• <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 ?

    基于距離度量學(xué)習(xí)的SAR圖像識(shí)別方法

    2021-03-31 10:28:42高飛趙潔瓊林翀陳浩然
    關(guān)鍵詞:準(zhǔn)確率卷積樣本

    高飛, 趙潔瓊, 林翀, 陳浩然

    (北京理工大學(xué) 信息與電子學(xué)院,北京 100081)

    合成孔徑雷達(dá)(synthetic aperture radar,SAR)是一種能構(gòu)建接近光學(xué)成像傳感器高分辨率圖像的相干成像雷達(dá),已廣泛應(yīng)用于國(guó)防軍事、遙感探測(cè)等多個(gè)領(lǐng)域.軍事領(lǐng)域中,經(jīng)常利用SAR圖像對(duì)特定軍事目標(biāo)進(jìn)行探測(cè)和識(shí)別[1].由于SAR圖像在成像原理、輻射特征、幾何特征等方面不同于一般光學(xué)圖像,在其成像過(guò)程中會(huì)受到地物回波信號(hào)的隨機(jī)影響,產(chǎn)生的相干斑噪聲直接降低圖像質(zhì)量,且由于雷達(dá)波反射的不均勻造成圖像分辨率下降、目標(biāo)邊緣模糊[2]等問(wèn)題.與此同時(shí),在SAR圖像識(shí)別領(lǐng)域,由于目標(biāo)探測(cè)手段上的困難,通常難以獲取足夠數(shù)量的SAR圖像樣本,進(jìn)而給圖像識(shí)別帶來(lái)挑戰(zhàn).基于上述特點(diǎn),對(duì)SAR圖像目標(biāo)識(shí)別的研究主要包括特征提取和分類設(shè)計(jì)[3-4].傳統(tǒng)目標(biāo)識(shí)別方法中一般根據(jù)圖像紋理特征,使用支持向量機(jī)(support vector machines,SVM)的方法對(duì)圖像進(jìn)行分類[5],或使用改進(jìn)的決策樹(shù)進(jìn)行SAR圖像分類[6]等.Gupta等[7]使用隨機(jī)森林法融合了SAR圖像的紋理特征、SAR觀測(cè)特征、統(tǒng)計(jì)特征和顏色特征進(jìn)行土地覆蓋分類.以上方法依賴于人為設(shè)計(jì)圖像特征,該過(guò)程易受圖像噪聲、方位角等多種因素影響,且在處理不同類別間圖像相似度高的任務(wù)中,傳統(tǒng)識(shí)別方法無(wú)法準(zhǔn)確識(shí)別各類圖像.基于KNN的合成孔徑雷達(dá)目標(biāo)識(shí)別中[8]將非參數(shù)分類的KNN算法應(yīng)用于SAR目標(biāo)識(shí)別,此類方法在樣本不平衡時(shí)易將容量小的樣本歸類到容量大的樣本中.深度學(xué)習(xí)方法[9]可實(shí)現(xiàn)特征的自動(dòng)提取,通過(guò)網(wǎng)絡(luò)結(jié)構(gòu)的非線性變換實(shí)現(xiàn)復(fù)雜函數(shù)的逼近,在圖像識(shí)別領(lǐng)域顯示出其優(yōu)越的性能.目前基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的SAR目標(biāo)識(shí)別[10]通過(guò)搭建包含若干卷積層與池化層的網(wǎng)絡(luò),以及使用反向傳播優(yōu)化網(wǎng)絡(luò)參數(shù),完成特征的自動(dòng)提取,最后輸出分類結(jié)果.然而深度學(xué)習(xí)的訓(xùn)練需要大量的樣本數(shù)據(jù),由于 SAR圖像樣本數(shù)量的不足,使用神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過(guò)擬合和陷入局部最優(yōu)的情況,降低識(shí)別準(zhǔn)確率.而近年來(lái)小樣本學(xué)習(xí)的提出[11]在一定程度上改善了深度學(xué)習(xí)面臨的問(wèn)題,其目的是在只有少量樣本的情況下,對(duì)已有樣本進(jìn)行特定訓(xùn)練,從而進(jìn)行快速學(xué)習(xí),提高泛化性能,但該領(lǐng)域的發(fā)展還不夠成熟.

    針對(duì)上述問(wèn)題,本文從以下兩點(diǎn)出發(fā),提出基于距離度量學(xué)習(xí)的SAR圖像識(shí)別方法:(1)為區(qū)分相似度高的類間圖像,利用CNN網(wǎng)絡(luò)初步提取圖像特征,同時(shí)使用LSTM網(wǎng)絡(luò)保留樣本間的相似特征,將各類樣本進(jìn)行關(guān)聯(lián),使用距離度量函數(shù)計(jì)算圖像之間的匹配度,并引入注意力機(jī)制以提取出與測(cè)試圖像特征更具相似性的訓(xùn)練圖像;(2)在SAR圖像數(shù)據(jù)樣本有限的情況下,結(jié)合小樣本學(xué)習(xí)中數(shù)據(jù)訓(xùn)練方式,對(duì)訓(xùn)練集按比例劃分,采取預(yù)訓(xùn)練的策略進(jìn)行模型訓(xùn)練.

