• <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 ?

    特征融合在植物葉片識別中的應(yīng)用研究

    2020-12-01 03:15:00陸楷煜夏春蕾戴曙光靖浩翔馬玉文彭鑠期盛旭陽
    軟件導(dǎo)刊 2020年10期
    關(guān)鍵詞:模式識別人工智能

    陸楷煜 夏春蕾 戴曙光 靖浩翔 馬玉文 彭鑠期 盛旭陽

    摘 要:利用模式識別領(lǐng)域的特征融合方法進(jìn)行植物葉片識別,植物葉片對植物種類分辨與認(rèn)知具有重大作用,其紋理、形狀是分辨植物種類的一個極佳指標(biāo)。以植物葉片為研究對象,提取葉片的LBP紋理特征、HOG紋理特征以及形狀特征,設(shè)計(jì)多特征融合模型,基于ECOC-SVM多分類器對UCI數(shù)據(jù)集32種640張植物葉片圖像進(jìn)行訓(xùn)練、分類。實(shí)驗(yàn)結(jié)果表明,基于多特征融合模型訓(xùn)練的ECOC-SVM對數(shù)據(jù)集中的葉片有很好的描述能力,識別率達(dá)92%,識別效果較好。

    關(guān)鍵詞:模式識別;植物葉片識別;SVM;人工智能

    DOI:10. 11907/rjdk. 201184

    中圖分類號:TP319文獻(xiàn)標(biāo)識碼:A 文章編號:1672-7800(2020)010-0071-05

    Abstract:In recent years, as an important field of artificial intelligence, pattern recognition has developed rapidly. Plant leaves play an important role in identifying and recognizing plant species. At the same time, the texture and shape of plant leaves are very good indicators to distinguish plant species. This paper takes plant leaves as the research object, extracts LBP texture feature, HOG texture feature and shape feature of leaves, designs multi-feature fusion model, and uses ECOC-SVM multi-classifier to 640 plants of 32 species in UCI dataset Leaf images for training and classification. The experimental results show that the ECOC-SVM based on the multi-feature fusion model has a good description ability for the leaves in the data set with a higher recognition rate of 92%. The model has a better recognition effect.

    Key Words:pattern recognition; plant leaves; multi-features; SVM

    0 引言

    模式識別是人工智能技術(shù)應(yīng)用的重要方向,特征融合方法作為模式識別領(lǐng)域的一種主要方法,對植物葉片識別具有關(guān)鍵作用[1]。傳統(tǒng)植物分類方法通過人工實(shí)地去采集植物葉片樣本,并對樣本進(jìn)行手工測量以取得植物各類相關(guān)數(shù)據(jù)。這種方法會消耗相當(dāng)大的人力與物力,人為分辨植物外觀具有主觀性,對于識別準(zhǔn)確率有很大影響。因此,通過計(jì)算機(jī)模式識別實(shí)現(xiàn)植物種類自動識別,并建立相應(yīng)數(shù)據(jù)庫,可以大大提高識別效率,也比人工操作準(zhǔn)確率更高[2]。

    植物葉片具有多樣性,往往通過識別葉片就可以辨別植物種類,葉片保存周期也較長,在利用模式識別對植物進(jìn)行分類時,大多使用其葉片作為研究對象[3-5]。目前,國內(nèi)外研究植物葉片分類的方法主要有:提取其顏色、紋理、形狀等特征[6-8]。2013年,Charles等[9]提出采用密度估算方法,在小規(guī)模和特征提取不完整條件下的識別率達(dá)91%;劉念等[10]通過提取LBP、灰度共生矩陣、Hu不變矩等特征,使用深度信念網(wǎng)絡(luò),對植物葉片進(jìn)行識別;王麗君等[11]基于葉片圖像多特征融合的觀葉植物種類識別系統(tǒng),通過對50種植物進(jìn)行訓(xùn)練比較,識別率達(dá)91.41%。

    本文將植物葉片的HOG、LBP紋理特征與Hu矩形狀特征進(jìn)行線性融合,設(shè)計(jì)了一種基于圖像紋理和形狀的融合特征模型對植物葉片進(jìn)行描述,并使用ECOC-SVM進(jìn)行訓(xùn)練、分類,實(shí)驗(yàn)所用數(shù)據(jù)集主要取自UCI 數(shù)據(jù)庫。

    1 特征提取方法

    1.1 紋理特征提取

    植物葉片的紋理特征體現(xiàn)了葉片的結(jié)構(gòu)信息,不同的葉片有著不同的紋理特征,本文采用HOG與圓形LBP算子作為葉片的紋理特征信息。

    1.1.1 HOG特征

    HOG特征提供一個圖像區(qū)域的密度冗余描述[12],本文對于植物葉片的HOG特征提取步驟如下:

    Step1:對圖像進(jìn)行預(yù)處理,標(biāo)準(zhǔn)化Gamma空間和顏色空間。

    Step2:計(jì)算圖像梯度。根據(jù)式(1)—式(4)計(jì)算圖像每一像素的梯度幅值和方向,圖像梯度圖反映了紋理變化情況,即紋理細(xì)節(jié)變化越大,梯度幅值也越大。梯度圖剔除了圖像中的不相關(guān)信息,如沒有變換的背景色等,如圖1所示,梯度幅值圖凸顯了該葉片紋理。

