• <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 ?

    基于加權(quán)模型的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法

    2020-12-07 06:12:45徐長(zhǎng)英曾艷嬌陳英
    現(xiàn)代電子技術(shù) 2020年21期
    關(guān)鍵詞:評(píng)價(jià)模型

    徐長(zhǎng)英 曾艷嬌 陳英

    摘? 要: 針對(duì)無(wú)參考的圖像質(zhì)量評(píng)價(jià),提出一種基于SSEQ算法、BRISQUE算法和BP神經(jīng)網(wǎng)絡(luò)的質(zhì)量評(píng)價(jià)模型,其評(píng)價(jià)過(guò)程如下:利用SSEQ算法提取圖像的空間熵值和頻譜熵值;利用BRISQUE算法提取局部規(guī)范系數(shù);將圖像中提取的兩類特征值和對(duì)應(yīng)的主觀質(zhì)量分?jǐn)?shù)分別利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并通過(guò)加權(quán)融合得到最終的客觀質(zhì)量分?jǐn)?shù)。實(shí)驗(yàn)結(jié)果表明,主客觀質(zhì)量分?jǐn)?shù)的皮爾遜相關(guān)系數(shù)均在0.85以上,滿足極強(qiáng)相關(guān),結(jié)果優(yōu)于部分無(wú)參考圖像質(zhì)量評(píng)價(jià)模型。

    關(guān)鍵詞: 圖像質(zhì)量評(píng)價(jià); 評(píng)價(jià)模型; SSEQ; BRISQUE; 特征值提取; 性能檢測(cè)

    中圖分類號(hào): TN911.73?34; TP391.41? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼: A? ? ? ? ? ? ? ? ?文章編號(hào): 1004?373X(2020)21?0043?04

    No?reference image quality assessment method based on weighted model

    XU Changying1, ZENG Yanjiao2, CHEN Ying2

    (1. Engineering Training Centre, Nanchang Hangkong University, Nanchang 330063, China;

    2. School of Software, Nanchang Hangkong University, Nanchang 330063, China)

    Abstract: A non?reference image quality assessment model based on SSEQ (spatial?spectral entropy based quality assessment) algorithm, BRISQUE (blind/referenceless image spatial quality evaluator) algorithm and BP neural network is proposed in this paper. The assessment process is shown as follows: the SSEQ algorithm is used to extract the spatial entropy value and spectral entropy value of the image; the BRISQUE algorithm is used to extract local norm coefficients; the two types of eigenvalues extracted from the image and their corresponding subjective quality scores are trained by BP neural network, and then the final objective quality scores are got by weighted fusion. The experimental results show that the Pearson correlation coefficients of the subjective quality score and objective quality score are all above 0.85, which meets the standard of extremely strong correlation. The results are better than those of some non?reference image quality assessment models.

    Keywords: image quality assessment; evaluation model; SSEQ; BRISQUE; eigenvalue extraction; performance detection

    0? 引? 言

    圖像選優(yōu)方法是基于圖像質(zhì)量展開(kāi)的,由于人是圖像質(zhì)量評(píng)價(jià)的主體,如何建立圖像選優(yōu)模型使主客觀評(píng)價(jià)一致是圖像處理領(lǐng)域的研究熱點(diǎn)[1]。目前無(wú)參考圖像質(zhì)量評(píng)價(jià)在圖像壓縮、無(wú)人機(jī)航拍和醫(yī)學(xué)圖像領(lǐng)域廣泛應(yīng)用[2]。無(wú)參考圖像質(zhì)量評(píng)價(jià)模型分為基于機(jī)器學(xué)習(xí)和基于深度學(xué)習(xí)兩類,基于深度學(xué)習(xí)又可分為OA?BIQA(Opinion Aware)和OF?BIQA(Opinion Free)[3]。對(duì)于圖像中存在的多種失真,BIQI(Blind Image Quality Indices)算法[4]基于五種失真類型的預(yù)設(shè),將圖像的失真類型概率和其對(duì)應(yīng)的失真水平進(jìn)行加權(quán)求和得出質(zhì)量分?jǐn)?shù)。文獻(xiàn)[5]提出的ERISQUE使用局部標(biāo)準(zhǔn)化亮度系數(shù)得出圖像失真程度。SSEQ算法[6]使用空間熵值和頻譜熵值作為圖像質(zhì)量指標(biāo)并使用支持向量機(jī)判斷失真類型并進(jìn)行評(píng)價(jià)。OA?BIQA中,文獻(xiàn)[7]基于卷積神經(jīng)網(wǎng)絡(luò)提出IQA?CNN,使用特征提取和回歸建立學(xué)習(xí)模型,對(duì)于模糊、壓縮和噪聲失真圖像的質(zhì)量評(píng)價(jià)有很好的效果。文獻(xiàn)[8]提出的DeepBIQ中引入遷移學(xué)習(xí)、擴(kuò)展深度學(xué)習(xí)中的網(wǎng)絡(luò)深度。OF?BIQA模型不需要使用人工評(píng)價(jià)樣本,可用性更強(qiáng)。文獻(xiàn)[9]提出的BIECON中訓(xùn)練過(guò)程包括回歸到客觀誤差圖和主觀評(píng)分兩個(gè)部分,有效避免實(shí)驗(yàn)樣本受限問(wèn)題。本文使用SSEQ,BQRISQUE和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行融合,提出一種無(wú)參考質(zhì)量評(píng)價(jià)模型。

