• <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
    久久精品夜色国产| 熟女电影av网| 看非洲黑人一级黄片| 多毛熟女@视频| videossex国产| 嘟嘟电影网在线观看| 精品一区二区三卡| 国产有黄有色有爽视频| 亚洲国产av新网站| 午夜福利视频精品| 久久精品国产a三级三级三级| 免费看光身美女| 在线观看免费日韩欧美大片 | 国产av一区二区精品久久| 一级毛片黄色毛片免费观看视频| 18禁裸乳无遮挡动漫免费视频| 在线观看免费高清a一片| 国产无遮挡羞羞视频在线观看| 午夜视频国产福利| 亚洲精品日韩在线中文字幕| 成人18禁高潮啪啪吃奶动态图 | 大香蕉久久网| 国产 一区精品| 久久午夜综合久久蜜桃| 秋霞在线观看毛片| 十八禁网站网址无遮挡| av在线观看视频网站免费| 日韩av免费高清视频| 国产亚洲精品久久久com| 亚洲图色成人| 国产有黄有色有爽视频| 色哟哟·www| 精品一区二区三区视频在线| 午夜视频国产福利| 这个男人来自地球电影免费观看 | 免费大片黄手机在线观看| 日本与韩国留学比较| 亚洲欧洲精品一区二区精品久久久 | 亚洲精品一区蜜桃| 大陆偷拍与自拍| 国产成人91sexporn| av国产久精品久网站免费入址| 国产爽快片一区二区三区| 欧美日本中文国产一区发布| 国产熟女午夜一区二区三区 | 肉色欧美久久久久久久蜜桃| 777米奇影视久久| 国产亚洲精品久久久com| av在线老鸭窝| 高清黄色对白视频在线免费看| 日韩大片免费观看网站| 在线 av 中文字幕| 热99久久久久精品小说推荐| 男人操女人黄网站| 18禁在线无遮挡免费观看视频| 成年av动漫网址| 精品酒店卫生间| 少妇被粗大猛烈的视频| 91久久精品国产一区二区成人| 女的被弄到高潮叫床怎么办| 亚洲成人av在线免费| 一区二区av电影网| 最近手机中文字幕大全| 一级毛片aaaaaa免费看小| 免费高清在线观看日韩| 日韩av免费高清视频| 久久久久精品性色| 亚洲国产精品999| 亚洲精品,欧美精品| 成人漫画全彩无遮挡| 丰满饥渴人妻一区二区三| 亚洲精品一二三| 日产精品乱码卡一卡2卡三| 激情五月婷婷亚洲| 美女视频免费永久观看网站| 国产av码专区亚洲av| 亚洲伊人久久精品综合| a级毛片黄视频| 青春草视频在线免费观看| 成人毛片60女人毛片免费| 一级片'在线观看视频| 中文乱码字字幕精品一区二区三区| 免费少妇av软件| 国产成人精品久久久久久| 777米奇影视久久| 午夜激情av网站| 80岁老熟妇乱子伦牲交| 国产黄频视频在线观看| 亚洲av电影在线观看一区二区三区| 国产乱来视频区| 色5月婷婷丁香| 国产一区二区三区av在线| 校园人妻丝袜中文字幕| 午夜精品国产一区二区电影| 免费观看av网站的网址| 国产精品三级大全| 少妇人妻精品综合一区二区| 看免费成人av毛片| 爱豆传媒免费全集在线观看| 久久久久精品性色| 欧美日本中文国产一区发布| 亚洲精品色激情综合| 久久久久网色| 久久精品熟女亚洲av麻豆精品| 老女人水多毛片| 99国产综合亚洲精品| 97超视频在线观看视频| 熟女人妻精品中文字幕| 久久久欧美国产精品| 亚洲激情五月婷婷啪啪| 精品少妇久久久久久888优播| 欧美成人精品欧美一级黄| 欧美激情极品国产一区二区三区 | 一级毛片我不卡| 少妇精品久久久久久久| av网站免费在线观看视频| 激情五月婷婷亚洲| 99久久人妻综合| 99视频精品全部免费 在线| 亚洲一级一片aⅴ在线观看| 在现免费观看毛片| 欧美人与善性xxx| 