    Step3:將圖像分成若干個連通區(qū)域,稱為細(xì)胞(cell),并為每個胞元構(gòu)建梯度直方圖。本文采用的分塊方式是以2×2個細(xì)胞單元為一個分塊(block)對圖像進(jìn)行掃描,每個細(xì)胞單元為8×8個像素,梯度方向被平均分為9個方向。

    Step4:將多個細(xì)胞單元(cell)組合成更大分塊(block)后,HOG描述符就變成了由各區(qū)間所有細(xì)胞單元的直方圖成分所組成的一個向量,即歸一化后的描述向量。最后完成對所有塊的HOG特征提取,將這些特征向量作為訓(xùn)練分類依據(jù)。

    基于上述步驟,提取樣本庫中其中一張植物葉片圖像HOG特征,HOG特征提取可視化效果如圖2所示,cell大小設(shè)為8?8像素,每個分塊中有4個cell。

    可以發(fā)現(xiàn),HOG特征清晰地捕捉了該植物葉片的整體外形及葉脈,即描述了其紋理特征。

    1.1.2 旋轉(zhuǎn)不變模式下的圓形LBP算子特征提取

    LBP(Local Binary Pattern,局部二值模式)是一種用來描述圖像局部紋理特征的算子[13-14],它反映了圖像中每個像素點(diǎn)與其周圍像素點(diǎn)的關(guān)系。將其一中心像素點(diǎn)作為閾值,將相鄰8個像素點(diǎn)的灰度值與其作比較,若周圍灰度值大于中心點(diǎn),則將該像素點(diǎn)的位置標(biāo)記為1,否則為0,這樣就可產(chǎn)生一組8位二進(jìn)制數(shù),即為該中心點(diǎn)的LBP值。這個值反映了該點(diǎn)的紋理信息,如圖3所示,順時針取值得到該中心點(diǎn)的LBP值。

    根據(jù)上述特征提取過程,生成LBP算子的數(shù)學(xué)表達(dá)式如式(5)和式(6)所示。

    其中,(xc,yc)為中心點(diǎn)位置,ic為該中心點(diǎn)灰度值,ip為相鄰像素點(diǎn)的灰度值,s(x)為符號函數(shù)。

    很明顯,傳統(tǒng)LBP算子具有一定局限性,例如只有固定的半徑范圍,當(dāng)樣本圖片發(fā)生平移或旋轉(zhuǎn)時,收集到的特征值會產(chǎn)生很大差異,極大地影響了識別準(zhǔn)確率。樹葉圖像在采集過程中往往存在旋轉(zhuǎn)、平移等非線性因素,因此本文采用旋轉(zhuǎn)不變模式下的圓形LBP算子,以適應(yīng)圖像旋轉(zhuǎn)以及不同尺度的紋理特征[15]。

    其基本思想為不斷旋轉(zhuǎn)圓形領(lǐng)域得到一系列初始定義的LBP值,取其最小值作為該領(lǐng)域的LBP值,數(shù)學(xué)表達(dá)式如式(7)所示。

    式(7)中,ROR(LBPK,R,i)為旋轉(zhuǎn)函數(shù),表示從中心像素點(diǎn)正上方像素點(diǎn)開始,依次逆時針旋轉(zhuǎn)過程。

    1.2 幾何特征提取

    葉片幾何特征也是分辨其種類的重要指標(biāo)之一,將本文提取葉片的Hu不變矩作為葉片識別的幾何特征依據(jù)。Hu不變矩已廣泛應(yīng)用于圖像識別、工業(yè)質(zhì)檢等領(lǐng)域[16]。

    將圖像看作給定二維連續(xù)函數(shù)f(x,y),在黎曼積分意義下,其(p+q)階矩定義如式(8)所示。

    式(8)中,[ρ(x,y)]為密度分布函數(shù),函數(shù)區(qū)間為[0,255]。相應(yīng)的(p+q)階中心矩定義如式(9)所示。

    根據(jù)上述理論,構(gòu)造7個矩不變量,計(jì)算公式如式(11)—式(17)所示。

    綜上,根據(jù)式(11)-式(17)可得出圖片Hu不變矩的7個特征值[17]。

    2 融合糾錯輸出編碼(ECOC)的支持向量機(jī)(SVM)識別模型

    支持向量機(jī)(SupportVectorMachines,SVM)在解決小樣本、高維模式識別中有著不錯效果。

    支持向量機(jī)(SVM)基本概念如下:以二維樣本空間為例,如圖4所示,c1和c2是兩類需要區(qū)分的樣本,g(x)=wx+b為一個線性函數(shù),將c1和c2區(qū)分開。而在一個三維樣本空間中,就是找出一個最優(yōu)“分割平面”,推廣至多維空間,支持向量機(jī)需要找出一個最優(yōu)“超平面”作為數(shù)據(jù)分類器[18-19]。