    1? 基礎(chǔ)理論

    1.1? BRISQUE算法

    BRISQUE(Blind Referenceless Image Spatial Quality Evaluator)是一種無(wú)參考的空間域圖像質(zhì)量評(píng)估算法。算法原理為從圖像中提取局部規(guī)范化系數(shù)(MSCN),并將其擬合成廣義高斯分布(GGD)和非對(duì)稱性廣義高斯分布(AGGD),并利用多尺度圖像提取36個(gè)特征,使用支持向量機(jī)LibSVM得出客觀質(zhì)量分?jǐn)?shù)。BRISQUE算法的流程圖如圖1所示。

    MSCN系數(shù)具有由于失真的存在而改變的特征,一定程度上反映了圖像的自然統(tǒng)計(jì)特征,并且量化這些變化可以預(yù)測(cè)影響圖像的失真類型及其感知質(zhì)量。由于人類視覺(jué)系統(tǒng)觀察圖像是多尺度的,各種圖像退化也作用于圖像的多個(gè)尺度。所以在不同的尺度圖像上進(jìn)行質(zhì)量評(píng)價(jià),更符合人類感知的特性。

    1.2? SSEQ算法

    SSEQ(Spatial?Spectral Entropy Quality)稱為基于空間?譜熵的質(zhì)量指數(shù),獲取圖像的空間熵值和頻譜熵值作為圖像的特征值,熵值大小可反映不同種類失真,使用支持向量機(jī)LibSVM得出客觀質(zhì)量分?jǐn)?shù)。SSEQ算法的流程圖如圖2所示。

    由于空間熵值和頻譜熵值都是基于多個(gè)像素點(diǎn)計(jì)算出來(lái)的,所以為了使讀取的值分布均勻,本文采用塊處理,將預(yù)處理后的灰度圖像分成8×8的塊,并以此作為特征值提取最小信息單位。圖像的信息可使用[14],[18],[116]的采樣率,分為高、中、低3個(gè)頻率段,特征值為每個(gè)頻率段的均值和偏度值。

    1.3? BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),拓?fù)浣Y(jié)構(gòu)分為輸入層、隱含層和輸出層三個(gè)部分,具有信號(hào)前向傳播、誤差后向傳播的特點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)信號(hào)的前向傳播是指信號(hào)從輸入層經(jīng)過(guò)隱含層,再到輸出層;誤差的反向傳播是從輸出層到隱含層,再到輸入層。

    使用該模型的BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練,網(wǎng)絡(luò)的形成過(guò)程中為使誤差平方和最小,使用誤差的反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,從而使輸出值接近期望值。其結(jié)構(gòu)圖如圖3所示。

    2? 模型建立

    本文中模型使用的算法有BRISQUE算法、SSEQ算法、BP神經(jīng)網(wǎng)絡(luò)和加權(quán)融合算法。首先通過(guò)BRISQUE算法得出36個(gè)特征值,SSEQ算法得出12個(gè)特征值。然后利用BP神經(jīng)網(wǎng)絡(luò)將特征值和DOMS值進(jìn)行訓(xùn)練測(cè)試,其中50%作為訓(xùn)練集,50%作為測(cè)試集。最后將測(cè)試集得出的客觀質(zhì)量評(píng)分進(jìn)行加權(quán)融合,得到最終的客觀質(zhì)量評(píng)分,其中,加權(quán)融合的權(quán)值為相關(guān)性檢測(cè)中相關(guān)性最大時(shí)對(duì)應(yīng)的權(quán)值。具體流程如圖4所示。

    3? 實(shí)驗(yàn)結(jié)果及分析

    3.1? 實(shí)驗(yàn)樣本描述

    圖像來(lái)源于美國(guó)德克薩斯大學(xué)奧斯汀分校的電氣與計(jì)算機(jī)工程系和心理學(xué)系聯(lián)合建立的LIVE(Laboratory for Image & Video Engineering)圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)的Release2版本,由29幅參考圖像和5種失真類型共982幅圖像組成,其中包含不同程度高斯白噪聲(WN)失真圖像174幅、不同程度高斯模糊(GBlur)失真圖像174幅、jpeg壓縮(JPEG)失真圖像233幅、jp2k壓縮(JP2K)失真圖像227幅和快速瑞利衰減(FF)失真圖像174幅。采用161人作為觀察人員,通過(guò)統(tǒng)計(jì)約25 000個(gè)數(shù)據(jù),獲得了不同失真圖像的主觀相對(duì)質(zhì)量分?jǐn)?shù)(DMOS)。DMOS值范圍為0~100,DMOS值越大,表示圖像失真越嚴(yán)重。

    3.2? 模型評(píng)價(jià)標(biāo)準(zhǔn)

    本文采用線性相關(guān)系數(shù)LCC,也稱皮爾遜線性相關(guān)系數(shù)PLCC,描述預(yù)測(cè)值與主觀評(píng)分之間的相關(guān)性和算法的準(zhǔn)確性。皮爾遜相關(guān)系數(shù)定義為兩個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商,計(jì)算公式如下所示:

    [ρX,Y=cov(X,Y)σXσY=E[(X-μX)(Y-μY)]σXσY]

    式中[σ]為標(biāo)準(zhǔn)差。皮爾遜相關(guān)系數(shù)反映了兩個(gè)變量的線性相關(guān)性的大小,絕對(duì)值越大說(shuō)明兩變量的相關(guān)性越強(qiáng)。相關(guān)系數(shù)大于0.8為極強(qiáng)相關(guān)。