欧美日韩精品成人综合77777| 卡戴珊不雅视频在线播放| 精品亚洲乱码少妇综合久久| 午夜福利网站1000一区二区三区| 成人漫画全彩无遮挡| 中文字幕亚洲精品专区| 国产精品久久久久久久电影| 高清av免费在线| 熟女人妻精品中文字幕| 成年人免费黄色播放视频| 亚洲欧美成人综合另类久久久| 毛片一级片免费看久久久久| 国产色婷婷99| 熟女电影av网| 亚洲欧洲日产国产| 三上悠亚av全集在线观看| 国产精品一区二区在线观看99| 日韩大片免费观看网站| 啦啦啦啦在线视频资源| 麻豆成人av视频| 国产欧美日韩综合在线一区二区| 99九九在线精品视频| 亚洲欧美色中文字幕在线| 国产av码专区亚洲av| 亚洲欧洲日产国产| 99久久人妻综合| 国产女主播在线喷水免费视频网站| 久久久精品94久久精品| 亚洲人成网站在线播| 全区人妻精品视频| 欧美性感艳星| tube8黄色片| 国产精品 国内视频| 免费大片18禁| 少妇精品久久久久久久| 国产熟女午夜一区二区三区 | 亚洲一区二区三区欧美精品| 日韩欧美精品免费久久| 国产午夜精品一二区理论片| 九九久久精品国产亚洲av麻豆| 国产片特级美女逼逼视频| 国产精品国产av在线观看| 国产熟女午夜一区二区三区 | 亚洲精品久久久久久婷婷小说| 日韩成人av中文字幕在线观看| 丝瓜视频免费看黄片| 制服丝袜香蕉在线| 91久久精品国产一区二区成人| 天天影视国产精品| 国产一区二区三区av在线| av电影中文网址| 国产又色又爽无遮挡免| www.色视频.com| 熟女人妻精品中文字幕| 大陆偷拍与自拍| 国产片内射在线| 国产欧美日韩一区二区三区在线 | 丰满饥渴人妻一区二区三| .国产精品久久| 中文精品一卡2卡3卡4更新| 日韩一区二区三区影片| 久久99一区二区三区| 欧美性感艳星| 精品亚洲成国产av| 一级,二级,三级黄色视频| 久久精品久久精品一区二区三区| 免费人成在线观看视频色| 街头女战士在线观看网站| 国产免费一区二区三区四区乱码| 久久婷婷青草| 精品一区二区免费观看| 在线观看www视频免费| 国产高清不卡午夜福利| 天美传媒精品一区二区| 精品一品国产午夜福利视频| 五月伊人婷婷丁香| 欧美xxxx性猛交bbbb| 九草在线视频观看| 精品一区在线观看国产| 在线观看人妻少妇| 久久精品久久久久久噜噜老黄| a级毛片黄视频| 国产欧美亚洲国产| 国产亚洲最大av| 亚洲不卡免费看| 亚洲av欧美aⅴ国产| 久久久久久久精品精品| 日韩精品免费视频一区二区三区 | 欧美精品国产亚洲| 精品亚洲乱码少妇综合久久| 这个男人来自地球电影免费观看 | 国产精品国产三级专区第一集| 精品少妇内射三级| 热99久久久久精品小说推荐| 各种免费的搞黄视频| 性色av一级| 精品酒店卫生间| 亚洲内射少妇av| 自线自在国产av| 久久99一区二区三区| 久久99热这里只频精品6学生| av在线老鸭窝| 人人妻人人澡人人看| 黄色视频在线播放观看不卡| 色94色欧美一区二区| 国产视频首页在线观看| 亚洲av成人精品一区久久| 如日韩欧美国产精品一区二区三区 | av线在线观看网站| 视频在线观看一区二区三区| 日韩欧美精品免费久久| 欧美+日韩+精品| 黑人高潮一二区| 亚洲精品中文字幕在线视频| 亚洲精品乱码久久久久久按摩| av卡一久久| 熟女av电影| 日韩大片免费观看网站| av线在线观看网站| 一区二区三区精品91| 日韩免费高清中文字幕av| 在线精品无人区一区二区三| 一级毛片电影观看| 丁香六月天网| 亚洲美女黄色视频免费看| 亚洲国产精品成人久久小说| 