    1 基于度量學(xué)習(xí)的算法原理

    1.1 分類模型

    訓(xùn)練集S中包含N個(gè)類別、每類k張圖像,記為

    S={(xi,yi),(x2,y2),…,(xN×k,yN×k)} (1)

    (2)

    其中c∈Y,Y為標(biāo)簽空間。模型計(jì)算過(guò)程公式表示為

    (3)

    (4)

    1.2 距離度量函數(shù)

    注意力機(jī)制通過(guò)距離度量函數(shù)來(lái)計(jì)算向量之間的匹配程度.度量學(xué)習(xí)依賴給定的度量方式,計(jì)算樣本之間的相似度,相似度越大則目標(biāo)之間屬于同類的可能性越大.一般而言,一個(gè)距離函數(shù)d(x,y)需要滿足以下性質(zhì):

    1)d(x,y)=0有且僅有x=y時(shí);

    2)d(x,y)≥0;

    3)d(x,x)=d(y,x);

    4)d(x,k)+d(k,y)≥d(x,y).

    根據(jù)數(shù)據(jù)的不同特性,不同問(wèn)題采用不同的度量方法,如空間問(wèn)題采用歐氏距離,路徑問(wèn)題采用曼哈頓距離,編碼差別采用漢明距離,向量差距采用夾角余弦等.由于計(jì)算圖像樣本間的距離屬于高維度向量問(wèn)題,距離度量函數(shù)采用余弦距離.通過(guò)歐幾里得點(diǎn)積公式:

    a·b=‖a‖‖b‖cosθ

    (5)

    得到向量A和向量B余弦?jiàn)A角:

    (6)

    d(A,B)=θ=arccosθ

    (7)

    通過(guò)余弦距離θ的大小來(lái)計(jì)算樣本之間的距離,θ越小,cosθ越大,樣本間越相似,反之亦然.

    1.3 特征編碼

    利用LSTM網(wǎng)絡(luò)特性,將CNN網(wǎng)絡(luò)提取的特征向量嵌入到編碼空間,使各樣本之間產(chǎn)生關(guān)聯(lián),記住特定信息.對(duì)于訓(xùn)練集,其編碼函數(shù)表示為g(x).結(jié)合雙向LSTM網(wǎng)絡(luò)[12](Bi-directional long short-term memory,Bi-LSTM)對(duì)樣本進(jìn)行編碼,輸入序列為訓(xùn)練集中的各個(gè)樣本,對(duì)樣本xi的編碼為

    (8)

    (9)

    (10)

    (11)

    (12)

    (13)

    2 網(wǎng)絡(luò)設(shè)計(jì)

    2.1 網(wǎng)絡(luò)結(jié)構(gòu)

    2.1.1數(shù)據(jù)預(yù)處理

    針對(duì)本文實(shí)驗(yàn)數(shù)據(jù)集的特定屬性,對(duì)其進(jìn)行數(shù)據(jù)預(yù)處理操作.首先對(duì)原始數(shù)據(jù)圖像進(jìn)行格式解析,將原始只讀形式文件解析為圖像形式文件.由于解析后的圖像像素不一,包括128×128,158×158,192×193等大小的圖像,需統(tǒng)一對(duì)圖像尺寸進(jìn)行調(diào)整,將其裁剪為128×128像素大小.此外,為方便圖像進(jìn)行分類,統(tǒng)一對(duì)圖像標(biāo)簽進(jìn)行one-hot編碼.

    2.1.2網(wǎng)絡(luò)算法

    圖1 圖像識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)

    CNN網(wǎng)絡(luò)由輸入層、隱含層、輸出層組成.其中隱含層包括卷積層、池化層和全連接層,卷積層的目的是提取輸入圖像的不同特征,在各層內(nèi)部包含多個(gè)卷積核,該卷積核中權(quán)重參數(shù)w和一個(gè)偏置b由反向傳播算法得到;池化層則是對(duì)卷積層輸出的特征圖進(jìn)行特征選擇,降低數(shù)據(jù)維度;全連接層對(duì)提取出的特征進(jìn)行非線性組合,從而輸出特征向量.本文方法由于只需利用CNN網(wǎng)絡(luò)對(duì)圖像進(jìn)行初步特征提取,無(wú)需將特征映射輸出,因而移除輸出層,使圖像經(jīng)過(guò)全連接層后,直接輸入到下一個(gè)網(wǎng)絡(luò)中.

    圖2 CNN前向傳播示意圖

    (14)

    改寫為矩陣形式:

    al=σ(wlal-1+bl)

    (15)

    (16)

    δL=((wl+1)Tδl+1)⊙σ′(zl)

    (17)

    (18)

    (19)

    CNN網(wǎng)絡(luò)受神經(jīng)元個(gè)數(shù)、學(xué)習(xí)率、迭代次數(shù)等超參數(shù)的影響,此類超參數(shù)依據(jù)經(jīng)驗(yàn)值進(jìn)行設(shè)置.本文所構(gòu)建的CNN網(wǎng)絡(luò)框架中包含4層卷積層和1層全連接層,在卷積層后添加批量標(biāo)準(zhǔn)化(batch normalization,BN),使用ReLU非線性激活函數(shù),并添加max pooling池化層,經(jīng)過(guò)全連接層后得到特征分布,作為L(zhǎng)STM網(wǎng)絡(luò)的輸入,具體結(jié)構(gòu)如圖3所示.