    植物葉片分類一般為多分類問題,本文將該問題“分而治之”。糾錯輸出編碼的原理源于通信領(lǐng)域中的信號傳輸問題,在信號傳輸過程中,為避免受到噪聲影響,在編碼過程中設(shè)計(jì)冗余編碼,這樣可以在解碼過程中產(chǎn)生誤碼時有糾錯能力。將該編碼原理引申到識別領(lǐng)域中,即為克服單個分類器帶來的誤差,往往設(shè)計(jì)多個二分類器[20-21]。

    ECOC多分類問題可分為3步:編碼、訓(xùn)練、解碼,然后將多分類問題拆分為若干個二分類問題。ECOC-SVM多分類模型框架如圖5所示。

    (1)編碼階段。采用三元編碼矩陣作為ECOC的多分類框架,三元碼表示為{-1,0,+1},采用一對一的編碼方式,編碼矩陣的每一行代表某一類,每一列代表樣本的一種二分類。碼元“+1”代表一類,“-1”代表另一類,“0”代表無關(guān)類,即在形成的二分類中被忽略(不參與訓(xùn)練),如圖6所示為“一對一”(OVO)樣本種類為4種的分類器示意圖,其中C1-C4代表樣本種類的碼字,共4類樣本數(shù)據(jù),則有6個分類器,f1-f6為二類分類器,碼元“1”,“-1”,“0”分別用白色、黑色、灰色表示。

    (2)訓(xùn)練階段。例如對圖6中的f3分類器進(jìn)行訓(xùn)練,C1和C4的編碼為“-1”和“1”,C2和C3的編碼均為“0”,則在該分類器中C2、C3不參與訓(xùn)練,依此編碼規(guī)則對所有二類分類器進(jìn)行訓(xùn)練,得到編碼矩陣。

    (3)解碼階段。對測試數(shù)據(jù)集通過(2)中的分類器進(jìn)行預(yù)測,將預(yù)測結(jié)果記為一組編碼,與每個類別的原始編碼序列進(jìn)行比較,并計(jì)算兩者之間的距離,最后返回距離最小的類別即為預(yù)測模型中的植物葉片類型。

    3 算法實(shí)現(xiàn)

    3.1 數(shù)據(jù)來源及樣本選擇

    實(shí)驗(yàn)數(shù)據(jù)包含32種不同的植物品種(見圖7),植物種類學(xué)名、種類編號如表1示。

    在640張圖片數(shù)據(jù)集的各種類植物葉片樣本中隨機(jī)抽取5個作為測試樣本,其余15個作為訓(xùn)練樣本。

    3.2 特征提取

    為了提高識別效率,首先將所有樣本圖片進(jìn)行預(yù)處理(大小約束、標(biāo)準(zhǔn)化Gamma空間、灰度化)。為了便于比較,特征量需要保持一致,因此將輸入葉片圖像大小設(shè)定為128?256。紋理、幾何特征與顏色無關(guān),因此將彩色圖像轉(zhuǎn)化為灰度圖像,剔除無關(guān)信息。為了降低圖像局部光照不均勻性,降低噪聲干擾,進(jìn)行Gamma校正,取[γ=12],校正后樣本如圖8所示。

    根據(jù)上文所述特征提取方法,提取每張樣本圖片的HOG、LBP、Hu不變矩特征,分別記為[f1]、[ f2]、[ f3],合并這3類特征,記為[F=[f1, f2, f3]]。

    3.3 預(yù)測模型訓(xùn)練及實(shí)驗(yàn)結(jié)果

    隨機(jī)抽取5個作為待預(yù)測樣本測試預(yù)測模型識別率,剩余15個作為訓(xùn)練樣本,重復(fù)運(yùn)行50次,分析準(zhǔn)確性。本文采用的數(shù)據(jù)集共有32種植物葉片,用上文所述ECOC-SVM方法,需要496個二類分類器。以分類器一為例,將白紙扇定為正樣本(+1),菠蘿蜜定為負(fù)樣本(-1),剩余30個樣本定為無關(guān)項(xiàng)(0),依此編碼規(guī)則對496個二類分類器進(jìn)行訓(xùn)練,得到編碼矩陣部分如表2所示。

    在MATLAB環(huán)境下編寫特征提取算法和預(yù)測訓(xùn)練模型程序。各類植物葉片平均分類結(jié)果準(zhǔn)確率如表3所示,整體識別率為92.11%。

    為了研究不同特征組合的識別性能,實(shí)驗(yàn)中將不同組合特征的識別率進(jìn)行了對比,整體識別率結(jié)果如表4所示。

    從表3、表4數(shù)據(jù)中可以得出以下結(jié)論:①任意兩種特征組合的識別率均高于單一特征識別率,將紋理特征與描述形狀特征的Hu不變矩結(jié)合起來,可以有效提高植物葉片識別率;②HOG、LBP、Hu矩多特征融合識別率的標(biāo)準(zhǔn)差約為1.51,對于識別各類植物葉片有較好穩(wěn)定性。

    4 結(jié)語

    本文針對植物葉片分類識別問題,基于ECOC-SVM多分類算法提取植物葉片圖像形狀、紋理特征作為主要識別特征,建立識別模型進(jìn)行分類識別,比較了不同特征組合下的識別率。在HOG、LBP、Hu矩多特征融合下的識別方法具有較好魯棒性,下一步工作將重點(diǎn)提高識別速度,改進(jìn)特征提取方法,提升效率。

    參考文獻(xiàn):

    [1] 張寧,劉文萍. 基于圖像分析的植物葉片識別技術(shù)綜述[J]. 計(jì)算機(jī)應(yīng)用研究,2011,28(11):4001-4007.

