• <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)
    少妇的逼好多水| 一区二区三区乱码不卡18| 欧美精品国产亚洲| 麻豆国产97在线/欧美| 美女xxoo啪啪120秒动态图| 一区二区三区乱码不卡18| 亚洲人成网站在线播| 国产成人a区在线观看| 久久亚洲国产成人精品v| 网址你懂的国产日韩在线| 男女啪啪激烈高潮av片| 国产高清视频在线观看网站| 国语对白做爰xxxⅹ性视频网站| 日韩 亚洲 欧美在线| 99久久人妻综合| 亚洲人成网站在线观看播放| 中文字幕久久专区| 男的添女的下面高潮视频| av免费观看日本| 国产成人91sexporn| 99国产精品一区二区蜜桃av| 久久精品久久久久久久性| 99久久精品一区二区三区| 黄色一级大片看看| 村上凉子中文字幕在线| 久久精品影院6| 亚洲综合精品二区| 欧美高清性xxxxhd video| 波多野结衣巨乳人妻| 特级一级黄色大片| 国产三级在线视频| 日本wwww免费看| 久久久久久国产a免费观看| 1024手机看黄色片| 久久精品国产亚洲网站| 亚洲无线观看免费| 婷婷色麻豆天堂久久 | 91久久精品国产一区二区成人| 精品一区二区三区视频在线| av在线老鸭窝| 一级黄色大片毛片| 搡女人真爽免费视频火全软件| 少妇的逼好多水| 在现免费观看毛片| 亚洲人成网站高清观看| 身体一侧抽搐| 国产男人的电影天堂91| 国产美女午夜福利| 联通29元200g的流量卡| 国产午夜福利久久久久久| 久久久久久伊人网av| 国产黄色小视频在线观看| 人妻少妇偷人精品九色| 国产色婷婷99| 人体艺术视频欧美日本| 亚洲熟妇中文字幕五十中出| 一本一本综合久久| 少妇的逼水好多| 日本黄大片高清| av国产免费在线观看| a级毛片免费高清观看在线播放| 最后的刺客免费高清国语| 超碰97精品在线观看| 成人一区二区视频在线观看| 日韩欧美 国产精品| 亚洲乱码一区二区免费版| 偷拍熟女少妇极品色| 人妻少妇偷人精品九色| 国产激情偷乱视频一区二区| 亚洲精品久久久久久婷婷小说 | a级毛色黄片| 又黄又爽又刺激的免费视频.| 欧美不卡视频在线免费观看| 成人国产麻豆网| 91久久精品国产一区二区三区| 丰满少妇做爰视频| 亚洲人成网站高清观看| 国内精品美女久久久久久| 99久久精品热视频| 成人漫画全彩无遮挡| 男人的好看免费观看在线视频| 国产精品久久久久久久久免| 国产免费男女视频| 国产 一区精品| 观看美女的网站| 欧美xxxx性猛交bbbb| 国产色婷婷99| 国内少妇人妻偷人精品xxx网站| 国产精品,欧美在线| 欧美性感艳星| 成年av动漫网址| 国产淫语在线视频| 精品一区二区三区人妻视频| 免费不卡的大黄色大毛片视频在线观看 | 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品aⅴ在线观看| 久久久久久久久大av| 久久6这里有精品| 非洲黑人性xxxx精品又粗又长| 日韩视频在线欧美| 亚洲中文字幕一区二区三区有码在线看| 精品午夜福利在线看| 精品久久久久久久末码| 国产精品伦人一区二区| 99视频精品全部免费 在线| 最新中文字幕久久久久| 日韩欧美精品免费久久| 大又大粗又爽又黄少妇毛片口| 精品国产一区二区三区久久久樱花 | 国产av码专区亚洲av| 男人舔女人下体高潮全视频| 国产高清视频在线观看网站| 亚洲一区高清亚洲精品| 国产探花极品一区二区| 99久久中文字幕三级久久日本| 好男人视频免费观看在线| 18禁动态无遮挡网站| 一个人看的www免费观看视频| 