美日韩综合久久久久久| 国产高清视频在线观看网站| 在线免费观看不下载黄p国产| 内射极品少妇av片p| 精品国产三级普通话版| 熟女人妻精品中文字幕| 婷婷亚洲欧美| 亚洲无线在线观看| 别揉我奶头 嗯啊视频| 身体一侧抽搐| 少妇猛男粗大的猛烈进出视频 | h日本视频在线播放| 国产高清视频在线观看网站| 国产精品一二三区在线看| 国产毛片a区久久久久| 国产精品,欧美在线| 51国产日韩欧美| 两性午夜刺激爽爽歪歪视频在线观看| 久久婷婷人人爽人人干人人爱| 亚洲av免费高清在线观看| 亚洲成av人片在线播放无| 一a级毛片在线观看| 午夜福利视频1000在线观看| 欧美绝顶高潮抽搐喷水| 久久久久久伊人网av| 国产人妻一区二区三区在| 国产亚洲精品av在线| 国内揄拍国产精品人妻在线| 一级黄片播放器| 国产精品乱码一区二三区的特点| 日韩欧美三级三区| 欧美色欧美亚洲另类二区| 99久久九九国产精品国产免费| 国产高清视频在线观看网站| 亚洲一区高清亚洲精品| 不卡一级毛片| 免费人成视频x8x8入口观看| 亚洲中文日韩欧美视频| 精品国产三级普通话版| 熟女人妻精品中文字幕| 三级男女做爰猛烈吃奶摸视频| 九色成人免费人妻av| 干丝袜人妻中文字幕| 欧美日韩综合久久久久久| a级毛片a级免费在线| 日本三级黄在线观看| 国产精品一区二区性色av| 日韩成人av中文字幕在线观看 | 九九热线精品视视频播放| 欧美成人精品欧美一级黄| 你懂的网址亚洲精品在线观看 | 色吧在线观看| 夜夜夜夜夜久久久久| 国产亚洲精品久久久久久毛片| 久久久精品94久久精品| 尤物成人国产欧美一区二区三区| 国产三级在线视频| 久久久国产成人免费| 成人高潮视频无遮挡免费网站| 国产精品国产三级国产av玫瑰| 99热这里只有是精品在线观看| 欧美日韩综合久久久久久| 中文字幕熟女人妻在线| 精品国内亚洲2022精品成人| 婷婷色综合大香蕉| 国产中年淑女户外野战色| 三级经典国产精品| 中国国产av一级| 国产又黄又爽又无遮挡在线| av国产免费在线观看| 亚洲国产精品成人久久小说 | 18禁黄网站禁片免费观看直播| 男人和女人高潮做爰伦理| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品日韩av在线免费观看| 国内精品宾馆在线| 欧美激情国产日韩精品一区| 有码 亚洲区| 成人亚洲精品av一区二区| 九九在线视频观看精品| 综合色丁香网| av专区在线播放| avwww免费| 国产黄色视频一区二区在线观看 | 99久久精品一区二区三区| 国产不卡一卡二| 亚洲欧美中文字幕日韩二区| 成人特级黄色片久久久久久久| 乱人视频在线观看| 国产色婷婷99| www.色视频.com| 免费在线观看成人毛片| 亚洲经典国产精华液单| 黄色视频,在线免费观看| 亚洲天堂国产精品一区在线| 久久精品久久久久久噜噜老黄 | 精品久久久久久久末码| 国产成人一区二区在线| 精品久久久久久久久av| 又爽又黄a免费视频| 国产三级在线视频| 一进一出抽搐动态| 国产免费一级a男人的天堂| 成人午夜高清在线视频| 国产伦一二天堂av在线观看| 亚洲精品国产成人久久av| 最近最新中文字幕大全电影3| 美女大奶头视频| 