    [2] 郭澤方. 圖像物體檢測深度學(xué)習(xí)算法綜述[J]. 機(jī)械工程與自動化,2019(11):220-222.

    [3] 楊澤靜,張征,鄭伯川. 基于局部模糊聚類的植物葉脈提取[J]. 西華師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,39(3):325-330.

    [4] 趙瑞,祈春節(jié),段凌鳳. 基于BP神經(jīng)網(wǎng)絡(luò)的水稻卷葉識別[J]. 南方農(nóng)業(yè)學(xué)報(bào),2018, 49(10):2103-2109.

    [5] 孫俊,曹文君,毛罕平. 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2017,33(19):209-215.

    [6] 宣旭峰,王美麗,張建峰. 基于HSV彩色空間與直方圖信息的植物葉脈FFCM算法提取[J]. 計(jì)算機(jī)應(yīng)用研究,2018,35(9):307-310.

    [7] KEBAPCI H,YANIKOGLU B,UNAL G.Plant image retrieval using color, shape and texture features[J].? Computer Journal,2011,54(9):1475-1490.

    [8] BAMA B S,BALLI S M,RAJU S,et al.Content based leaf image retrieval (CBLIR) using shape, color and texture features[J]. Indian Journal of Computer Science & Engineering, 2011,2(2):202-211.

    [9] MALLAH C,COPE J,ORWELL J.Plant leaf classification using probabilistic integration of shape, texture and margin features [EB/OL]. http://actapress.com/Abstract.aspx?paperId=455022.

    [10] 劉念,闞江明. 基于多特征融合和深度信念網(wǎng)絡(luò)的植物葉片識別[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2016,38(3):110-119.

    [11] 王麗君,淮永建,彭月橙. 基于葉片圖像多特征融合的觀葉植物種類識別[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2015,37(1):96-104.

    [12] DALALN,TRIGGSB.Histograms of oriented gradients for human detection[J]. IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2005(1):886-893.

    [13] 王玲. 基于LBP的特征提取研究[D]. 北京: 北京交通大學(xué),2009.

    [14] 趙珊,于虎. 基于梯度和局部多值模式的圖像紋理特征提取[J]. 測控技術(shù),2017,36(8):6-10.

    [15] 蓋健. 基于旋轉(zhuǎn)不變LBP的圖像集人臉識別算法[D]. 長春:吉林大學(xué),2015.

    [16] 張鴻峰,李婉琪,曾昭君,等. Hu不變矩在圖像識別中的應(yīng)用于實(shí)現(xiàn)[J]. 科技資訊,2014,12(30):5-8.

    [17] 李洋,李岳陽,羅海馳,等. 基于形狀特征的植物葉片在線識別方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2017,53(2):162-165,171.

    [18] 鄭一力,鐘剛亮,王強(qiáng). 基于多特征降維的植物葉片識別方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(3):30-37.

    [19] 馬娜,李艷文,徐苗. 基于改進(jìn)SVM算法的植物葉片分類研究[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2018, 38(11):33-38.

    [20] 肖亮. 基于支持向量機(jī)的圖像分類研究[D]. 上海:同濟(jì)大學(xué),2006.