    3.3? 實(shí)驗(yàn)結(jié)果

    本文模型是在對(duì)單張失真圖像進(jìn)行客觀質(zhì)量評(píng)價(jià)的基礎(chǔ)上實(shí)現(xiàn)圖像質(zhì)量的選優(yōu),即單張圖像通過(guò)模型處理后得到其對(duì)應(yīng)的客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù),多張圖片可獲得多個(gè)對(duì)應(yīng)的客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù),對(duì)圖像進(jìn)行圖像質(zhì)量評(píng)價(jià)就是預(yù)測(cè)圖像的主觀質(zhì)量分?jǐn)?shù)。如圖5a)~圖5f)所示是LIVE圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)里高斯模糊失真中對(duì)應(yīng)的6張圖像,將這6張圖像輸入此模型可得出其對(duì)應(yīng)的客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)。表1是圖5中的6張失真圖像通過(guò)模型得出客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)和其在LIVE數(shù)據(jù)庫(kù)中對(duì)應(yīng)的主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)。

    如表1所示,失真圖像5a)和失真圖像5b)對(duì)應(yīng)的主觀評(píng)價(jià)分?jǐn)?shù)分別為23.14和27.16,客觀質(zhì)量分?jǐn)?shù)分別為20.58和22.51,從中可以得出主客觀結(jié)果一致,即表明通過(guò)此模型得出的客觀質(zhì)量分?jǐn)?shù)可在失真圖像5a)和5b)中預(yù)測(cè)圖像5a)的圖像質(zhì)量?jī)?yōu)于圖像5b)。

    再者,對(duì)表1的主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)和客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)進(jìn)行排序,其中主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)從小到大對(duì)應(yīng)的失真圖像依次為圖像5e),5a),5f),5b),5c),5d),客觀質(zhì)量分?jǐn)?shù)從小到大對(duì)應(yīng)的失真圖像依次為圖像5e),5a),5f),5b),5c),5d),比較得出兩個(gè)序列失真圖像客觀評(píng)價(jià)分?jǐn)?shù)的大小與主觀評(píng)價(jià)分?jǐn)?shù)大小有關(guān),主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)越大對(duì)應(yīng)的客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)往往也會(huì)越大。在這6張圖像中圖像5e)對(duì)應(yīng)的質(zhì)量分?jǐn)?shù)最小,即圖像5e)的質(zhì)量最好。通過(guò)對(duì)LIVE數(shù)據(jù)庫(kù)中的高斯模糊失真中對(duì)應(yīng)的6張圖像的客觀和主觀質(zhì)量分?jǐn)?shù)進(jìn)行分析,說(shuō)明本文模型可以在一定程度上通過(guò)輸入失真圖像得出客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)的大小,對(duì)一系列圖像的質(zhì)量進(jìn)行比較,選擇質(zhì)量最好的圖像。

    由于考慮到模型性能,評(píng)價(jià)方法使用的是PLCC相關(guān)系數(shù),所以需要得到大量圖像的客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)和其對(duì)應(yīng)的主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)才可以進(jìn)行模型性能的評(píng)價(jià),PLCC越接近1則表示線性相關(guān)性越好。為評(píng)價(jià)模型的整體性能,對(duì)LIVE圖像評(píng)價(jià)數(shù)據(jù)庫(kù)中的五種失真圖像使用PLCC進(jìn)行相關(guān)性分析,得出的客觀評(píng)價(jià)分?jǐn)?shù)的大小與其對(duì)應(yīng)的主觀評(píng)價(jià)分?jǐn)?shù)的PLCC相關(guān)性如表2所示。

    表2中五種失真圖像對(duì)應(yīng)的PLCC均在0.8~1.0的區(qū)間里,失真圖像的客觀評(píng)價(jià)分?jǐn)?shù)和主觀評(píng)價(jià)分?jǐn)?shù)呈極強(qiáng)相關(guān),所以通過(guò)此模型對(duì)LIVE數(shù)據(jù)庫(kù)的五種失真圖像得出的客觀評(píng)價(jià)分?jǐn)?shù)可以找到較好質(zhì)量的圖像。其中,F(xiàn)F的PLCC系數(shù)最小,由此可知此模型對(duì)于快速瑞利衰減失真圖像質(zhì)量評(píng)價(jià)的準(zhǔn)確性最低,GBlur和WN對(duì)應(yīng)的PLCC系數(shù)相對(duì)較大,可知此模型對(duì)于高斯模糊和高斯白噪聲失真圖像質(zhì)量評(píng)價(jià)的準(zhǔn)確性高于其他三種失真圖像。

    3.4? 性能檢測(cè)

    將本文模型與BIQI,BRISQUE,OG?IQA和SSEQ四種經(jīng)典的無(wú)參考圖像評(píng)價(jià)模型進(jìn)行PLCC比較,得到的結(jié)果如表3所示。

    由表3可知,對(duì)于FF失真,本文模型優(yōu)于BIQI和SSEQ模型,略差于BRISQUE和OG?IQA模型。對(duì)于GBlur失真,本文模型優(yōu)于BIQI和OG?IQA模型,略差于BRISQUE和SSEQ模型。對(duì)于JP2K失真,本文模型優(yōu)于BIQI和BRISQUE模型,略差于OG?IQA和SSEQ模型。對(duì)于JPEG失真,本文模型明顯優(yōu)于BIQI、BRISQUE和OG?IQA模型,略差于SSEQ模型。 對(duì)于WN失真,本文模型明顯優(yōu)于BIQI模型,略優(yōu)于BRISQUE、OG?IQA和SSEQ模型。