    圖3 CNN網(wǎng)絡(luò)結(jié)構(gòu)

    圖4 LSTM單元框架

    at=σ(Wo[ht-1,xt]+bo)

    (20)

    使用Bi-LSTM網(wǎng)絡(luò)進(jìn)行特征編碼,該網(wǎng)絡(luò)不僅將前一刻的樣本與當(dāng)前樣本進(jìn)行關(guān)聯(lián),并且使后一刻的樣本也與當(dāng)前樣本得到關(guān)聯(lián),進(jìn)一步增強(qiáng)樣本間的關(guān)聯(lián)度,區(qū)分同類樣本和異類樣本.Bi-LSTM網(wǎng)絡(luò)由前向LSTM和后向LSTM組成.前向LSTM層和后向LSTM層共同連接著輸出層,每個(gè)單元包含6個(gè)共享權(quán)值W1~W6,整體框架如圖5所示.在前向?qū)雍秃笙驅(qū)拥膫鞑ブ?,分別計(jì)算前向和后向各時(shí)刻隱含層的結(jié)果并保存,最后在每個(gè)時(shí)刻結(jié)合前向?qū)雍秃笙驅(qū)訉?duì)應(yīng)時(shí)刻的結(jié)果得到最終輸出(左右箭頭分別代表后向、前向傳播).該過(guò)程對(duì)應(yīng)表達(dá)式如(21)~(23),式中函數(shù)F與函數(shù)G為t時(shí)刻的輸出函數(shù).

    圖5 雙向LSTM框架圖

    (21)

    (22)

    (23)

    余弦相似函數(shù)計(jì)算測(cè)試樣本與訓(xùn)練樣本圖像之間的余弦距離,對(duì)輸入的訓(xùn)練樣本向量和測(cè)試樣本向量使用Batch Matrix Multiply方法進(jìn)行點(diǎn)積運(yùn)算,通過(guò)計(jì)算兩向量的平方根倒數(shù),將二者結(jié)果相乘輸出余弦相似值,并輸入注意力機(jī)制中,最后得到預(yù)測(cè)結(jié)果.網(wǎng)絡(luò)通過(guò)交叉熵代價(jià)函數(shù)計(jì)算損失值,根據(jù)結(jié)果進(jìn)行梯度下降并反向傳播.

    2.2 訓(xùn)練策略

    在小樣本學(xué)習(xí)任務(wù)中,數(shù)據(jù)集的組織原則與訓(xùn)練方式不同于常規(guī)深度學(xué)習(xí)數(shù)據(jù)集,記常規(guī)數(shù)據(jù)集為Dr,小樣本數(shù)據(jù)集為Df.在常規(guī)深度學(xué)習(xí)數(shù)據(jù)集中,有

    Dr=Trainset+Testset.

    在小樣本學(xué)習(xí)數(shù)據(jù)集中,Df由若干Dr構(gòu)成,Dr中包含N個(gè)類別K個(gè)樣本的若干小規(guī)模的常規(guī)數(shù)據(jù)集,每個(gè)Dr定義為一個(gè)Task,即

    Df={Dr}={Trainset+Testset}.

    通過(guò)對(duì)每個(gè)Task進(jìn)行模型訓(xùn)練,在只有少量樣本的情況下,泛化已知的類別.

    基于此,本文針對(duì)SAR圖像訓(xùn)練樣本數(shù)據(jù)有限的情況,結(jié)合小樣本學(xué)習(xí)中數(shù)據(jù)訓(xùn)練方式,采取對(duì)訓(xùn)練集上的圖像預(yù)測(cè)試的策略進(jìn)行模型訓(xùn)練,即劃分出訓(xùn)練集中的部分圖像先進(jìn)行測(cè)試.具體操作如下:將訓(xùn)練集S按照20∶1的比例劃分為Sa和Sb兩部分,Sa集用來(lái)進(jìn)行圖像訓(xùn)練,Sb集用來(lái)進(jìn)行預(yù)測(cè)試.模型訓(xùn)練過(guò)程分批次進(jìn)行計(jì)算,每一批次從Sa集各類圖像中隨機(jī)選取10張圖像,從Sb集中隨機(jī)選取一類,并從該類中隨機(jī)選取5張圖像進(jìn)行預(yù)測(cè)試,每批次計(jì)算結(jié)束后返回準(zhǔn)確值和損失值.

    3 實(shí)驗(yàn)與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    實(shí)驗(yàn)數(shù)據(jù)集采用來(lái)自美國(guó)國(guó)防高等研究計(jì)劃署支持的MSTAR計(jì)劃公布的MSTAR數(shù)據(jù)集,采集數(shù)據(jù)所用雷達(dá)工作在X波段,采用HH極化方式,分辨率為0.3 m×0.3 m.該數(shù)據(jù)集的采集條件分為標(biāo)準(zhǔn)工作條件(standard operating condition,SOC)和擴(kuò)展工作條件(extended operating condition,EOC),數(shù)據(jù)集中的目標(biāo)是雷達(dá)工作在多個(gè)俯仰角時(shí)各軍事目標(biāo)在該方向上的SAR成像圖片.本次實(shí)驗(yàn)采用官方公開(kāi)提供的SOC條件下的數(shù)據(jù)集,共包括10類靜止地面目標(biāo)圖像,分別為自行榴彈2S1、裝甲偵察車BRDM2、步兵戰(zhàn)車BMP2、裝甲運(yùn)兵車BTR60、裝甲運(yùn)兵車BTR70、推土機(jī)D7、坦克T62、坦克T72、軍用卡車ZIL131、自行防空高炮ZSU234.