美女脱内裤让男人舔精品视频| 人人澡人人妻人| 男人添女人高潮全过程视频| 一本—道久久a久久精品蜜桃钙片| 久久精品国产亚洲网站| 日韩av在线免费看完整版不卡| av国产久精品久网站免费入址| 人妻一区二区av| 大码成人一级视频| 国产乱人偷精品视频| av在线观看视频网站免费| 在现免费观看毛片| 免费观看av网站的网址| 人妻人人澡人人爽人人| 国产男女超爽视频在线观看| 国产成人av激情在线播放 | 国产成人91sexporn| 妹子高潮喷水视频| 婷婷色麻豆天堂久久| 亚洲欧美清纯卡通| 免费av不卡在线播放| 99九九线精品视频在线观看视频| 国产又色又爽无遮挡免| 日韩av免费高清视频| 久久精品国产a三级三级三级| av播播在线观看一区| 国产精品一区www在线观看| 波野结衣二区三区在线| 亚洲色图综合在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩,欧美,国产一区二区三区| 欧美少妇被猛烈插入视频| 国产亚洲精品第一综合不卡 | 亚洲高清免费不卡视频| 精品少妇黑人巨大在线播放| 久久影院123| 亚洲丝袜综合中文字幕| 黑人高潮一二区| 国产深夜福利视频在线观看| 久久99蜜桃精品久久| 国产老妇伦熟女老妇高清| 大陆偷拍与自拍| 黄色毛片三级朝国网站| 精品少妇黑人巨大在线播放| 视频中文字幕在线观看| 97超碰精品成人国产| 亚洲国产欧美在线一区| 午夜福利视频在线观看免费| 国产精品秋霞免费鲁丝片| 国产69精品久久久久777片| 久久免费观看电影| 欧美日韩av久久| 熟女电影av网| 亚洲精品国产av成人精品| 女性生殖器流出的白浆| av在线播放精品| 97超碰精品成人国产| 午夜久久久在线观看| 亚洲欧美色中文字幕在线| 极品人妻少妇av视频| 久久久久久久大尺度免费视频| 久久久亚洲精品成人影院| 国产亚洲精品久久久com| 九草在线视频观看| 久久青草综合色| 国产又色又爽无遮挡免| 成人影院久久| 秋霞伦理黄片| 国产男女内射视频| 精品视频人人做人人爽| 中文精品一卡2卡3卡4更新| 亚洲精品一区蜜桃| 日本vs欧美在线观看视频| 自线自在国产av| 最黄视频免费看| 久久99热6这里只有精品| 亚洲欧美一区二区三区黑人 | 久久久久久久精品精品| 久久精品国产亚洲av涩爱| 成人18禁高潮啪啪吃奶动态图 | 777米奇影视久久| 老女人水多毛片| 亚洲国产精品专区欧美| 精品亚洲成国产av| 日韩中文字幕视频在线看片| 夜夜爽夜夜爽视频| 国产精品国产三级国产av玫瑰| 国产在线一区二区三区精| 国产欧美日韩综合在线一区二区| 自线自在国产av| 91aial.com中文字幕在线观看| 97精品久久久久久久久久精品| 亚洲国产精品一区二区三区在线| 热99国产精品久久久久久7| 久久久久久久久久人人人人人人| 国产免费一区二区三区四区乱码| 亚洲经典国产精华液单| 国模一区二区三区四区视频| 一级毛片黄色毛片免费观看视频| 亚洲av免费高清在线观看| 精品国产一区二区三区久久久樱花| 91精品国产国语对白视频| 一个人看视频在线观看www免费| 搡老乐熟女国产| 人妻 亚洲 视频| 大片电影免费在线观看免费| 国产淫语在线视频| 午夜久久久在线观看| 青春草视频在线免费观看| 在线观看三级黄色| 青春草视频在线免费观看| 又粗又硬又长又爽又黄的视频| 在线观看人妻少妇| 亚洲综合色网址| 久久久a久久爽久久v久久| 十分钟在线观看高清视频www| 新久久久久国产一级毛片| 久久久久久久久大av| 亚洲精品乱码久久久v下载方式| 美女主播在线视频| 