亚洲国产精品sss在线观看| or卡值多少钱| 精品一区二区三区视频在线| 国产日韩欧美在线精品| 亚洲第一区二区三区不卡| 日本wwww免费看| 深爱激情五月婷婷| 蜜桃久久精品国产亚洲av| 99久久九九国产精品国产免费| 在线a可以看的网站| 免费av毛片视频| 欧美激情在线99| 在线免费观看不下载黄p国产| 亚洲性久久影院| 国产亚洲5aaaaa淫片| or卡值多少钱| 亚洲久久久久久中文字幕| 成人高潮视频无遮挡免费网站| 中文欧美无线码| 一边亲一边摸免费视频| 国产淫片久久久久久久久| 人人妻人人看人人澡| 久久精品人妻少妇| 天美传媒精品一区二区| 女人被狂操c到高潮| 成年版毛片免费区| 在线观看一区二区三区| 99久国产av精品国产电影| av在线老鸭窝| 国产三级中文精品| 丝袜美腿在线中文| 精品久久久久久久久久久久久| 99久久九九国产精品国产免费| 97超视频在线观看视频| 国产黄色视频一区二区在线观看 | 熟妇人妻久久中文字幕3abv| 欧美bdsm另类| 亚洲aⅴ乱码一区二区在线播放| 欧美丝袜亚洲另类| 国产精品不卡视频一区二区| 精品国产三级普通话版| 欧美成人一区二区免费高清观看| 在线播放无遮挡| 自拍偷自拍亚洲精品老妇| 成人午夜高清在线视频| 99久久成人亚洲精品观看| 99久久九九国产精品国产免费| 亚洲欧美成人综合另类久久久 | .国产精品久久| 日韩制服骚丝袜av| 国产精品熟女久久久久浪| 国产免费又黄又爽又色| 亚洲真实伦在线观看| 亚洲最大成人av| 成人无遮挡网站| 丝袜喷水一区| 国内少妇人妻偷人精品xxx网站| 精品免费久久久久久久清纯| 高清在线视频一区二区三区 | 欧美一区二区国产精品久久精品| 99热6这里只有精品| 免费一级毛片在线播放高清视频| 又粗又爽又猛毛片免费看| 天堂√8在线中文| 免费大片18禁| 国产高清视频在线观看网站| 亚洲国产欧美人成| or卡值多少钱| 中文精品一卡2卡3卡4更新| 亚洲av一区综合| 嫩草影院入口| 国产精品久久久久久精品电影小说 | 大话2 男鬼变身卡| 久久欧美精品欧美久久欧美| 97人妻精品一区二区三区麻豆| 久久婷婷人人爽人人干人人爱| 永久网站在线| 久久精品久久久久久噜噜老黄 | 中文字幕制服av| 国产午夜精品论理片| 国产av在哪里看| 日韩制服骚丝袜av| 久久久精品欧美日韩精品| 99在线视频只有这里精品首页| 午夜视频国产福利| 亚洲欧洲国产日韩| 1024手机看黄色片| 久久久久免费精品人妻一区二区| 亚洲怡红院男人天堂| 午夜精品在线福利| 国产午夜精品论理片| 亚洲av男天堂| 免费在线观看成人毛片| 精品国产一区二区三区久久久樱花 | 在线免费观看的www视频| 日韩亚洲欧美综合| 国产午夜精品论理片| 97超视频在线观看视频| 国产美女午夜福利| 天天一区二区日本电影三级| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 免费观看a级毛片全部| 一二三四中文在线观看免费高清| 国产一区有黄有色的免费视频 | 老司机影院毛片| 一边亲一边摸免费视频| 99久国产av精品| 色网站视频免费| 在线免费观看的www视频| 久久久国产成人精品二区| www.av在线官网国产| 婷婷六月久久综合丁香| 水蜜桃什么品种好| 人人妻人人看人人澡| 久久久久久伊人网av| 桃色一区二区三区在线观看| 久久精品91蜜桃| 欧美一区二区国产精品久久精品| videos熟女内射| 午夜福利网站1000一区二区三区| 免费搜索国产男女视频| 国产欧美日韩精品一区二区| 亚洲激情五月婷婷啪啪| 男女视频在线观看网站免费| 波多野结衣巨乳人妻| 