    3.2 網(wǎng)絡(luò)參數(shù)設(shè)置

    網(wǎng)絡(luò)在Ubuntu 16.04環(huán)境下基于Python 3.6編程實(shí)現(xiàn),算法部分實(shí)驗(yàn)基于Pytorch框架實(shí)現(xiàn).實(shí)驗(yàn)優(yōu)化后,選取參數(shù)設(shè)置如下:學(xué)習(xí)率lr設(shè)為1×10-3,學(xué)習(xí)衰減系數(shù)lr_decay設(shè)為1×10-6,迭代次數(shù)Epoch設(shè)為50,每批訓(xùn)練樣本數(shù)batch_size設(shè)為105,weight_decay設(shè)為1×10-4,優(yōu)化器選用Adam.

    3.3 結(jié)果與分析

    網(wǎng)絡(luò)在訓(xùn)練時(shí)共進(jìn)行50次迭代,圖6顯示了50次迭代中交叉熵代價(jià)函數(shù)變化情況.由圖可知,隨著迭代次數(shù)的增加,網(wǎng)絡(luò)不斷進(jìn)行參數(shù)優(yōu)化調(diào)整,損失值在部分迭代更新中出現(xiàn)反增情況,但整體來(lái)說(shuō)呈下降趨勢(shì).實(shí)驗(yàn)中每次迭代后進(jìn)行一次測(cè)試集上的測(cè)試,與之對(duì)應(yīng)的準(zhǔn)確率情況如圖7所示,在迭代過(guò)程中準(zhǔn)確率略有波動(dòng),當(dāng)epoch值達(dá)到26左右時(shí),交叉熵?fù)p失值穩(wěn)定在1.55左右,分類準(zhǔn)確率已超過(guò)99%.

    圖6 測(cè)試集交叉熵?fù)p失值變化曲線

    圖7 測(cè)試集準(zhǔn)確率變化曲線

    將本文方法與K近鄰算法(KNN)、支持向量機(jī)(SVM)、隨機(jī)森林法和卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行比較,如表1所示.KNN算法中K值過(guò)小會(huì)發(fā)生過(guò)擬合,且模型復(fù)雜度高,K值過(guò)大則導(dǎo)致分類模糊,學(xué)習(xí)誤差增大,采用交叉驗(yàn)證法后選取K=10;由于樣本量不大且樣本特征較少,SVM算法中選取高斯核函數(shù),不僅能將原數(shù)據(jù)映射到高維空間實(shí)現(xiàn)線性劃分,而且能減少計(jì)算量;隨機(jī)森林法中子樹(shù)數(shù)量設(shè)置太小容易欠擬合,太大不能顯著地提升模型性能,采取多次重復(fù)實(shí)驗(yàn)的方法將該值設(shè)為1 000;CNN網(wǎng)絡(luò)中選取卷積核與池化核更小、卷積層更多的VGG-16模型,其結(jié)構(gòu)簡(jiǎn)潔,泛化性能較好.從表中看出,本文方法的準(zhǔn)確率最高,達(dá)到99.3%,較SVM算法提升2.5%.神經(jīng)網(wǎng)絡(luò)在該數(shù)據(jù)集上的識(shí)別效果不高,主要因?yàn)镸STAR數(shù)據(jù)集樣本數(shù)量較少,網(wǎng)絡(luò)易出現(xiàn)過(guò)擬合情況.

    表1 本文方法與其他方法的結(jié)果比較

    通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),對(duì)于裝甲偵察車BRDM2的識(shí)別,傳統(tǒng)方法易將該類混淆為BMP2、BTR70等類別.SVM方法與本文方法在BRDM2類別上的平均識(shí)別準(zhǔn)確率分別為87.1%和95.1%,在該類別上本文方法的準(zhǔn)確率相比提高了8.0%,從該類中隨機(jī)選取8張圖像輸出兩種方法預(yù)測(cè)結(jié)果,如表2和表3所示.分析結(jié)果得到,在易混淆的圖像識(shí)別任務(wù)上,本文方法識(shí)別效果優(yōu)于傳統(tǒng)方法.

    表2 SVM方法在BRDM2上預(yù)測(cè)結(jié)果:準(zhǔn)確率

    表3 本文方法在BRDM2上預(yù)測(cè)結(jié)果:準(zhǔn)確率

    4 結(jié) 論

    本文基于圖像相似度的匹配范式提出一種SAR圖像識(shí)別分類方法,使用CNN網(wǎng)絡(luò)提取圖像中的特征,對(duì)此特征進(jìn)行LSTM編碼,加強(qiáng)圖像間的關(guān)聯(lián)性,利用余弦相似度量函數(shù)計(jì)算測(cè)試樣本與訓(xùn)練樣本之間的距離,通過(guò)注意力機(jī)制后進(jìn)行圖像分類.同時(shí),在樣本有限的情況下,結(jié)合小樣本學(xué)習(xí)中數(shù)據(jù)訓(xùn)練方式,對(duì)訓(xùn)練集按照比例進(jìn)行劃分,采取預(yù)訓(xùn)練的策略進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)表明,在MSTAR數(shù)據(jù)集的10類軍事目標(biāo)準(zhǔn)確率達(dá)到99.3%,本文提出的方法在SAR圖像識(shí)別上具有一定的應(yīng)用前景.