中文字幕制服av| 少妇丰满av| 自线自在国产av| 草草在线视频免费看| 久热久热在线精品观看| 欧美日韩精品成人综合77777| 18禁动态无遮挡网站| 精品国产乱码久久久久久小说| 美女视频免费永久观看网站| 成人国产麻豆网| 99久久人妻综合| 美女国产视频在线观看| 国产成人精品一,二区| 亚洲精品乱久久久久久| 精品一品国产午夜福利视频| 久久午夜综合久久蜜桃| 免费看光身美女| 久久97久久精品| 女人久久www免费人成看片| 男男h啪啪无遮挡| 看十八女毛片水多多多| 国产在视频线精品| 寂寞人妻少妇视频99o| 中文乱码字字幕精品一区二区三区| 亚洲精品aⅴ在线观看| 在线 av 中文字幕| 母亲3免费完整高清在线观看 | 在线观看国产h片| 人妻一区二区av| 日本爱情动作片www.在线观看| 久久精品国产亚洲av涩爱| 午夜免费鲁丝| 五月开心婷婷网| 美女福利国产在线| 99视频精品全部免费 在线| 亚洲精品国产av成人精品| 亚洲国产精品一区二区三区在线| 51国产日韩欧美| 亚洲av国产av综合av卡| 国产69精品久久久久777片| 日本午夜av视频| 九九爱精品视频在线观看| 亚洲av.av天堂| 午夜福利视频在线观看免费| 国产精品三级大全| 高清视频免费观看一区二区| 美女福利国产在线| 欧美xxⅹ黑人| 久久久久国产精品人妻一区二区| 在线观看免费日韩欧美大片 | av又黄又爽大尺度在线免费看| 久久狼人影院| 成人影院久久| 国产在线免费精品| 我要看黄色一级片免费的| 久久99一区二区三区| 国产黄色视频一区二区在线观看| 国产精品无大码| 晚上一个人看的免费电影| 美女主播在线视频| 久久精品国产亚洲av天美| 日本vs欧美在线观看视频| 久久久久久久亚洲中文字幕| av一本久久久久| 在线精品无人区一区二区三| 午夜福利视频精品| 大话2 男鬼变身卡| 97精品久久久久久久久久精品| 国产精品成人在线| 狠狠精品人妻久久久久久综合| 国产精品偷伦视频观看了| 在线 av 中文字幕| 天天躁夜夜躁狠狠久久av| 亚洲国产精品专区欧美| 大又大粗又爽又黄少妇毛片口| 国产精品三级大全| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产 一区精品| 黑人巨大精品欧美一区二区蜜桃 | 男人爽女人下面视频在线观看| 亚洲一区二区三区欧美精品| 中文字幕制服av| 十分钟在线观看高清视频www| 日韩精品免费视频一区二区三区 | av国产久精品久网站免费入址| 大话2 男鬼变身卡| 韩国高清视频一区二区三区| 哪个播放器可以免费观看大片| 亚洲国产精品国产精品| 在线观看三级黄色| 国产毛片在线视频| 一级爰片在线观看| 日本猛色少妇xxxxx猛交久久| 午夜免费男女啪啪视频观看| 黄色毛片三级朝国网站| 男女免费视频国产| 人妻系列 视频| 久久精品久久久久久噜噜老黄| 一个人免费看片子| a级毛片免费高清观看在线播放| 国产伦理片在线播放av一区| 王馨瑶露胸无遮挡在线观看| 我的老师免费观看完整版| 亚洲精品第二区| 26uuu在线亚洲综合色| 丁香六月天网| 中文字幕最新亚洲高清| 大香蕉久久网| 国产片特级美女逼逼视频| 亚洲精品,欧美精品| 高清毛片免费看| 国产欧美另类精品又又久久亚洲欧美| 欧美老熟妇乱子伦牲交| 18禁在线无遮挡免费观看视频| 成人毛片60女人毛片免费| 久久精品久久久久久久性| 视频区图区小说| 国产一区有黄有色的免费视频| 成人影院久久| 免费高清在线观看日韩| 狂野欧美白嫩少妇大欣赏| 3wmmmm亚洲av在线观看| 国产高清三级在线| 