美女国产视频在线观看| 久久99热6这里只有精品| 亚洲欧美日韩东京热| 在线观看一区二区三区| 国产精品久久久久久精品电影小说 | 亚洲,欧美,日韩| eeuss影院久久| 最后的刺客免费高清国语| 直男gayav资源| 人妻夜夜爽99麻豆av| 国产精品精品国产色婷婷| 国产大屁股一区二区在线视频| 久久热精品热| 女人十人毛片免费观看3o分钟| 在线播放国产精品三级| 亚洲av中文av极速乱| 最近中文字幕高清免费大全6| 青春草视频在线免费观看| av播播在线观看一区| 午夜福利在线观看吧| 久久久久久久亚洲中文字幕| 中文欧美无线码| 国产老妇伦熟女老妇高清| 国产精品99久久久久久久久| 精品久久久久久电影网 | 久久久久久九九精品二区国产| 91久久精品国产一区二区成人| 成人美女网站在线观看视频| 亚洲精品成人久久久久久| 欧美xxxx黑人xx丫x性爽| 国产午夜精品论理片| 亚洲av.av天堂| 国产一级毛片在线| 国产精品一区二区性色av| 久久人人爽人人爽人人片va| 国产亚洲av片在线观看秒播厂 | 日本-黄色视频高清免费观看| 欧美性猛交╳xxx乱大交人| 国产久久久一区二区三区| 中文天堂在线官网| 亚洲精品影视一区二区三区av| 亚洲不卡免费看| 一个人看的www免费观看视频| 青春草亚洲视频在线观看| videos熟女内射| 日韩精品青青久久久久久| 亚洲最大成人手机在线| 看免费成人av毛片| 91在线精品国自产拍蜜月| 亚洲精品一区蜜桃| 久久久久精品久久久久真实原创| 中文字幕精品亚洲无线码一区| 亚洲中文字幕日韩| av在线播放精品| 亚洲图色成人| 国内少妇人妻偷人精品xxx网站| 狠狠狠狠99中文字幕| 亚洲欧美成人精品一区二区| 我的女老师完整版在线观看| 欧美3d第一页| 国产女主播在线喷水免费视频网站 | 亚洲18禁久久av| 精品99又大又爽又粗少妇毛片| 久久热精品热| 成人午夜高清在线视频| 人妻制服诱惑在线中文字幕| 日韩强制内射视频| 国产淫语在线视频| 国产精品一及| av线在线观看网站| 午夜福利在线在线| 精品欧美国产一区二区三| 亚洲欧美成人精品一区二区| 国产一区二区在线av高清观看| 久久久久久久国产电影| 亚洲精品aⅴ在线观看| 视频中文字幕在线观看| 大又大粗又爽又黄少妇毛片口| 最近最新中文字幕免费大全7| 国产精品国产三级国产专区5o | 国产精品久久久久久精品电影小说 | 国产精品.久久久| 亚洲美女视频黄频| 插阴视频在线观看视频| 亚洲最大成人中文| 青青草视频在线视频观看| 国产又黄又爽又无遮挡在线| 国产探花在线观看一区二区| 长腿黑丝高跟| 九九爱精品视频在线观看| 亚洲精品亚洲一区二区| 最近手机中文字幕大全| 天天一区二区日本电影三级| 我要看日韩黄色一级片| 国产精品永久免费网站| 欧美精品一区二区大全| 国内精品宾馆在线| 国产午夜精品一二区理论片| 精品午夜福利在线看| 久99久视频精品免费| 亚洲av日韩在线播放| 亚洲高清免费不卡视频| av天堂中文字幕网| 亚洲欧美日韩卡通动漫| 熟妇人妻久久中文字幕3abv| 中文字幕熟女人妻在线| 欧美高清成人免费视频www| 国产成年人精品一区二区| 麻豆av噜噜一区二区三区| 亚洲av日韩在线播放| 天天躁日日操中文字幕| av天堂中文字幕网| 日韩av在线大香蕉| 免费av观看视频| 欧美性猛交黑人性爽| 尤物成人国产欧美一区二区三区| 黄片无遮挡物在线观看| 久99久视频精品免费| 久久久久免费精品人妻一区二区| 草草在线视频免费看| 美女高潮的动态| 国产高潮美女av| 亚洲高清免费不卡视频| 久久鲁丝午夜福利片| 国产高清国产精品国产三级 | 国产 一区 