    猜你喜歡
    準(zhǔn)確率卷積樣本
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    推動(dòng)醫(yī)改的“直銷樣本”
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    捣出白浆h1v1| 汤姆久久久久久久影院中文字幕| 日韩不卡一区二区三区视频在线| 人妻少妇偷人精品九色| 婷婷成人精品国产| 国产av一区二区精品久久| 人人妻人人澡人人爽人人夜夜| 丝袜人妻中文字幕| 亚洲综合色网址| 日本av手机在线免费观看| 亚洲欧美清纯卡通| 自线自在国产av| 少妇被粗大的猛进出69影院 | 日韩制服骚丝袜av| 美女福利国产在线| 欧美成人精品欧美一级黄| 久久久欧美国产精品| 久久久久久久久久人人人人人人| 视频区图区小说| 人人妻人人添人人爽欧美一区卜| 久久久久精品性色| 成人综合一区亚洲| 寂寞人妻少妇视频99o| www.色视频.com| 视频中文字幕在线观看| 建设人人有责人人尽责人人享有的| 成年动漫av网址| 狠狠婷婷综合久久久久久88av| 欧美日韩精品成人综合77777| 国产片内射在线| 久久午夜福利片| 国产综合精华液| 制服丝袜香蕉在线| 99视频精品全部免费 在线| 男的添女的下面高潮视频| 22中文网久久字幕| 国产一区二区三区av在线| 只有这里有精品99| 99精国产麻豆久久婷婷| videosex国产| 久久99精品国语久久久| 成人国产av品久久久| 一二三四中文在线观看免费高清| 大片免费播放器 马上看| a 毛片基地| 熟妇人妻不卡中文字幕| 午夜激情久久久久久久| 亚洲精品乱久久久久久| 高清不卡的av网站| 久久人人爽人人片av| 久久久久久久亚洲中文字幕| 成年人免费黄色播放视频| 日本免费在线观看一区| 91aial.com中文字幕在线观看| 日日撸夜夜添| 国产高清国产精品国产三级| 亚洲成人手机| 国产黄色视频一区二区在线观看| 亚洲美女搞黄在线观看| 在线亚洲精品国产二区图片欧美| 99热这里只有是精品在线观看| 最近2019中文字幕mv第一页| 亚洲欧美中文字幕日韩二区| 亚洲精品国产av成人精品| 99九九在线精品视频| 日日摸夜夜添夜夜爱| 中文字幕精品免费在线观看视频 | 99精国产麻豆久久婷婷| 国产av精品麻豆| 亚洲av日韩在线播放| av播播在线观看一区| 免费观看av网站的网址| 亚洲精品视频女| 免费av中文字幕在线| 水蜜桃什么品种好| 成人午夜精彩视频在线观看| 欧美日韩成人在线一区二区| av国产精品久久久久影院| 亚洲精品中文字幕在线视频| 久久久国产精品麻豆| 成人国产麻豆网| 一二三四中文在线观看免费高清| 18禁观看日本| 精品国产一区二区三区久久久樱花| 国产成人91sexporn| 久久午夜福利片| 伊人久久国产一区二区| 国产精品久久久久久久电影| 一边亲一边摸免费视频| 亚洲五月色婷婷综合| 午夜免费男女啪啪视频观看| 男女边摸边吃奶| 久久久精品94久久精品| 欧美亚洲日本最大视频资源| 女性生殖器流出的白浆| 我的女老师完整版在线观看| 在线 av 中文字幕| 欧美老熟妇乱子伦牲交| 亚洲精品视频女| 在线观看国产h片| 少妇熟女欧美另类| 日本黄色日本黄色录像| 婷婷色综合大香蕉| 91精品国产国语对白视频| 飞空精品影院首页| 色94色欧美一区二区| 精品国产一区二区久久| 国内精品宾馆在线| 亚洲人成网站在线观看播放| 黄片无遮挡物在线观看| av在线播放精品| 久久人人97超碰香蕉20202| 成人免费观看视频高清| av免费在线看不卡| 亚洲精品日本国产第一区| 男女无遮挡免费网站观看| 亚洲一码二码三码区别大吗| 美女xxoo啪啪120秒动态图| 性色av一级| 国产深夜福利视频在线观看| 久久久久久久久久人人人人人人| 久久精品久久久久久噜噜老黄| 国产激情久久老熟女| 97精品久久久久久久久久精品| 国产午夜精品一二区理论片| 日本与韩国留学比较| 久久97久久精品| 极品少妇高潮喷水抽搐| 中文天堂在线官网| 国产精品久久久久久久久免| 久久久久国产网址| 日韩中文字幕视频在线看片| 建设人人有责人人尽责人人享有的| 欧美+日韩+精品| 亚洲精品,欧美精品| 亚洲精品久久午夜乱码| 久久久国产欧美日韩av| 免费高清在线观看视频在线观看| 亚洲成人手机| 午夜视频国产福利| 又大又黄又爽视频免费| av女优亚洲男人天堂| 午夜视频国产福利| 亚洲一区二区三区欧美精品| 