    [21] DIETTERICH T G,BAKIRI G.Solving multiclass learning problems via error-correcting output codes[J]. Journal of Artificial Intelligence Research,1995,2(1):263-286.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    模式識別人工智能
    我校新增“人工智能”本科專業(yè)
    2019:人工智能
    商界(2019年12期)2019-01-03 06:59:05
    人工智能與就業(yè)
    紫地榆HPLC指紋圖譜建立及模式識別
    中成藥(2018年2期)2018-05-09 07:19:52
    數(shù)讀人工智能
    小康(2017年16期)2017-06-07 09:00:59
    淺談模式識別在圖像識別中的應(yīng)用
    電子測試(2017年23期)2017-04-04 05:06:50
    第四屆亞洲模式識別會議
    下一幕,人工智能!
    下一幕,人工智能!
    可拓模式識別算法中經(jīng)典域的確定方法
    国产精品一区二区在线不卡| www.精华液| 亚洲一卡2卡3卡4卡5卡精品中文| 看非洲黑人一级黄片| 成人国产麻豆网| 午夜老司机福利片| 大码成人一级视频| 国产人伦9x9x在线观看| 久久97久久精品| 久久97久久精品| 不卡av一区二区三区| 亚洲欧美一区二区三区国产| 亚洲少妇的诱惑av| 精品一品国产午夜福利视频| 欧美精品人与动牲交sv欧美| 日韩av免费高清视频| 久久精品国产综合久久久| 欧美xxⅹ黑人| 菩萨蛮人人尽说江南好唐韦庄| 色视频在线一区二区三区| 最近2019中文字幕mv第一页| 亚洲欧美成人精品一区二区| 国产一区二区三区av在线| 伦理电影免费视频| 国产精品99久久99久久久不卡 | 久久这里只有精品19| 国产精品一区二区在线不卡| 另类精品久久| 黄色一级大片看看| 99热国产这里只有精品6| 综合色丁香网| 免费看av在线观看网站| 五月开心婷婷网| 99精品久久久久人妻精品| 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| 宅男免费午夜| 免费高清在线观看视频在线观看| 午夜免费鲁丝| 亚洲av成人不卡在线观看播放网 | 18禁国产床啪视频网站| 日韩大码丰满熟妇| av在线播放精品| 国产精品免费视频内射| 亚洲,欧美,日韩| 一区二区三区精品91| 搡老乐熟女国产| 久久人人爽人人片av| 国产成人午夜福利电影在线观看| 永久免费av网站大全| 色综合欧美亚洲国产小说| 亚洲综合精品二区| 成年动漫av网址| 亚洲国产日韩一区二区| 中文字幕另类日韩欧美亚洲嫩草| 日本av免费视频播放| 精品一区在线观看国产| 无限看片的www在线观看| 中文字幕制服av| 亚洲第一av免费看| 国产一区二区激情短视频 | 咕卡用的链子| 韩国高清视频一区二区三区| 午夜福利视频在线观看免费| 国产精品麻豆人妻色哟哟久久| 欧美变态另类bdsm刘玥| 亚洲人成77777在线视频| 亚洲av国产av综合av卡| 日本vs欧美在线观看视频| www.熟女人妻精品国产| 99久久99久久久精品蜜桃| 曰老女人黄片| 久久久久久久国产电影| 日本欧美视频一区| www.av在线官网国产| 午夜福利网站1000一区二区三区| 别揉我奶头~嗯~啊~动态视频 | 一级毛片黄色毛片免费观看视频| 国产精品偷伦视频观看了| 两个人看的免费小视频| 男人舔女人的私密视频| 黑丝袜美女国产一区| 亚洲伊人久久精品综合| 国产老妇伦熟女老妇高清| 日韩电影二区| 香蕉国产在线看| xxxhd国产人妻xxx| 91成人精品电影| 免费观看av网站的网址| 国产人伦9x9x在线观看| 自线自在国产av| 夫妻性生交免费视频一级片| 色吧在线观看| 一边摸一边抽搐一进一出视频| 日韩 欧美 亚洲 中文字幕| 亚洲国产精品一区二区三区在线| 亚洲一级一片aⅴ在线观看| 精品第一国产精品| 亚洲专区中文字幕在线 | 国产亚洲午夜精品一区二区久久| 一级a爱视频在线免费观看| 宅男免费午夜| 极品人妻少妇av视频| 国语对白做爰xxxⅹ性视频网站| 国产亚洲精品第一综合不卡| 婷婷色麻豆天堂久久| 精品一区二区三区av网在线观看 | 这个男人来自地球电影免费观看 | 免费高清在线观看日韩| 中文字幕色久视频| 青春草国产在线视频| 捣出白浆h1v1| 日韩中文字幕视频在线看片| 国产亚洲一区二区精品| 你懂的网址亚洲精品在线观看| 中文精品一卡2卡3卡4更新| 丝袜脚勾引网站| 亚洲第一青青草原| 