    3.5? 遷移性分析

    本文模型針對(duì)TID2013數(shù)據(jù)庫(kù)進(jìn)行遷移性分析,使用GBlur,JP2K和JPEG這3種失真圖像進(jìn)行性能分析。TID2013圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)中某張圖像與其對(duì)應(yīng)的5張JPEG失真圖像如圖6所示。其中圖6a)為原圖像,圖6b)~圖6f)為失真圖像,觀察比較圖像可知,圖6b)~圖6f)的5張失真圖像的信息損失程度逐漸增加。

    表4是圖6中的5張失真圖像6b)~6f)通過(guò)模型得到的客觀評(píng)價(jià)分?jǐn)?shù)和其主觀評(píng)價(jià)分?jǐn)?shù),其中分?jǐn)?shù)越大表示圖像失真程度越高。表中圖6b)~圖6f)對(duì)應(yīng)的質(zhì)量分?jǐn)?shù)的增加符合圖像失真程度的增加,并且客觀質(zhì)量分?jǐn)?shù)和主觀質(zhì)量分?jǐn)?shù)呈正相關(guān),故此模型可以較好地預(yù)測(cè)圖像的失真程度。

    表5是此模型分別在LIVE和TID2013圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)中,對(duì)于GBlur,JP2K和JPEG這3種失真對(duì)應(yīng)的客觀質(zhì)量分?jǐn)?shù)和主觀質(zhì)量分?jǐn)?shù)的PLCC。由表5可知此模型對(duì)于TID2013圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)的PLCC值在0.8~1.0的區(qū)間里,所以客觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)和主觀質(zhì)量評(píng)價(jià)分?jǐn)?shù)呈極強(qiáng)相關(guān),即模型對(duì)TID2013圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)的圖像可以較為準(zhǔn)確地預(yù)測(cè)圖像質(zhì)量。

    4? 結(jié)? 語(yǔ)

    本文基于LIVE數(shù)據(jù)庫(kù)提出了融合SSEQ算法、BRISQUE算法和BP神經(jīng)網(wǎng)絡(luò)的無(wú)參考質(zhì)量評(píng)價(jià)模型??筛鶕?jù)圖像在模型中得出的客觀質(zhì)量分?jǐn)?shù)較為準(zhǔn)確地實(shí)現(xiàn)系列圖像的自動(dòng)選優(yōu)。該模型優(yōu)于部分無(wú)參考圖像質(zhì)量評(píng)價(jià)模型,且具有較強(qiáng)的遷移性。如何進(jìn)一步提高圖像質(zhì)量評(píng)價(jià)的準(zhǔn)確性以及建立模型適用于多種失真類型的圖像是今后的研究方向。

    參考文獻(xiàn)

    [1] 詹憶冰.基于視覺(jué)感知特性的圖像質(zhì)量評(píng)價(jià)方法研究[D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2018.

    [2] 張滿.無(wú)參考圖像質(zhì)量評(píng)價(jià)及其應(yīng)用[D].西安:西安電子科技大學(xué),2018.

    [3] 楊璐,王輝,魏敏.基于機(jī)器學(xué)習(xí)的無(wú)參考圖像質(zhì)量評(píng)價(jià)綜述[J].計(jì)算機(jī)工程與應(yīng)用,2018,54(19):34?42.

    [4] MOORTHY A K, BOVIK A C. A two?step framework for constructing blind image quality indices [J]. IEEE signal proces?sing letters, 2010, 17(5): 513?516.

    [5] MITTAL A, MOORTHY A K, BOVIK A C. No?reference image quality assessment in the spatial domain [J]. IEEE transactions on image processing, 2012, 21(12): 4695?4708.

    [6] 鄭加蘇.基于圖像信息熵的無(wú)參考圖像質(zhì)量評(píng)估算法的研究[D].北京:北京交通大學(xué),2015.

    [7] KANG Le, YE Peng, LI Yi, et al. Convolutional neural networks for no?reference image quality assessment [C]// Procee?dings of the IEEE Conference on Computer Vision and Pattern Recognition. Columbus, OH, USA: IEEE, 2014: 1733?1740.

    [8] BIANCO S, CELONA L, NAPOLETANO P, et al. On the use of deep learning for blind image quality assessment [J]. Signal, image and video processing, 2018, 12(2): 355?362.

    [9] KIM J, NGUYEN A D, LEE S. Deep CNN?based blind image quality predictor [J]. IEEE transactions on neural networks & learning systems, 2019, 30(1): 11?24.