寂寞人妻少妇视频99o| 日韩一区二区视频免费看| 丝袜脚勾引网站| 日韩精品有码人妻一区| 精品一区二区免费观看| 日韩中文字幕视频在线看片| 国产极品粉嫩免费观看在线| av免费观看日本| 午夜福利网站1000一区二区三区| 日本黄大片高清| 亚洲精品日韩在线中文字幕| 国产免费一级a男人的天堂| 久久国产精品大桥未久av| 亚洲伊人色综图| 成年av动漫网址| 精品少妇内射三级| 中文字幕精品免费在线观看视频 | 五月开心婷婷网| 亚洲性久久影院| 久久久久精品人妻al黑| 日韩制服丝袜自拍偷拍| 99久久人妻综合| 午夜福利乱码中文字幕| 久久久国产精品麻豆| 亚洲精品日韩在线中文字幕| 精品国产乱码久久久久久小说| 十分钟在线观看高清视频www| 亚洲欧洲日产国产| 一区二区三区四区激情视频| 欧美精品亚洲一区二区| 三上悠亚av全集在线观看| 两个人免费观看高清视频| 亚洲国产日韩一区二区| 国产精品国产av在线观看| 女人久久www免费人成看片| 日韩av不卡免费在线播放| 国产极品粉嫩免费观看在线| av一本久久久久| 大片免费播放器 马上看| 国产片特级美女逼逼视频| 久久人人爽人人片av| 欧美 日韩 精品 国产| 精品一品国产午夜福利视频| 亚洲成色77777| 婷婷色麻豆天堂久久| 久久这里只有精品19| 中文精品一卡2卡3卡4更新| 王馨瑶露胸无遮挡在线观看| 热99国产精品久久久久久7| 下体分泌物呈黄色| 黄色 视频免费看| 乱码一卡2卡4卡精品| 不卡视频在线观看欧美| 老司机影院毛片| 在线看a的网站| 18在线观看网站| 有码 亚洲区| 777米奇影视久久| videossex国产| 国产精品久久久久久精品古装| 亚洲精品国产av蜜桃| 午夜福利视频在线观看免费| 国产成人精品福利久久| 久久人妻熟女aⅴ| 最新的欧美精品一区二区| av免费观看日本| 一级片'在线观看视频| 18禁在线无遮挡免费观看视频| 国产精品99久久99久久久不卡 | 22中文网久久字幕| 亚洲av电影在线进入| av国产精品久久久久影院| 男女边吃奶边做爰视频| 久久青草综合色| 中文字幕精品免费在线观看视频 | 色94色欧美一区二区| 母亲3免费完整高清在线观看 | 一区二区日韩欧美中文字幕 | 搡女人真爽免费视频火全软件| 久久久精品94久久精品| 日韩免费高清中文字幕av| 中文字幕制服av| 久久av网站| 黄片无遮挡物在线观看| 大码成人一级视频| xxxhd国产人妻xxx| 国产成人aa在线观看| 一级爰片在线观看| 99re6热这里在线精品视频| 中文字幕人妻丝袜制服| 黄片无遮挡物在线观看| 伦理电影免费视频| 日韩欧美精品免费久久| 久久久久久人人人人人| 亚洲精品久久成人aⅴ小说| 国产av码专区亚洲av| 欧美日韩视频精品一区| 九色成人免费人妻av| 欧美国产精品va在线观看不卡| 国产爽快片一区二区三区| 亚洲精华国产精华液的使用体验| 免费女性裸体啪啪无遮挡网站| 日韩精品有码人妻一区| 9色porny在线观看| 成年人午夜在线观看视频| 97在线人人人人妻| 日韩成人伦理影院| 成年美女黄网站色视频大全免费| 久久精品国产自在天天线| 丰满迷人的少妇在线观看| 国产片特级美女逼逼视频| tube8黄色片| 久久国产精品大桥未久av| 观看av在线不卡| 亚洲国产精品一区三区| 男人爽女人下面视频在线观看| 丝瓜视频免费看黄片| 不卡视频在线观看欧美| 国产精品无大码| av一本久久久久| 中文乱码字字幕精品一区二区三区| 国产在线一区二区三区精| 亚洲在久久综合| freevideosex欧美| 成人国产av品久久久| 亚洲精品久久午夜乱码| 人妻系列 视频| 在线观看一区二区三区激情| 亚洲av日韩在线播放| 日韩中文字幕视频在线看片| 成人无遮挡网站| 国产爽快片一区二区三区| 欧美激情极品国产一区二区三区 | 亚洲精品第二区| 精品视频人人做人人爽| 99国产综合亚洲精品| 搡女人真爽免费视频火全软件| 人人妻人人添人人爽欧美一区卜| 国产精品一二三区在线看| 亚洲欧美成人精品一区二区| 亚洲精品乱码久久久久久按摩| 久久久久人妻精品一区果冻| 亚洲五月色婷婷综合| 男女无遮挡免费网站观看| 最近中文字幕2019免费版| 亚洲国产av新网站| 美女福利国产在线| 如何舔出高潮| 捣出白浆h1v1| 一本色道久久久久久精品综合| videossex国产| 精品亚洲成国产av| 亚洲成人av在线免费| 日日撸夜夜添| 婷婷色综合www| 夜夜爽夜夜爽视频| 一级片免费观看大全| 日本爱情动作片www.