菩萨蛮人人尽说江南好唐韦庄| 欧美人与性动交α欧美软件| 欧美激情 高清一区二区三区| 婷婷色综合大香蕉| www日本在线高清视频| 国产精品香港三级国产av潘金莲 | 国产亚洲午夜精品一区二区久久| 在线亚洲精品国产二区图片欧美| 亚洲精品aⅴ在线观看| 久久久精品94久久精品| 自线自在国产av| 男女之事视频高清在线观看 | 高清不卡的av网站| 日韩视频在线欧美| av福利片在线| 欧美精品亚洲一区二区| 久久av网站| bbb黄色大片| 99久国产av精品国产电影| 亚洲人成网站在线观看播放| 国产一区二区在线观看av| 街头女战士在线观看网站| 亚洲精品久久午夜乱码| 新久久久久国产一级毛片| 伊人亚洲综合成人网| 国产高清国产精品国产三级| 男女午夜视频在线观看| 亚洲精品视频女| 最近中文字幕高清免费大全6| 亚洲国产精品国产精品| 日韩大码丰满熟妇| 亚洲自偷自拍图片 自拍| 精品亚洲成国产av| 中文字幕人妻丝袜一区二区 | 国产精品嫩草影院av在线观看| 国产深夜福利视频在线观看| 国产探花极品一区二区| 国产精品偷伦视频观看了| 国产男女内射视频| 日本爱情动作片www.在线观看| 免费高清在线观看视频在线观看| 高清av免费在线| 亚洲国产最新在线播放| 三上悠亚av全集在线观看| 久久久久精品人妻al黑| 欧美亚洲 丝袜 人妻 在线| 亚洲国产精品一区三区| 欧美国产精品va在线观看不卡| 亚洲国产成人一精品久久久| 久热这里只有精品99| 国产精品国产三级国产专区5o| 亚洲色图综合在线观看| 秋霞在线观看毛片| 国产淫语在线视频| 欧美日本中文国产一区发布| 男的添女的下面高潮视频| 国产精品人妻久久久影院| 亚洲欧美一区二区三区久久| 天天躁夜夜躁狠狠躁躁| 欧美日本中文国产一区发布| 日韩一本色道免费dvd| 亚洲情色 制服丝袜| 亚洲av成人不卡在线观看播放网 | 久久久久久人妻| 岛国毛片在线播放| 午夜老司机福利片| 亚洲国产最新在线播放| 99久久人妻综合| 日韩熟女老妇一区二区性免费视频| 久久性视频一级片| 制服人妻中文乱码| 成年人午夜在线观看视频| 自线自在国产av| 日韩熟女老妇一区二区性免费视频| 欧美日韩一级在线毛片| 可以免费在线观看a视频的电影网站 | 欧美日韩av久久| 波多野结衣av一区二区av| 欧美激情高清一区二区三区 | 伦理电影大哥的女人| 色综合欧美亚洲国产小说| 国产精品久久久久久精品古装| 黑丝袜美女国产一区| 精品一区在线观看国产| 亚洲图色成人| 国产一区二区三区av在线| 一本大道久久a久久精品| 熟女av电影| 亚洲免费av在线视频| 建设人人有责人人尽责人人享有的| 90打野战视频偷拍视频| 日韩中文字幕视频在线看片| 曰老女人黄片| 亚洲成av片中文字幕在线观看| 亚洲国产av影院在线观看| 9191精品国产免费久久| 一二三四中文在线观看免费高清| 精品人妻一区二区三区麻豆| 黄频高清免费视频| av片东京热男人的天堂| 亚洲国产最新在线播放| 亚洲av成人不卡在线观看播放网 | 欧美人与性动交α欧美软件| 91成人精品电影| 欧美激情高清一区二区三区 | 亚洲国产看品久久| 成人黄色视频免费在线看| 一本大道久久a久久精品| 99re6热这里在线精品视频| 亚洲精品乱久久久久久| www.自偷自拍.com| 制服诱惑二区| 欧美成人午夜精品| av网站免费在线观看视频| 在线观看免费高清a一片| 国产av一区二区精品久久| 精品久久久久久电影网| 丰满饥渴人妻一区二区三| 一级毛片黄色毛片免费观看视频| 国精品久久久久久国模美| 两个人免费观看高清视频| 国产一区二区在线观看av| 国产乱来视频区| 在线天堂最新版资源| 综合色丁香网| 欧美老熟妇乱子伦牲交| 男女边吃奶边做爰视频| 在线观看一区二区三区激情| 精品国产一区二区久久| 久久久久久久大尺度免费视频| 亚洲精品aⅴ在线观看| 热re99久久国产66热| 另类亚洲欧美激情| 中文精品一卡2卡3卡4更新| 三上悠亚av全集在线观看| 午夜日本视频在线| 亚洲国产精品成人久久小说| 免费观看人在逋| av在线播放精品| 亚洲人成网站在线观看播放| 美女扒开内裤让男人捅视频| 国产精品麻豆人妻色哟哟久久| 中文字幕人妻熟女乱码| 国产乱来视频区| 精品免费久久久久久久清纯 | 亚洲av在线观看美女高潮| 免费人妻精品一区二区三区视频| 亚洲欧美一区二区三区国产| 欧美在线一区亚洲| 亚洲欧美清纯卡通| 久久国产精品大桥未久av| 综合色丁香网| 欧美黄色片欧美黄色片| 国产视频首页在线观看| 久热这里只有精品99| 十分钟在线观看高清视频www| 亚洲国产av新网站| 亚洲欧美激情在线| 视频在线观看一区二区三区| 久久久久精品性色| 国产成人精品无人区| 午夜日韩欧美国产| 看十八女毛片水多多多| av在线播放精品| 国产一卡二卡三卡精品 | 亚洲伊人色综图| 欧美精品一区二区免费开放| 国产精品国产三级国产专区5o| 国产成人精品无人区| 欧美日韩国产mv在线观看视频| 捣出白浆h1v1| 久久久久久久久免费视频了| 免费在线观看完整版高清| 熟女少妇亚洲综合色aaa.