    作者簡(jiǎn)介:徐長(zhǎng)英(1981—),女,山東鄆城人,碩士,講師,主要研究方向?yàn)樾盘?hào)處理、模式識(shí)別。

    曾艷嬌(1998—),女,湖南株洲人,主要研究方向?yàn)閳D像處理。

    陳? 英(1981—),男,江西臨川人,博士,副教授,主要研究方向?yàn)閳D像處理及模式識(shí)別。

    猜你喜歡
    評(píng)價(jià)模型
    基于DEA的汽車上市公司相對(duì)效益評(píng)價(jià)
    公共圖書(shū)館數(shù)字化服務(wù)的有效性評(píng)價(jià)模型
    基于學(xué)業(yè)質(zhì)量的增值性評(píng)價(jià)系統(tǒng)的分析與構(gòu)建
    基于產(chǎn)業(yè)集群的技術(shù)創(chuàng)新風(fēng)險(xiǎn)評(píng)價(jià)模型構(gòu)建
    基于熵權(quán)法的西安市外向型經(jīng)濟(jì)發(fā)展綜合評(píng)價(jià)研究
    大學(xué)生平時(shí)成績(jī)動(dòng)態(tài)評(píng)價(jià)模型的研究與應(yīng)用
    新能源風(fēng)電發(fā)展預(yù)測(cè)與評(píng)價(jià)模型研究
    高校內(nèi)部財(cái)務(wù)控制與風(fēng)險(xiǎn)管理評(píng)價(jià)模型構(gòu)建及實(shí)證研究
    商(2016年24期)2016-07-20 14:02:06
    基于BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的會(huì)計(jì)信息質(zhì)量評(píng)價(jià)
    商(2016年13期)2016-05-20 08:37:15
    鄉(xiāng)村旅游目的地居民低碳意識(shí)的調(diào)查與實(shí)踐研究
    不卡av一区二区三区| 国产熟女午夜一区二区三区| 国产精品av久久久久免费| 成人免费观看视频高清| 一进一出好大好爽视频| 少妇粗大呻吟视频| 欧美成人午夜精品| 成人特级黄色片久久久久久久| 午夜激情av网站| 美国免费a级毛片| 美女福利国产在线| 在线观看免费高清a一片| 91大片在线观看| 制服人妻中文乱码| 最近最新中文字幕大全电影3 | 搡老乐熟女国产| 久久久国产成人精品二区 | 黑人巨大精品欧美一区二区蜜桃| 国产亚洲av高清不卡| 夜夜看夜夜爽夜夜摸 | www.999成人在线观看| 99re在线观看精品视频| 啦啦啦免费观看视频1| 亚洲美女黄片视频| 99国产极品粉嫩在线观看| 亚洲自拍偷在线| 国产又色又爽无遮挡免费看| 精品人妻在线不人妻| 在线永久观看黄色视频| 午夜免费观看网址| 男女床上黄色一级片免费看| 国产不卡一卡二| 在线观看免费视频网站a站| 日韩精品免费视频一区二区三区| 亚洲成人免费av在线播放| 国产三级在线视频| ponron亚洲| 一本大道久久a久久精品| 亚洲精品av麻豆狂野| 久久久久国产一级毛片高清牌| 亚洲第一欧美日韩一区二区三区| 国产精品久久电影中文字幕| 可以免费在线观看a视频的电影网站| 婷婷丁香在线五月| 国产激情久久老熟女| 国产av一区在线观看免费| 91大片在线观看| 午夜日韩欧美国产| 日日爽夜夜爽网站| 欧美激情久久久久久爽电影 | 久久久久久久久中文| 午夜福利影视在线免费观看| 国产精品国产高清国产av| 曰老女人黄片| 国产精品综合久久久久久久免费 | 亚洲熟女毛片儿| 欧美+亚洲+日韩+国产| 在线视频色国产色| 午夜福利欧美成人| 久久天堂一区二区三区四区| 99国产极品粉嫩在线观看| 免费在线观看视频国产中文字幕亚洲| 久久精品亚洲熟妇少妇任你| 色婷婷久久久亚洲欧美| 亚洲欧美日韩另类电影网站| 精品国产亚洲在线| 久久久久久人人人人人| 久久人人精品亚洲av| 精品人妻在线不人妻| 国产精品九九99| 黄频高清免费视频| 国产精品偷伦视频观看了| 视频区图区小说| 美女扒开内裤让男人捅视频| 脱女人内裤的视频| 在线国产一区二区在线| 欧美日韩精品网址| 久久久久久人人人人人| 村上凉子中文字幕在线| 美女大奶头视频| 91麻豆精品激情在线观看国产 | 韩国av一区二区三区四区| 在线十欧美十亚洲十日本专区| 欧美精品啪啪一区二区三区| 亚洲专区国产一区二区| 色哟哟哟哟哟哟| www.