在线观看| 欧美 日韩 精品 国产| 亚洲精品美女久久久久99蜜臀 | 成人漫画全彩无遮挡| 黑人巨大精品欧美一区二区蜜桃 | 丝袜脚勾引网站| 97超碰精品成人国产| 伊人亚洲综合成人网| xxxhd国产人妻xxx| videos熟女内射| 亚洲成人av在线免费| 69精品国产乱码久久久| 亚洲天堂av无毛| 国产精品无大码| 成人毛片60女人毛片免费| 男女午夜视频在线观看 | 99九九在线精品视频| 国产在线一区二区三区精| 热99久久久久精品小说推荐| 久久鲁丝午夜福利片| 观看av在线不卡| 高清av免费在线| 国产成人免费无遮挡视频| av电影中文网址| 成年人午夜在线观看视频| 亚洲少妇的诱惑av| 91精品三级在线观看| av.在线天堂| 亚洲av.av天堂| 亚洲情色 制服丝袜| 免费看av在线观看网站| 男人添女人高潮全过程视频| 久久久久久人妻| 高清在线视频一区二区三区| 亚洲人成网站在线观看播放| 一级,二级,三级黄色视频| 中国三级夫妇交换| 下体分泌物呈黄色| 精品人妻在线不人妻| av.在线天堂| 亚洲精品国产色婷婷电影| 高清欧美精品videossex| 久久狼人影院| 2022亚洲国产成人精品| 久久国产亚洲av麻豆专区| 自线自在国产av| 国产高清不卡午夜福利| 亚洲欧美成人综合另类久久久| 男男h啪啪无遮挡| 美女视频免费永久观看网站| 欧美老熟妇乱子伦牲交| 伊人亚洲综合成人网| 国产精品人妻久久久影院| 观看美女的网站| 欧美国产精品va在线观看不卡| 精品99又大又爽又粗少妇毛片| 在线精品无人区一区二区三| 看非洲黑人一级黄片| 国产1区2区3区精品| 又黄又爽又刺激的免费视频.| 国产成人精品在线电影| 熟女电影av网| 国产国拍精品亚洲av在线观看| 亚洲欧洲日产国产| 亚洲成色77777| 毛片一级片免费看久久久久| 久久久久久久国产电影| 色94色欧美一区二区| 激情五月婷婷亚洲| 麻豆乱淫一区二区| 精品少妇黑人巨大在线播放| 777米奇影视久久| 国产成人a∨麻豆精品| 久久久久国产精品人妻一区二区| 免费在线观看完整版高清| 亚洲欧美一区二区三区黑人 | 国产精品久久久久久av不卡| 午夜福利影视在线免费观看| 黑人巨大精品欧美一区二区蜜桃 | 中文天堂在线官网| 久久久久精品久久久久真实原创| 在线观看免费高清a一片| 飞空精品影院首页| 久久毛片免费看一区二区三区| 久久精品国产亚洲av涩爱| 亚洲成人av在线免费| 母亲3免费完整高清在线观看 | 国产欧美日韩一区二区三区在线| 久久狼人影院| 亚洲国产精品999| 99国产综合亚洲精品| 看免费成人av毛片| 久久国产精品大桥未久av| 亚洲天堂av无毛| 色哟哟·www| a级毛片黄视频| 亚洲在久久综合| 亚洲av福利一区| 国产xxxxx性猛交| 最新中文字幕久久久久| 精品亚洲乱码少妇综合久久| 只有这里有精品99| 久热久热在线精品观看| 久久久久精品久久久久真实原创| 热re99久久精品国产66热6| 男人操女人黄网站| 51国产日韩欧美| kizo精华| 久久久久久久精品精品| 中国美白少妇内射xxxbb| 又大又黄又爽视频免费| 建设人人有责人人尽责人人享有的| 寂寞人妻少妇视频99o| 性色avwww在线观看| 亚洲中文av在线| 男女高潮啪啪啪动态图| 亚洲图色成人| 亚洲av.av天堂| 久久久久久人人人人人| 国产成人免费观看mmmm| 中文字幕亚洲精品专区| 日韩制服骚丝袜av| 久久久久久久国产电影| 边亲边吃奶的免费视频| 久久精品夜色国产| 纵有疾风起免费观看全集完整版| 亚洲欧美日韩卡通动漫| 国产免费现黄频在线看| 视频中文字幕在线观看| 亚洲国产成人一精品久久久| 午夜日本视频在线| 亚洲国产精品一区三区| 国产无遮挡羞羞视频在线观看| 午夜视频国产福利| 国产精品成人在线| 久久99热这里只频精品6学生| av在线app专区| 18+在线观看网站| 国产免费福利视频在线观看| 亚洲伊人久久精品综合| 免费日韩欧美在线观看| 久久婷婷青草| 亚洲av电影在线进入| 极品人妻少妇av视频| 99久国产av精品国产电影| 国产精品久久久av美女十八| 老司机影院毛片| 爱豆传媒免费全集在线观看| 人妻人人澡人人爽人人| 精品人妻熟女毛片av久久网站| 哪个播放器可以免费观看大片| 人妻人人澡人人爽人人| 亚洲在久久综合| 18禁裸乳无遮挡动漫免费视频| 伊人久久国产一区二区| 99国产综合亚洲精品| 97在线视频观看| 人妻少妇偷人精品九色| 日韩成人伦理影院| 美女主播在线视频| 