| 国产深夜福利视频在线观看| 亚洲一区二区三区欧美精品| 国产亚洲欧美精品永久| 中文欧美无线码| av天堂久久9| 晚上一个人看的免费电影| 国产一区二区三区综合在线观看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品日本国产第一区| 午夜免费男女啪啪视频观看| 波多野结衣一区麻豆| av电影中文网址| 国产免费又黄又爽又色| 午夜老司机福利片| 女的被弄到高潮叫床怎么办| 亚洲色图 男人天堂 中文字幕| 少妇 在线观看| 满18在线观看网站| 国产老妇伦熟女老妇高清| 精品国产一区二区三区久久久樱花| 丁香六月欧美| 成人免费观看视频高清| 毛片一级片免费看久久久久| 午夜福利免费观看在线| 中文字幕高清在线视频| 国产精品.久久久| 看免费av毛片| 精品人妻熟女毛片av久久网站| 国产片内射在线| 美女午夜性视频免费| 最新在线观看一区二区三区 | 久久久久久久国产电影| 99热国产这里只有精品6| 欧美亚洲日本最大视频资源| 国产极品天堂在线| 建设人人有责人人尽责人人享有的| 久久久亚洲精品成人影院| 女性被躁到高潮视频| 丝袜美腿诱惑在线| 人妻人人澡人人爽人人| 香蕉丝袜av| 精品国产国语对白av| 国产精品.久久久| 久久97久久精品| 亚洲精品美女久久久久99蜜臀 | 老汉色∧v一级毛片| 久久精品亚洲av国产电影网| 妹子高潮喷水视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产欧美日韩一区二区三区在线| 在线观看免费午夜福利视频| 亚洲精品在线美女| av免费观看日本| 丰满饥渴人妻一区二区三| 汤姆久久久久久久影院中文字幕| 丰满饥渴人妻一区二区三| 汤姆久久久久久久影院中文字幕| 激情视频va一区二区三区| 亚洲人成电影观看| 韩国高清视频一区二区三区| 成人黄色视频免费在线看| 亚洲成人一二三区av| av在线观看视频网站免费| 欧美成人午夜精品| 国产精品无大码| 国产精品一二三区在线看| 国产极品天堂在线| 亚洲精品中文字幕在线视频| 免费观看a级毛片全部| 国产一级毛片在线| 免费在线观看黄色视频的| 国产欧美日韩一区二区三区在线| 国产精品秋霞免费鲁丝片| 国产欧美日韩一区二区三区在线| 一区二区av电影网| 久久久国产欧美日韩av| 狂野欧美激情性xxxx| 一级爰片在线观看| 2018国产大陆天天弄谢| 欧美黑人精品巨大| 男女高潮啪啪啪动态图| 久久亚洲国产成人精品v| 国产高清国产精品国产三级| 中文字幕人妻丝袜一区二区 | 男女之事视频高清在线观看 | 超碰97精品在线观看| 成人手机av| 国产成人欧美| 亚洲欧美成人综合另类久久久| 老汉色∧v一级毛片| av免费观看日本| 在线亚洲精品国产二区图片欧美| 精品久久久久久电影网| 亚洲欧美色中文字幕在线| 国产男人的电影天堂91| 欧美变态另类bdsm刘玥| 亚洲情色 制服丝袜| 亚洲在久久综合| av在线播放精品| 女性生殖器流出的白浆| av电影中文网址| 制服丝袜香蕉在线| 97精品久久久久久久久久精品| 最新的欧美精品一区二区| 亚洲熟女毛片儿| 青草久久国产| 欧美日韩亚洲高清精品| 久久久精品国产亚洲av高清涩受| videos熟女内射| 国产精品亚洲av一区麻豆 | 天堂8中文在线网| 国产一区二区三区综合在线观看| 亚洲国产欧美网| 色网站视频免费| 国产精品久久久久成人av| 国产成人精品久久二区二区91 | 欧美激情高清一区二区三区 | 国产 一区精品| 飞空精品影院首页| 色婷婷av一区二区三区视频| 美女午夜性视频免费| www.精华液| 1024香蕉在线观看| 亚洲精品av麻豆狂野| 国产免费现黄频在线看| 国产精品久久久久成人av| 永久免费av网站大全| 777久久人妻少妇嫩草av网站| 这个男人来自地球电影免费观看 | 亚洲免费av在线视频| 日本欧美视频一区| 搡老乐熟女国产| 国产精品二区激情视频| 男男h啪啪无遮挡| 色网站视频免费| 色婷婷久久久亚洲欧美| 亚洲一区二区三区欧美精品| 国产精品久久久久久久久免| 精品一区二区免费观看| 一级爰片在线观看| av天堂久久9| 捣出白浆h1v1| 亚洲综合精品二区| 日韩一本色道免费dvd| 久久久精品区二区三区| 亚洲美女视频黄频| 国产日韩欧美在线精品| 国产精品一区二区在线不卡| 亚洲中文av在线| 一本久久精品| 美女大奶头黄色视频| 国产精品一二三区在线看| 性高湖久久久久久久久免费观看| 免费久久久久久久精品成人欧美视频| 免费在线观看完整版高清| 精品视频人人做人人爽| 国产男人的电影天堂91| 亚洲成人国产一区在线观看 | www.