国产精品女同一区二区软件| 看十八女毛片水多多多| a 毛片基地| 观看av在线不卡| 乱码一卡2卡4卡精品| 精品久久久久久久久av| 一个人看视频在线观看www免费| av电影中文网址| 亚洲精品视频女| 蜜桃久久精品国产亚洲av| 大片电影免费在线观看免费| 欧美日本中文国产一区发布| 色婷婷久久久亚洲欧美| 成人黄色视频免费在线看| av在线app专区| 狂野欧美激情性xxxx在线观看| 国产白丝娇喘喷水9色精品| 曰老女人黄片| 少妇丰满av| 国产淫语在线视频| 日日摸夜夜添夜夜爱| 免费观看在线日韩| 成人二区视频| 精品久久蜜臀av无| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产国语露脸激情在线看| 久久狼人影院| 久久国产亚洲av麻豆专区| 制服丝袜香蕉在线| 欧美成人精品欧美一级黄| 精品午夜福利在线看| 中国美白少妇内射xxxbb| 国语对白做爰xxxⅹ性视频网站| 18在线观看网站| 精品人妻一区二区三区麻豆| 在线观看国产h片| 最近中文字幕2019免费版| 一级黄片播放器| 国产成人91sexporn| 国产精品人妻久久久久久| 精品国产国语对白av| 亚洲精品日韩在线中文字幕| 97在线人人人人妻| 成人影院久久| 在线天堂最新版资源| 在线观看www视频免费| 一本色道久久久久久精品综合| 国产成人一区二区在线| 亚洲精品国产av成人精品| 91国产中文字幕| 国产一区有黄有色的免费视频| 在线观看美女被高潮喷水网站| 日本-黄色视频高清免费观看| 国产视频内射| 99久久中文字幕三级久久日本| 亚洲国产精品999| 春色校园在线视频观看| 亚洲熟女精品中文字幕| 国产日韩欧美在线精品| 校园人妻丝袜中文字幕| 天天操日日干夜夜撸| 国产精品蜜桃在线观看| 男女边吃奶边做爰视频| 夫妻性生交免费视频一级片| 在线免费观看不下载黄p国产| 搡女人真爽免费视频火全软件| av专区在线播放| 美女内射精品一级片tv| 午夜日本视频在线| 老女人水多毛片| 日本av手机在线免费观看| 亚洲第一区二区三区不卡| 亚洲国产欧美日韩在线播放| 又粗又硬又长又爽又黄的视频| 大香蕉久久网| 在线免费观看不下载黄p国产| 亚洲av男天堂| 欧美激情 高清一区二区三区| 免费观看的影片在线观看| 亚洲美女黄色视频免费看| 中文字幕久久专区| 高清不卡的av网站| 亚洲av中文av极速乱| 免费黄频网站在线观看国产| 久久青草综合色| 久久久亚洲精品成人影院| 新久久久久国产一级毛片| 观看美女的网站| 91久久精品电影网| 久久精品国产鲁丝片午夜精品| 9色porny在线观看| 永久网站在线| 亚洲av不卡在线观看| 有码 亚洲区| 国产免费现黄频在线看| 国产精品一二三区在线看| 18禁裸乳无遮挡动漫免费视频| 成年人免费黄色播放视频| 欧美xxxx性猛交bbbb| 少妇人妻久久综合中文| 18+在线观看网站| 插阴视频在线观看视频| 日本午夜av视频| 国产午夜精品一二区理论片| 一本大道久久a久久精品| 一区二区三区精品91| 男女无遮挡免费网站观看| 一区二区三区免费毛片| 久久99精品国语久久久| 午夜影院在线不卡| 久久99热这里只频精品6学生| 男女啪啪激烈高潮av片| 国产高清三级在线| 91精品国产国语对白视频| 大香蕉久久成人网| 久久婷婷青草| 国语对白做爰xxxⅹ性视频网站| 日本午夜av视频| 久热这里只有精品99| 美女cb高潮喷水在线观看| 日本av免费视频播放| 欧美一级a爱片免费观看看| 亚洲高清免费不卡视频| 亚洲色图 男人天堂 中文字幕 |