自偷自拍.com| 男人舔女人下体高潮全视频| 亚洲精品美女久久久久99蜜臀| 老汉色av国产亚洲站长工具| 久久久精品欧美日韩精品| 亚洲一码二码三码区别大吗| a在线观看视频网站| 久久久久久亚洲精品国产蜜桃av| 精品久久久久久成人av| 黄色a级毛片大全视频| 欧美 亚洲 国产 日韩一| 色哟哟哟哟哟哟| 一区二区日韩欧美中文字幕| 国产一区二区在线av高清观看| 国内毛片毛片毛片毛片毛片| cao死你这个sao货| 国产精品美女特级片免费视频播放器 | 久久精品国产99精品国产亚洲性色 | 99国产极品粉嫩在线观看| 精品久久久久久,| 1024香蕉在线观看| 天堂√8在线中文| 午夜福利在线免费观看网站| 18禁美女被吸乳视频| 黄片大片在线免费观看| 久久久久久亚洲精品国产蜜桃av| 国产精品永久免费网站| 精品国内亚洲2022精品成人| 香蕉久久夜色| 黑人巨大精品欧美一区二区mp4| 国产男靠女视频免费网站| 国产欧美日韩一区二区三| 国产欧美日韩精品亚洲av| 99精国产麻豆久久婷婷| 免费看十八禁软件| 欧美日韩一级在线毛片| www.精华液| 啦啦啦在线免费观看视频4| 免费在线观看视频国产中文字幕亚洲| 亚洲熟女毛片儿| av天堂在线播放| 欧美午夜高清在线| 深夜精品福利| 亚洲狠狠婷婷综合久久图片| 亚洲黑人精品在线| 波多野结衣一区麻豆| 99久久精品国产亚洲精品| 免费不卡黄色视频| 成熟少妇高潮喷水视频| 最新在线观看一区二区三区| 精品久久久久久久久久免费视频 | 亚洲av成人不卡在线观看播放网| 99re在线观看精品视频| 久久久国产精品麻豆| 母亲3免费完整高清在线观看| 欧美日韩一级在线毛片| 色综合欧美亚洲国产小说| 怎么达到女性高潮| 搡老熟女国产l中国老女人| 国产亚洲精品久久久久久毛片| 国产成人欧美| 国产野战对白在线观看| 男女做爰动态图高潮gif福利片 | 亚洲色图av天堂| 亚洲五月色婷婷综合| 嫩草影视91久久| 国产不卡一卡二| 久久久国产精品麻豆| 两性夫妻黄色片| 婷婷丁香在线五月| 一级毛片高清免费大全| 国产精品国产高清国产av| 精品人妻1区二区| 91麻豆精品激情在线观看国产 | 黄色a级毛片大全视频| 中文字幕精品免费在线观看视频| 欧美乱妇无乱码| 免费看十八禁软件| aaaaa片日本免费| 最新美女视频免费是黄的| 欧美日韩瑟瑟在线播放| 韩国精品一区二区三区| 午夜免费观看网址| 亚洲七黄色美女视频| 很黄的视频免费| 国产av一区在线观看免费| 韩国av一区二区三区四区| 欧美日韩亚洲高清精品| 国产不卡一卡二| 黄片小视频在线播放| 男女下面插进去视频免费观看| 日本一区二区免费在线视频| 国产精品一区二区在线不卡| 亚洲色图av天堂| 亚洲美女黄片视频| 91麻豆精品激情在线观看国产 | 欧美日韩国产mv在线观看视频| 一二三四在线观看免费中文在| 成人国产一区最新在线观看| 久热这里只有精品99| 亚洲av电影在线进入| 一级作爱视频免费观看| 男女高潮啪啪啪动态图| 欧美乱码精品一区二区三区| 欧美一区二区精品小视频在线| www.999成人在线观看| 高清黄色对白视频在线免费看| 狂野欧美激情性xxxx| 国产99久久九九免费精品| 欧美乱色亚洲激情| 欧美一区二区精品小视频在线| 精品乱码久久久久久99久播| 精品福利永久在线观看| 操美女的视频在线观看| 亚洲情色 制服丝袜| 老司机深夜福利视频在线观看| 嫩草影视91久久| 亚洲第一青青草原| 免费观看人在逋| 三级毛片av免费| 精品久久久久久久久久免费视频 | 午夜影院日韩av| 99精品欧美一区二区三区四区| av超薄肉色丝袜交足视频| 久久久国产成人精品二区 | 亚洲中文av在线| 久久九九热精品免费| 欧美成人免费av一区二区三区| 精品久久久精品久久久| 少妇粗大呻吟视频| 亚洲视频免费观看视频| 亚洲欧美一区二区三区黑人| 成人国语在线视频| 国产成人免费无遮挡视频| 一区二区三区激情视频| 午夜a级毛片| 国产av精品麻豆| 亚洲一卡2卡3卡4卡5卡精品中文| 在线播放国产精品三级| 欧美性长视频在线观看| 在线观看免费视频网站a站| 最近最新中文字幕大全免费视频| 99久久国产精品久久久| 人人妻人人添人人爽欧美一区卜| 搡老熟女国产l中国老女人| www.自偷自拍.com| 天堂√8在线中文| 亚洲五月天丁香| 久久伊人香网站| 曰老女人黄片| 80岁老熟妇乱子伦牲交| 男女下面插进去视频免费观看| 精品午夜福利视频在线观看一区| 咕卡用的链子| 悠悠久久av| 美女高潮喷水抽搐中文字幕| 国产精品 国内视频| 法律面前人人平等表现在哪些方面| 激情在线观看视频在线高清| 97碰自拍视频| 美女高潮到喷水免费观看| 久久香蕉激情| 丰满迷人的少妇在线观看| 久久精品91蜜桃| 久久中文看片网| 一边摸一边抽搐一进一小说| 黑人猛操日本美女一级片| 欧美人与性动交α欧美软件| 好男人电影高清在线观看| 国产精品日韩av在线免费观看 | 操出白浆在线播放| 50天的宝宝边吃奶边哭怎么回事| 国产精品免费视频内射| 一进一出好大好爽视频| 又大又爽又粗| 久久久久久久久免费视频了| 久久精品91蜜桃| 亚洲成人国产一区在线观看| 99riav亚洲国产免费| 两个人看的免费小视频| 每晚都被弄得嗷嗷叫到高潮| 美女大奶头视频| 午夜亚洲福利在线播放| 老司机午夜福利在线观看视频| 国产熟女xx| 