欧美 日韩| 国语自产精品视频在线第100页| 青春草亚洲视频在线观看| 大又大粗又爽又黄少妇毛片口| 婷婷色综合大香蕉| 女人被狂操c到高潮| 成人毛片a级毛片在线播放| 亚洲高清免费不卡视频| 99久久九九国产精品国产免费| 国产精品女同一区二区软件| 国产淫语在线视频| 亚洲av男天堂| 亚洲国产精品国产精品| 亚洲国产精品sss在线观看| 久久精品夜色国产| 国产女主播在线喷水免费视频网站 | 久久6这里有精品| 麻豆一二三区av精品| 综合色av麻豆| 中文字幕制服av| 成人国产麻豆网| 一级黄片播放器| 日韩人妻高清精品专区| 人妻少妇偷人精品九色| 成年版毛片免费区| 亚洲欧美清纯卡通| 91精品一卡2卡3卡4卡| 国产成年人精品一区二区| 日韩成人av中文字幕在线观看| 中文字幕精品亚洲无线码一区| 日本熟妇午夜| 国产高清视频在线观看网站| 亚洲国产色片| 美女脱内裤让男人舔精品视频| 男女边吃奶边做爰视频| 国产亚洲一区二区精品| 可以在线观看毛片的网站| 不卡视频在线观看欧美| 欧美bdsm另类| 欧美xxxx黑人xx丫x性爽| 国产一区有黄有色的免费视频 | 精华霜和精华液先用哪个| 亚洲综合精品二区| 麻豆成人av视频| 草草在线视频免费看| 亚洲欧美一区二区三区国产| .国产精品久久| 日本猛色少妇xxxxx猛交久久| 久久精品国产99精品国产亚洲性色| www.av在线官网国产| 国产乱人视频| 美女xxoo啪啪120秒动态图| 成人欧美大片| 午夜福利在线在线| 久久精品综合一区二区三区| 成人二区视频| 成人高潮视频无遮挡免费网站| 九九久久精品国产亚洲av麻豆| 久久久久久国产a免费观看| 欧美成人免费av一区二区三区| 黄色一级大片看看| 久久婷婷人人爽人人干人人爱| 一边摸一边抽搐一进一小说| 国产在视频线在精品| 亚洲第一区二区三区不卡| 久久综合国产亚洲精品| 女的被弄到高潮叫床怎么办| 永久免费av网站大全| 欧美激情在线99| 一级爰片在线观看| 日本免费在线观看一区| 激情 狠狠 欧美| 亚洲精品乱码久久久v下载方式| 最近中文字幕2019免费版| 亚洲真实伦在线观看| 欧美成人一区二区免费高清观看| 老师上课跳d突然被开到最大视频| 久久精品国产亚洲av涩爱| 一级av片app| 赤兔流量卡办理| 欧美bdsm另类| 好男人视频免费观看在线| 国产激情偷乱视频一区二区| 一区二区三区高清视频在线| 国产亚洲午夜精品一区二区久久 | 亚洲在线自拍视频| 久久精品人妻少妇| 超碰av人人做人人爽久久| 色尼玛亚洲综合影院| 三级国产精品欧美在线观看| 一级毛片久久久久久久久女| 亚洲美女搞黄在线观看| 国产av码专区亚洲av| 一个人观看的视频www高清免费观看| 啦啦啦韩国在线观看视频| 亚洲性久久影院| 三级国产精品欧美在线观看| 久久6这里有精品| 成人综合一区亚洲| 神马国产精品三级电影在线观看| 青春草亚洲视频在线观看| av线在线观看网站| 国产成人精品久久久久久| 最近中文字幕高清免费大全6| 久久久久久久久久久丰满| 日本黄色视频三级网站网址| 国产男人的电影天堂91| 久久精品夜色国产| 欧美最新免费一区二区三区| 亚洲色图av天堂| 亚洲av成人精品一二三区| 国产麻豆成人av免费视频| 狂野欧美白嫩少妇大欣赏| 中文字幕av成人在线电影| 日本av手机在线免费观看| 联通29元200g的流量卡| 变态另类丝袜制服| 99热精品在线国产| 麻豆国产97在线/欧美| 国产淫语在线视频| 久久精品影院6| 国产精品电影一区二区三区| 天堂√8在线中文| 中文字幕久久专区| 97超视频在线观看视频| 国产亚洲一区二区精品| 