欧美色视频一区免费| 一个人看视频在线观看www免费| 精品乱码久久久久久99久播| 欧美另类亚洲清纯唯美| 日本与韩国留学比较| 午夜福利视频1000在线观看| 少妇高潮的动态图| 综合色丁香网| 久久久久久久久中文| 日韩欧美三级三区| 99久久成人亚洲精品观看| 亚洲成人精品中文字幕电影| 51国产日韩欧美| 九九在线视频观看精品| 六月丁香七月| 又黄又爽又免费观看的视频| 18禁在线播放成人免费| 小蜜桃在线观看免费完整版高清| 亚洲国产欧洲综合997久久,| 国产精品永久免费网站| 精华霜和精华液先用哪个| 人妻少妇偷人精品九色| 三级国产精品欧美在线观看| 日本一二三区视频观看| 看十八女毛片水多多多| 成人午夜高清在线视频| 在线播放无遮挡| 亚洲av成人av| 亚洲欧美日韩高清在线视频| 丰满的人妻完整版| 亚洲人成网站在线播| 久久人人精品亚洲av| av女优亚洲男人天堂| 国产精品亚洲一级av第二区| 久久午夜福利片| 国产午夜精品论理片| 精品久久国产蜜桃| 黄色欧美视频在线观看| 亚洲av免费在线观看| 亚洲精品乱码久久久v下载方式| 国产精品无大码| 久99久视频精品免费| 你懂的网址亚洲精品在线观看 | 97在线视频观看| 真实男女啪啪啪动态图| 国产私拍福利视频在线观看| 午夜久久久久精精品| 一a级毛片在线观看| 美女高潮的动态| 97碰自拍视频| 成人性生交大片免费视频hd| 色哟哟哟哟哟哟| 日韩欧美精品免费久久| 精品不卡国产一区二区三区| 天天躁日日操中文字幕| 黄色配什么色好看| 亚洲av熟女| 亚洲国产日韩欧美精品在线观看| 久久久久久久午夜电影| 午夜视频国产福利| 精品久久国产蜜桃| 成人美女网站在线观看视频| 99久久精品热视频| 国产乱人偷精品视频| 午夜a级毛片| 一级av片app| 国产av在哪里看| 亚洲人与动物交配视频| 亚洲成人久久性| 亚洲四区av| 变态另类成人亚洲欧美熟女| 夜夜爽天天搞| 伦理电影大哥的女人| 校园人妻丝袜中文字幕| 国产探花极品一区二区| 亚洲无线在线观看| 国产精品不卡视频一区二区| 偷拍熟女少妇极品色| 精品国内亚洲2022精品成人| 亚洲av成人av| 亚洲丝袜综合中文字幕| 久久精品综合一区二区三区| 欧美最黄视频在线播放免费| 久久人人爽人人爽人人片va| 日韩大尺度精品在线看网址| 国产成年人精品一区二区| 国产乱人偷精品视频| 久久亚洲精品不卡| 99久久成人亚洲精品观看| 亚洲欧美成人综合另类久久久 | 亚洲国产色片| 一区二区三区高清视频在线| 国产成人aa在线观看| 国内精品美女久久久久久| 国产亚洲av嫩草精品影院| 国产高清不卡午夜福利| 一区二区三区免费毛片| av天堂中文字幕网| 18禁在线无遮挡免费观看视频 | 亚洲最大成人手机在线| 日本-黄色视频高清免费观看| 一边摸一边抽搐一进一小说| 久久精品91蜜桃| 一本久久中文字幕| 亚洲一区二区三区色噜噜| 一级毛片我不卡| 国产视频一区二区在线看| 国模一区二区三区四区视频| 亚洲电影在线观看av| 一级毛片我不卡| 国产视频一区二区在线看| 国产精品久久视频播放| 一级黄色大片毛片| 国产亚洲av嫩草精品影院| 欧美三级亚洲精品| 麻豆国产av国片精品| 永久网站在线| 麻豆成人午夜福利视频| 