日韩精品免费视频一区二区三区| 电影成人av| 日本三级黄在线观看| 国产伦一二天堂av在线观看| 亚洲少妇的诱惑av| 日本a在线网址| 在线av久久热| 可以在线观看毛片的网站| 超碰97精品在线观看| 久久精品影院6| 视频区图区小说| 搡老熟女国产l中国老女人| 久久久国产欧美日韩av| 中文字幕人妻熟女乱码| 制服人妻中文乱码| 国产99白浆流出| 国产一区二区在线av高清观看| 国产精品美女特级片免费视频播放器 | 欧美在线黄色| 亚洲黑人精品在线| 丰满人妻熟妇乱又伦精品不卡| 久久久久久免费高清国产稀缺| 国产精品二区激情视频| av福利片在线| 丁香六月欧美| 99久久人妻综合| 黄频高清免费视频| 亚洲精品国产色婷婷电影| 动漫黄色视频在线观看| 美女高潮喷水抽搐中文字幕| 午夜福利免费观看在线| 精品第一国产精品| 国产蜜桃级精品一区二区三区| 国产三级在线视频| 欧美激情极品国产一区二区三区| 天天添夜夜摸| 欧美日韩福利视频一区二区| 国产伦一二天堂av在线观看| 婷婷六月久久综合丁香| 18禁裸乳无遮挡免费网站照片 | 国产真人三级小视频在线观看| 在线观看午夜福利视频| 最新美女视频免费是黄的| 18禁观看日本| 中文字幕另类日韩欧美亚洲嫩草| 成人三级做爰电影| 国产精品亚洲一级av第二区| 亚洲第一青青草原| 中文字幕人妻熟女乱码| 国产熟女xx| 亚洲国产看品久久| 在线观看午夜福利视频| 亚洲精品久久午夜乱码| 亚洲av成人不卡在线观看播放网| 久久久精品欧美日韩精品| 熟女少妇亚洲综合色aaa.| 亚洲人成网站在线播放欧美日韩| 亚洲av成人av| 桃色一区二区三区在线观看| 曰老女人黄片| 精品人妻在线不人妻| 欧美精品一区二区免费开放| netflix在线观看网站| av欧美777| 91国产中文字幕| 色综合婷婷激情| 国产成人系列免费观看| 一级片免费观看大全| 黄片播放在线免费| 成人特级黄色片久久久久久久| 久久久精品欧美日韩精品| 午夜久久久在线观看| 日韩中文字幕欧美一区二区| 女生性感内裤真人,穿戴方法视频| av片东京热男人的天堂| 麻豆成人av在线观看| 亚洲成人国产一区在线观看| 午夜精品久久久久久毛片777| 成人永久免费在线观看视频| 男女做爰动态图高潮gif福利片 | 色综合站精品国产| 亚洲欧美激情综合另类| av免费在线观看网站| 女生性感内裤真人,穿戴方法视频| 亚洲免费av在线视频| 色婷婷久久久亚洲欧美| 岛国视频午夜一区免费看| 精品熟女少妇八av免费久了| 不卡av一区二区三区| 亚洲第一青青草原| 亚洲欧美激情综合另类| 黄色成人免费大全| 视频区欧美日本亚洲| av网站在线播放免费| 热re99久久精品国产66热6| 黄色视频,在线免费观看| 国产片内射在线| av天堂在线播放| 视频在线观看一区二区三区| 国产日韩一区二区三区精品不卡| 国产男靠女视频免费网站| 视频在线观看一区二区三区| 看免费av毛片| 久久国产精品男人的天堂亚洲| 成人手机av| 久久精品亚洲精品国产色婷小说| 在线免费观看的www视频| 超色免费av| 欧美最黄视频在线播放免费 | 亚洲国产看品久久| 一区二区三区精品91| 久久精品亚洲精品国产色婷小说| 亚洲熟妇熟女久久| 人妻久久中文字幕网| 亚洲一区二区三区色噜噜 | 一级片'在线观看视频| 波多野结衣高清无吗| 1024视频免费在线观看| 亚洲欧美一区二区三区久久| 欧美黑人精品巨大| 99香蕉大伊视频| 手机成人av网站| 亚洲国产精品sss在线观看 | 一区二区三区国产精品乱码| 国产高清视频在线播放一区| 国产有黄有色有爽视频| 久久人人爽av亚洲精品天堂| 日韩成人在线观看一区二区三区| 一区二区三区精品91| 久久精品亚洲熟妇少妇任你| 天堂动漫精品| 狂野欧美激情性xxxx| 亚洲精品中文字幕在线视频| 亚洲国产精品一区二区三区在线| 免费观看精品视频网站| 美女午夜性视频免费| 视频区图区小说| 欧美日韩黄片免| 亚洲av熟女| 一区二区三区国产精品乱码| 国产91精品成人一区二区三区| www国产在线视频色| 999久久久精品免费观看国产| 色婷婷久久久亚洲欧美| 99热只有精品国产| 91麻豆av在线| 波多野结衣高清无吗| 超色免费av| 欧美精品亚洲一区二区| 亚洲av日韩精品久久久久久密| 欧美大码av| 国产在线观看jvid| 久99久视频精品免费| 麻豆成人av在线观看| 男女之事视频高清在线观看| 看片在线看免费视频| 亚洲精品久久成人aⅴ小说| x7x7x7水蜜桃| 精品福利观看| 亚洲狠狠婷婷综合久久图片| 91老司机精品| 精品人妻在线不人妻| 国产区一区二久久| 悠悠久久av| 中国美女看黄片| 欧美国产精品va在线观看不卡| 91精品三级在线观看| 亚洲精品国产一区二区精华液| 自线自在国产av| 男人的好看免费观看在线视频 | 侵犯人妻中文字幕一二三四区| 久久人妻福利社区极品人妻图片| 91大片在线观看| 婷婷六月久久综合丁香| 女人精品久久久久毛片| 