自偷自拍.com| 成人三级做爰电影| 高清视频免费观看一区二区| 亚洲国产欧美网| 亚洲国产精品一区二区三区在线| 亚洲三区欧美一区| 日韩不卡一区二区三区视频在线| 久久国产精品男人的天堂亚洲| 国产片内射在线| 看免费成人av毛片| 夜夜骑夜夜射夜夜干| 欧美精品人与动牲交sv欧美| 国产一级毛片在线| 中国三级夫妇交换| 免费看不卡的av| 国精品久久久久久国模美| 国产av码专区亚洲av| 国产 精品1| 两性夫妻黄色片| 人人妻,人人澡人人爽秒播 | 叶爱在线成人免费视频播放| 成人国产av品久久久| 中文字幕制服av| 午夜av观看不卡| 亚洲成人手机| 欧美黑人精品巨大| 欧美日韩亚洲国产一区二区在线观看 | 欧美变态另类bdsm刘玥| 国产精品免费大片| 美女中出高潮动态图| 精品午夜福利在线看| 欧美精品高潮呻吟av久久| 色婷婷av一区二区三区视频| 国产在线一区二区三区精| 久久精品久久久久久噜噜老黄| 999精品在线视频| 国产精品无大码| 婷婷色av中文字幕| 国产成人免费观看mmmm| 80岁老熟妇乱子伦牲交| 综合色丁香网| av.在线天堂| 国产乱来视频区| 日本wwww免费看| 日韩 欧美 亚洲 中文字幕| 久久久久久久久免费视频了| 精品国产露脸久久av麻豆| 亚洲国产精品成人久久小说| 一区在线观看完整版| 无遮挡黄片免费观看| av天堂久久9| 国产精品一区二区在线观看99| 亚洲欧美中文字幕日韩二区| 69精品国产乱码久久久| av在线老鸭窝| 91老司机精品| 中文字幕另类日韩欧美亚洲嫩草| 日韩中文字幕欧美一区二区 | 国产在视频线精品| 久久99精品国语久久久| 亚洲伊人色综图| 男女高潮啪啪啪动态图| 色94色欧美一区二区| 欧美日韩精品网址| 在线观看免费午夜福利视频| 日韩精品免费视频一区二区三区| 久久97久久精品| 高清黄色对白视频在线免费看| 啦啦啦啦在线视频资源| 日韩中文字幕视频在线看片| 欧美人与善性xxx| 午夜福利影视在线免费观看| 91国产中文字幕| 在线观看人妻少妇| 久久人人爽av亚洲精品天堂| 免费观看av网站的网址| 亚洲成人一二三区av| 各种免费的搞黄视频| 久久av网站| 一本大道久久a久久精品| 国产黄频视频在线观看| tube8黄色片| 天堂8中文在线网| 国产伦人伦偷精品视频| 免费看av在线观看网站| 国产精品人妻久久久影院| 91精品三级在线观看| 99久国产av精品国产电影| 国产 一区精品| 国产免费又黄又爽又色| 国精品久久久久久国模美| 亚洲精品aⅴ在线观看| 亚洲精品国产av蜜桃| 亚洲欧洲日产国产| 女性生殖器流出的白浆| 一二三四在线观看免费中文在| 人人妻人人澡人人看| 久久久精品免费免费高清| 午夜日韩欧美国产| 欧美亚洲 丝袜 人妻 在线| 涩涩av久久男人的天堂| 91老司机精品| 满18在线观看网站| 成年av动漫网址| 国产片内射在线| 最近中文字幕2019免费版| 丰满饥渴人妻一区二区三| 爱豆传媒免费全集在线观看| 国产一区二区三区综合在线观看| 久久久久精品性色| 久久这里只有精品19| 宅男免费午夜| 免费在线观看视频国产中文字幕亚洲 | 男女床上黄色一级片免费看| www日本在线高清视频| 日韩伦理黄色片| 赤兔流量卡办理| 欧美乱码精品一区二区三区| 日本av免费视频播放| 精品国产一区二区三区四区第35| 国产免费视频播放在线视频| 日韩一本色道免费dvd| 极品少妇高潮喷水抽搐| 欧美日韩视频高清一区二区三区二| 亚洲国产精品一区二区三区在线| 天天躁夜夜躁狠狠躁躁| 国产人伦9x9x在线观看| 中文字幕另类日韩欧美亚洲嫩草| 悠悠久久av| 黑人猛操日本美女一级片| 最近中文字幕2019免费版| 超碰97精品在线观看| 一边亲一边摸免费视频| 看十八女毛片水多多多| 麻豆精品久久久久久蜜桃| 久久久久视频综合| 亚洲国产日韩一区二区| 最近的中文字幕免费完整| 十分钟在线观看高清视频www| 不卡视频在线观看欧美| 最近2019中文字幕mv第一页| 亚洲免费av在线视频| 国产在线视频一区二区| 国产精品一区二区精品视频观看| 亚洲av男天堂| 亚洲精品美女久久av网站| 一级a爱视频在线免费观看| 色吧在线观看| 黄色一级大片看看| 欧美成人午夜精品| 在线观看三级黄色| 国产成人精品在线电影| 国产无遮挡羞羞视频在线观看| 亚洲国产中文字幕在线视频| 99国产综合亚洲精品| 美女视频免费永久观看网站| 欧美国产精品一级二级三级| 一级毛片黄色毛片免费观看视频| 久久久久久久大尺度免费视频| 国产片内射在线| 亚洲国产精品一区二区三区在线| av线在线观看网站| 我的亚洲天堂| 母亲3免费完整高清在线观看| 在线观看人妻少妇|