亚洲av中文av极速乱| 99热全是精品| 亚洲乱码一区二区免费版| 麻豆精品久久久久久蜜桃| 亚洲精品日韩在线中文字幕 | 欧美潮喷喷水| 国产精品爽爽va在线观看网站| 在线国产一区二区在线| 久久久精品欧美日韩精品| 久久亚洲国产成人精品v| 露出奶头的视频| 亚洲国产日韩欧美精品在线观看| 超碰av人人做人人爽久久| av在线亚洲专区| 一个人免费在线观看电影| 搞女人的毛片| 久久韩国三级中文字幕| 免费av不卡在线播放| 一级毛片我不卡| av.在线天堂| 国产精品嫩草影院av在线观看| 欧美三级亚洲精品| 国产成人aa在线观看| 波多野结衣高清无吗| 精品无人区乱码1区二区| 自拍偷自拍亚洲精品老妇| 成人二区视频| 色噜噜av男人的天堂激情| 色综合亚洲欧美另类图片| 欧美高清性xxxxhd video| 午夜a级毛片| 在线播放国产精品三级| 亚洲一级一片aⅴ在线观看| 亚洲国产精品国产精品| 在线免费观看的www视频| 国产高清三级在线| 国产亚洲91精品色在线| 免费av观看视频| 中文字幕熟女人妻在线| 人妻制服诱惑在线中文字幕| 国模一区二区三区四区视频| 人妻夜夜爽99麻豆av| 欧美xxxx性猛交bbbb| 国产男靠女视频免费网站| 啦啦啦啦在线视频资源| 久久精品国产自在天天线| 国产91av在线免费观看| 久久久久久伊人网av| 成人美女网站在线观看视频| 十八禁网站免费在线| 中文字幕久久专区| 欧美性猛交黑人性爽| 在线播放无遮挡| 搡老妇女老女人老熟妇| 国产精品国产高清国产av| 一边摸一边抽搐一进一小说| 悠悠久久av| 秋霞在线观看毛片| 国产一区二区三区av在线 | 一个人看视频在线观看www免费| 日韩av在线大香蕉| 熟女电影av网| 最近的中文字幕免费完整| 久久人人精品亚洲av| 欧美另类亚洲清纯唯美| 亚州av有码| 真人做人爱边吃奶动态| 亚洲av第一区精品v没综合| 亚洲精品一卡2卡三卡4卡5卡| 男插女下体视频免费在线播放| 91久久精品电影网| 日日摸夜夜添夜夜添小说| 麻豆国产97在线/欧美| 国产精品不卡视频一区二区| 日韩av在线大香蕉| 亚洲中文字幕一区二区三区有码在线看| 精品一区二区三区视频在线| 午夜福利18| 午夜福利成人在线免费观看| 久久久久久久久大av| 国产精品一区二区免费欧美| 久久久久久国产a免费观看| 国产伦一二天堂av在线观看| 国产精品久久视频播放| 国产爱豆传媒在线观看| 如何舔出高潮| 久久精品国产清高在天天线| 国产探花在线观看一区二区| 免费观看人在逋| 波野结衣二区三区在线| 午夜爱爱视频在线播放| 一级a爱片免费观看的视频| 亚洲久久久久久中文字幕| 黑人高潮一二区| 在线国产一区二区在线| 少妇猛男粗大的猛烈进出视频 | 国产蜜桃级精品一区二区三区| 亚洲欧美日韩高清在线视频| 成人漫画全彩无遮挡| 成人高潮视频无遮挡免费网站| 国产成人影院久久av| 我的老师免费观看完整版| 美女 人体艺术 gogo| 少妇被粗大猛烈的视频| 久久久精品大字幕| 亚洲精品粉嫩美女一区| 久久鲁丝午夜福利片| 国模一区二区三区四区视频| 91午夜精品亚洲一区二区三区| 热99re8久久精品国产| 国产女主播在线喷水免费视频网站 | 婷婷精品国产亚洲av| 