午夜福利在线观看免费完整高清在| 噜噜噜噜噜久久久久久91| 一级毛片aaaaaa免费看小| 久久这里只有精品中国| 欧美成人免费av一区二区三区| av播播在线观看一区| 99热全是精品| 亚洲精品,欧美精品| 日韩一区二区三区影片| 欧美又色又爽又黄视频| 国产精品久久久久久精品电影小说 | 床上黄色一级片| 99久久人妻综合| 国产精品福利在线免费观看| 国语对白做爰xxxⅹ性视频网站| 国产精品不卡视频一区二区| 久久久久久大精品| 日本一本二区三区精品| 91aial.com中文字幕在线观看| 91久久精品国产一区二区成人| 色综合色国产| 亚洲最大成人av| 亚洲在线自拍视频| 久久婷婷人人爽人人干人人爱| 中文字幕精品亚洲无线码一区| 日韩国内少妇激情av| 少妇被粗大猛烈的视频| 亚洲国产色片| av.在线天堂| 男女视频在线观看网站免费| 一级黄色大片毛片| 性色avwww在线观看| 亚洲精品久久久久久婷婷小说 | 国产精品一区www在线观看| 美女大奶头视频| 九九爱精品视频在线观看| 亚洲一级一片aⅴ在线观看| 国产伦理片在线播放av一区| 亚洲aⅴ乱码一区二区在线播放| 国内精品一区二区在线观看| 精品一区二区三区视频在线| 国产极品天堂在线| 日韩欧美国产在线观看| 床上黄色一级片| 少妇高潮的动态图| 久久精品久久精品一区二区三区| 国产免费福利视频在线观看| 少妇人妻精品综合一区二区| 国产av在哪里看| 老师上课跳d突然被开到最大视频| 九九久久精品国产亚洲av麻豆| 午夜免费男女啪啪视频观看| 久久精品久久精品一区二区三区| 1000部很黄的大片| 人妻系列 视频| 日本与韩国留学比较| 亚洲久久久久久中文字幕| 免费电影在线观看免费观看| 欧美激情国产日韩精品一区| 最近中文字幕高清免费大全6| 大香蕉久久网| 亚洲av一区综合| 夫妻性生交免费视频一级片| 亚洲精品影视一区二区三区av| 99视频精品全部免费 在线| 日本黄色片子视频| 热99在线观看视频| 国产精品人妻久久久久久| 成人午夜高清在线视频| 国内少妇人妻偷人精品xxx网站| 桃色一区二区三区在线观看| 亚洲18禁久久av| 国产精品野战在线观看| 国产精品久久视频播放| 寂寞人妻少妇视频99o| 蜜桃亚洲精品一区二区三区| 最近最新中文字幕免费大全7| 欧美97在线视频| 少妇猛男粗大的猛烈进出视频 | 免费看av在线观看网站| 国产欧美另类精品又又久久亚洲欧美| 国产色爽女视频免费观看| 久久精品影院6| 免费观看精品视频网站| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品一二三区在线看| 男女啪啪激烈高潮av片| 看片在线看免费视频| 日韩精品有码人妻一区| 欧美成人精品欧美一级黄| 亚洲精品日韩在线中文字幕| 欧美色视频一区免费| 日本黄色视频三级网站网址| 69av精品久久久久久| 欧美区成人在线视频| 乱人视频在线观看| www.av在线官网国产| 99九九线精品视频在线观看视频| 在线播放无遮挡| 噜噜噜噜噜久久久久久91| 免费人成在线观看视频色| 国产精品国产三级国产av玫瑰| 亚洲av成人精品一区久久| 两个人视频免费观看高清| 亚洲最大成人中文| 日韩 亚洲 欧美在线| 汤姆久久久久久久影院中文字幕 | 黄片无遮挡物在线观看| 国产精品久久电影中文字幕| 中国国产av一级| av福利片在线观看| av国产久精品久网站免费入址| 国产精品综合久久久久久久免费| 亚洲不卡免费看| 有码 亚洲区| 欧美激情国产日韩精品一区| 水蜜桃什么品种好| 国产不卡一卡二| 国产av一区在线观看免费| av又黄又爽大尺度在线免费看 | .国产精品久久|