中文亚洲av片在线观看爽| 亚洲精品中文字幕一二三四区| 国产成人免费无遮挡视频| 亚洲第一青青草原| 国产亚洲欧美精品永久| 日韩免费av在线播放| 这个男人来自地球电影免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲片人在线观看| 精品一区二区三区四区五区乱码| 国产成人欧美| 久久亚洲真实| 久久精品亚洲熟妇少妇任你| 精品日产1卡2卡| 91九色精品人成在线观看| 日本黄色日本黄色录像| av天堂久久9| 无遮挡黄片免费观看| 久久这里只有精品19| 悠悠久久av| 超色免费av| a级毛片黄视频| 免费观看人在逋| 国产亚洲精品综合一区在线观看 | 亚洲av第一区精品v没综合| 亚洲国产欧美网| 久久精品影院6| 成人18禁高潮啪啪吃奶动态图| 久久精品国产亚洲av香蕉五月| 中出人妻视频一区二区| 国产深夜福利视频在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 丰满饥渴人妻一区二区三| 亚洲五月天丁香| 女性被躁到高潮视频| av有码第一页| 丰满迷人的少妇在线观看| 一区二区日韩欧美中文字幕| 一级片'在线观看视频| 亚洲美女黄片视频| 亚洲欧美激情综合另类| 国产欧美日韩一区二区三区在线| 中文欧美无线码| 欧美成人午夜精品| 午夜亚洲福利在线播放| 精品国产国语对白av| 女性生殖器流出的白浆| 久久人妻av系列| 在线观看免费视频网站a站| 精品久久蜜臀av无| 最好的美女福利视频网| 国产成人一区二区三区免费视频网站| 久久久久久免费高清国产稀缺| 国产精品久久视频播放| 9热在线视频观看99| 69av精品久久久久久| 美国免费a级毛片| 大陆偷拍与自拍| 韩国av一区二区三区四区| 亚洲中文av在线| 国产人伦9x9x在线观看| 亚洲成人国产一区在线观看| 久久伊人香网站| 精品一品国产午夜福利视频| 欧美丝袜亚洲另类 | a在线观看视频网站| 欧美激情久久久久久爽电影 | 在线观看午夜福利视频| 欧美精品亚洲一区二区| 国产成人精品久久二区二区91| 国产免费男女视频| av在线天堂中文字幕 | 涩涩av久久男人的天堂| 日韩一卡2卡3卡4卡2021年| 亚洲 国产 在线| 美女 人体艺术 gogo| 97碰自拍视频| 国产成人av教育| 欧美一区二区精品小视频在线| 一级作爱视频免费观看| 免费在线观看影片大全网站| 成人黄色视频免费在线看| 欧美亚洲日本最大视频资源| 久久午夜亚洲精品久久| 一区二区三区激情视频| 成人黄色视频免费在线看| 亚洲三区欧美一区| 久久久久国内视频| 咕卡用的链子| 日韩欧美免费精品| 亚洲va日本ⅴa欧美va伊人久久| 久久人妻熟女aⅴ| 高清欧美精品videossex| 亚洲精品中文字幕一二三四区| 99精品在免费线老司机午夜| 日韩三级视频一区二区三区| 99精品在免费线老司机午夜| 国产精品九九99| 精品卡一卡二卡四卡免费| 国产av精品麻豆| 日韩免费高清中文字幕av| 一夜夜www| 曰老女人黄片| 一级,二级,三级黄色视频| 国产视频一区二区在线看| 免费看十八禁软件| 国产亚洲av高清不卡| 午夜免费激情av| 老司机靠b影院| 视频区图区小说| 精品少妇一区二区三区视频日本电影| 91国产中文字幕| 身体一侧抽搐| 免费在线观看黄色视频的| 纯流量卡能插随身wifi吗| 日韩一卡2卡3卡4卡2021年| 国产精品久久久av美女十八| 成人三级做爰电影| 在线永久观看黄色视频| 精品第一国产精品| 国产一区二区三区综合在线观看| 精品久久久久久久久久免费视频 | 人人妻人人澡人人看| 免费看a级黄色片| 99久久综合精品五月天人人| 久久狼人影院| 国产日韩一区二区三区精品不卡| 亚洲精品美女久久久久99蜜臀| 国产1区2区3区精品| 久久人妻熟女aⅴ| 国产精品一区二区精品视频观看| 18禁美女被吸乳视频| 国产乱人伦免费视频| 一区二区三区精品91| 国产高清视频在线播放一区| 日韩一卡2卡3卡4卡2021年| 国产xxxxx性猛交| 国产精品一区二区在线不卡| 欧美日本中文国产一区发布| 黄色毛片三级朝国网站| 中文字幕人妻丝袜制服| 亚洲精品一卡2卡三卡4卡5卡| 嫁个100分男人电影在线观看| 女人被躁到高潮嗷嗷叫费观| 97超级碰碰碰精品色视频在线观看| 日韩 欧美 亚洲 中文字幕| 欧美大码av| 亚洲av日韩精品久久久久久密| 超碰成人久久| 久久精品成人免费网站| 欧美日韩黄片免| 免费在线观看亚洲国产| 男人舔女人下体高潮全视频| 国产日韩一区二区三区精品不卡| 久久精品影院6| 一本综合久久免费| 色精品久久人妻99蜜桃| 午夜视频精品福利| 在线av久久热| 国产精品久久久人人做人人爽| 人妻丰满熟妇av一区二区三区| 久久香蕉国产精品| 超碰成人久久| 一边摸一边抽搐一进一小说| 老司机靠b影院| 亚洲一区高清亚洲精品| 黄色女人牲交| 一级毛片精品| 久久人妻熟女aⅴ|