床上黄色一级片| 久久草成人影院| 波多野结衣高清无吗| 1024手机看黄色片| 黄色日韩在线| 69av精品久久久久久| 国产免费男女视频| 日本免费a在线| 午夜日韩欧美国产| 国产男人的电影天堂91| 男女那种视频在线观看| 亚洲av.av天堂| 久久久久久久久久久丰满| 成人三级黄色视频| 日本黄色片子视频| 村上凉子中文字幕在线| 麻豆精品久久久久久蜜桃| 日本五十路高清| 狂野欧美白嫩少妇大欣赏| 大型黄色视频在线免费观看| 国产精品一区www在线观看| 精品人妻偷拍中文字幕| 午夜爱爱视频在线播放| 久久热精品热| 三级毛片av免费| 欧美又色又爽又黄视频| 中文字幕免费在线视频6| 99在线人妻在线中文字幕| 国产成人一区二区在线| 日韩欧美精品免费久久| 亚洲精品在线观看二区| 亚洲国产精品久久男人天堂| 久久精品综合一区二区三区| 国语自产精品视频在线第100页| 人妻少妇偷人精品九色| 日韩精品有码人妻一区| 天堂av国产一区二区熟女人妻| 国产高清有码在线观看视频| 1000部很黄的大片| 亚洲欧美精品综合久久99| 国产精品免费一区二区三区在线| av在线亚洲专区| 最近手机中文字幕大全| 色在线成人网| 淫妇啪啪啪对白视频| 深爱激情五月婷婷| 精品熟女少妇av免费看| 免费看av在线观看网站| 天堂动漫精品| 欧美激情久久久久久爽电影| 国产精品一区www在线观看| 男女下面进入的视频免费午夜| av专区在线播放| 免费搜索国产男女视频| ponron亚洲| 成人亚洲精品av一区二区| 亚洲内射少妇av| 99久久九九国产精品国产免费| 国产精品一区www在线观看| avwww免费| 午夜视频国产福利| 亚洲精品久久国产高清桃花| 中文字幕av成人在线电影| 精品久久久久久成人av| 精品久久久久久久久av| 人人妻人人澡人人爽人人夜夜 | 91在线观看av| 男插女下体视频免费在线播放| 亚洲自拍偷在线| 久久久精品大字幕| 一区二区三区四区激情视频 | 日韩三级伦理在线观看| 亚洲,欧美,日韩| 亚洲五月天丁香| 日本五十路高清| 国内久久婷婷六月综合欲色啪| 九九热线精品视视频播放| 小说图片视频综合网站| 亚洲一区高清亚洲精品| 亚洲av成人av| 亚洲色图av天堂| 久久人人爽人人片av| 丰满的人妻完整版| 欧美+日韩+精品| 久久九九热精品免费| eeuss影院久久| 麻豆一二三区av精品| 成人无遮挡网站| 2021天堂中文幕一二区在线观| 老女人水多毛片| 深爱激情五月婷婷| 两个人的视频大全免费| 午夜福利成人在线免费观看| a级毛片免费高清观看在线播放| 国产精品1区2区在线观看.| 97超级碰碰碰精品色视频在线观看| 免费不卡的大黄色大毛片视频在线观看 | 精品国产三级普通话版| 免费av观看视频| 久久九九热精品免费| 久久精品国产自在天天线| 赤兔流量卡办理| 久久久久国内视频| 村上凉子中文字幕在线| 99精品在免费线老司机午夜| 色播亚洲综合网| 欧美+亚洲+日韩+国产| 尤物成人国产欧美一区二区三区| 我要搜黄色片| 精品一区二区三区人妻视频| 国产久久久一区二区三区| 黄色视频,在线免费观看| av在线蜜桃| 亚洲国产精品国产精品| 校园人妻丝袜中文字幕| 中文字幕av成人在线电影|