咕卡用的链子| 男女无遮挡免费网站观看| 欧美精品人与动牲交sv欧美| 久久精品久久精品一区二区三区| 亚洲国产成人一精品久久久| 成人综合一区亚洲| 日韩人妻精品一区2区三区| 日韩三级伦理在线观看| 欧美成人午夜免费资源| 男女免费视频国产| 日韩制服骚丝袜av| 亚洲国产欧美日韩在线播放| 亚洲中文av在线| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品中文字幕在线视频| 在线天堂最新版资源| 精品少妇久久久久久888优播| 久久精品国产a三级三级三级| 国产日韩欧美在线精品| 日韩一本色道免费dvd| 王馨瑶露胸无遮挡在线观看| 五月开心婷婷网| 国产一区亚洲一区在线观看| 久久精品夜色国产| 国产福利在线免费观看视频| 精品第一国产精品| 亚洲伊人色综图| 久久这里只有精品19| 久久精品夜色国产| 日韩一本色道免费dvd| 毛片一级片免费看久久久久| 国产欧美亚洲国产| 少妇的丰满在线观看| 精品一区二区三区视频在线| 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 | 极品人妻少妇av视频| 日本欧美国产在线视频| 欧美成人午夜精品| 成人免费观看视频高清| 多毛熟女@视频| 久久久久网色| 亚洲人成网站在线观看播放| 91国产中文字幕| 亚洲国产最新在线播放| 免费在线观看完整版高清| 免费在线观看黄色视频的| 丰满少妇做爰视频| 成年动漫av网址| 久久精品国产自在天天线| 国内精品宾馆在线| 人妻一区二区av| 又粗又硬又长又爽又黄的视频| videos熟女内射| 丝袜人妻中文字幕| av卡一久久| 亚洲丝袜综合中文字幕| 国产 一区精品| 黄色毛片三级朝国网站| 九九爱精品视频在线观看| 亚洲一码二码三码区别大吗| 亚洲欧洲精品一区二区精品久久久 | 乱码一卡2卡4卡精品| 免费高清在线观看视频在线观看| 国产1区2区3区精品| 日韩欧美一区视频在线观看| 亚洲av福利一区| 少妇人妻精品综合一区二区| 亚洲av电影在线进入| 国产成人免费无遮挡视频| 18+在线观看网站| 丰满迷人的少妇在线观看| 日韩精品免费视频一区二区三区 | 一区在线观看完整版| 一本久久精品| 国产白丝娇喘喷水9色精品| 免费久久久久久久精品成人欧美视频 | 国产在视频线精品| 精品国产一区二区三区久久久樱花| 久久热在线av| 国产精品国产av在线观看| 草草在线视频免费看| 狂野欧美激情性bbbbbb| 视频在线观看一区二区三区| 性色avwww在线观看| 永久网站在线| 最近中文字幕高清免费大全6| av在线app专区| av免费在线看不卡| 性色av一级| 成人免费观看视频高清| 欧美另类一区| 91成人精品电影| 波多野结衣一区麻豆| 五月天丁香电影| 青春草视频在线免费观看| 成人毛片a级毛片在线播放| 日日爽夜夜爽网站| 精品一区二区三卡| 免费人妻精品一区二区三区视频| 啦啦啦视频在线资源免费观看| 十八禁高潮呻吟视频| 国产极品粉嫩免费观看在线| 国产黄色视频一区二区在线观看| 不卡视频在线观看欧美| 中文精品一卡2卡3卡4更新| 免费少妇av软件| 如日韩欧美国产精品一区二区三区| 免费观看无遮挡的男女| 日本欧美视频一区| 成人毛片60女人毛片免费| 久久久精品94久久精品| 熟妇人妻不卡中文字幕| 精品福利永久在线观看| 黄片播放在线免费| 成年女人在线观看亚洲视频| xxx大片免费视频| 亚洲五月色婷婷综合| 国产欧美亚洲国产| 午夜久久久在线观看| av线在线观看网站| 国产熟女午夜一区二区三区| av电影中文网址| 免费在线观看完整版高清| 国产成人精品婷婷| 99热6这里只有精品| 制服诱惑二区| 欧美人与性动交α欧美软件 | 日本午夜av视频| 精品一区二区三区视频在线| 亚洲一区二区三区欧美精品| 欧美人与性动交α欧美软件 | 美女国产视频在线观看| av女优亚洲男人天堂| 国产av一区二区精品久久| 制服人妻中文乱码| 亚洲欧美色中文字幕在线| 香蕉国产在线看| 中文乱码字字幕精品一区二区三区| 在线精品无人区一区二区三| 久久国产亚洲av麻豆专区| 亚洲欧美成人精品一区二区| 日韩三级伦理在线观看| av线在线观看网站| 九九在线视频观看精品| 人人澡人人妻人| 又黄又爽又刺激的免费视频.| 只有这里有精品99| 国内精品宾馆在线| 看十八女毛片水多多多| 国产1区2区3区精品| 人妻 亚洲 视频| 日韩不卡一区二区三区视频在线| 新久久久久国产一级毛片| 一区在线观看完整版|