• <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 ?

    一種改進的SRGAN圖像超分辨重建算法

    2021-06-08 11:58喬昕魏延
    計算機時代 2021年1期
    關(guān)鍵詞:輕量化

    喬昕 魏延

    摘? 要: 現(xiàn)存的圖像超分辨率重建算法存在模型訓(xùn)練不穩(wěn)定、參數(shù)量多、模型收斂速度慢等缺點。在生成對抗網(wǎng)絡(luò)的超分辨率算法(SRGAN)基礎(chǔ)上,將輕量化的密集連接網(wǎng)絡(luò)(DenseNet)作為生成對抗網(wǎng)絡(luò)的生成器,使用WGan對判別器進行優(yōu)化,利用Wasserstein代替SRGAN的JS散度,使其能夠在網(wǎng)絡(luò)參數(shù)更少、計算量更小的基礎(chǔ)上實現(xiàn)更優(yōu)的性能。實驗結(jié)果表明,在四個公開的數(shù)據(jù)集上,所提出的模型比較主流重建模型在圖像重建質(zhì)量的峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)兩個客觀指標和主觀視覺效果上都有所提高。

    關(guān)鍵詞: 圖像重建; 輕量化; 密集連接網(wǎng)絡(luò); 生成對抗網(wǎng)絡(luò)

    中圖分類號:TP183;TP391.41????????? 文獻標識碼:A???? 文章編號:1006-8228(2021)01-72-04

    Research on the algorithm of image super-resolution reconstruction with improved SRGAN

    Qiao Xin, Wei Yan

    (Chongqing Normal University College of Computer and Information Science, Chongqing 401331, China)

    Abstract: The existing image super-resolution reconstruction algorithms have the disadvantages of model training instability, large parameter stakes and slow model convergence speed. On the basis of the Super-Resolution Generative Adversarial Networks (SRGAN), the lightweight Densely Connected Convolutional Networks (DenseNet) is used as the generator to generate the GAN, WGan is used to optimize the distinguisher, and the Wasserstein is used instead of JS dispersion of SRGAN, so that it can realize better performance with fewer network parameters and less computation. The experimental results show that, on the four exposed data sets, the proposed model improved the two objective indicators and subjective visual effects of the Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity (SSIM) of image reconstruction quality compared with the mainstream reconstruction models.

    Key words: image reconstruction; lightweight; Densely Connected Convolutional Networks; Generative Adversarial Networks

    0 引言

    現(xiàn)如今,圖像作為一種極其重要的信息載體,在醫(yī)學(xué)、軍民衛(wèi)星圖像和安保視頻檢測監(jiān)控等應(yīng)用領(lǐng)域中對其質(zhì)量的要求越來越嚴格,但是圖像會由于氣象環(huán)境和采集設(shè)備的影響,易導(dǎo)致采集的圖像出現(xiàn)質(zhì)量低或者細節(jié)的紋理信息缺乏等問題。圖像超分辨率重建[1](Super-Resolution,SR)就是將低分辨率圖像重建為對應(yīng)的高分辨率圖像。如今,圖像超分辨率技術(shù)也逐漸成為計算機視覺領(lǐng)域的研究熱點。

    最近,隨著深度學(xué)習(xí)的迅猛發(fā)展,深度學(xué)習(xí)模型開始被應(yīng)用于圖像重建這一領(lǐng)域。如:Dong等人在2014年成功提出了的一種基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率重建算法模型SRCNN[1](Super-Resolution using Convolutional Neural Networks)。2016年,又繼續(xù)對SRCNN進行了改進,提出FSRCNN[2](Fast Super-Resolution Convolutional Neural Networks),不需要在網(wǎng)絡(luò)外進行放大圖像尺寸,用小卷積代替大卷積,在訓(xùn)練速度和圖像質(zhì)量上均有所提高。同年,有其他學(xué)者提出VDSR[3](Very Deep Super-Resolution),該模型發(fā)現(xiàn),隨著增加卷積層數(shù)的提高,重建之后的圖像質(zhì)量也隨之提高。隨之而來就有學(xué)者提出了如ResNet、DenseNet這些深層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),希望以此來提高超分辨率重建的性能。同時,又因為生成對抗網(wǎng)絡(luò)GAN(Generative Adversarial Networks)在圖像生成方面的性能較為優(yōu)越,在隨之到來的2017年,又有Leding率先在超分辨重建領(lǐng)域中使用了生成對抗思想,提出一種基于生成對抗網(wǎng)絡(luò)的圖像超分辨率重建算模型SRGAN[4](Super-Resolution Generative Adversarial Networks),解決了圖像經(jīng)常丟失高頻細節(jié)這一缺點。

    本文在SRGAN的基礎(chǔ)上進行改進,將SRGAN的生成器模型改為DenseNet,用WGAN[5]來構(gòu)造判別器;本文采用深度可分離卷積的思想來改進生成器,減少模型結(jié)構(gòu)的計算量。

    1 相關(guān)工作

    1.1 SRGAN

    2014年,Goodfellow首次提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu),即生成對抗網(wǎng)絡(luò),這種網(wǎng)絡(luò)結(jié)構(gòu),顧名思義,通過對抗的方法,去產(chǎn)生想要的結(jié)果。它分為生成器和判別器。所謂的對抗,也就是生成器和判別器之間的對抗。生成器盡量生成逼真的樣本,判別器則盡可能去判斷生成器生成的樣本是否真實。GAN在圖像超分辨率重建中應(yīng)用的流程結(jié)構(gòu)如圖1所示。

    但是由于傳統(tǒng)的生成對抗網(wǎng)絡(luò)處理超分辨重建一般都是處理較小的方法倍數(shù),而當倍數(shù)被放大4倍以上時,會導(dǎo)致得到的結(jié)果很容易顯得過于平滑,從而缺少圖像細節(jié)上的真實感。因此,Leding在2017年提出了SRGAN,該模型由生成器和判別器組成。模型中的生成器結(jié)構(gòu)是由殘差塊、跳躍層和卷積層組成。如圖2所示。

    1.2 DenseNet

    2017年有研究者在CVPR提出了密集連接結(jié)構(gòu)(Dense Block),相比于2016年被提出的ResNet,DneseNet繼承了ResNet模型的抗過擬合效果并且能夠減輕梯度消失的問題(vanishing-gradient),而網(wǎng)絡(luò)的計算量和參數(shù)量相比于ResNet來說卻是減少了一半。雖然說DenseNet是借鑒了ResNet的思想,但是DenseNet卻是一種全新的網(wǎng)絡(luò)結(jié)構(gòu)。其最直觀的區(qū)別就是每個網(wǎng)絡(luò)模塊之間傳遞參數(shù)的函數(shù)不同。

    對于ResNet,L層輸入是L-1層的輸出再加上對L-1層輸出的非線性變換,如式⑴:

    [xl=Hl(xl-1)+xl-1] ⑴

    而對于DenseNet而言,[[x0,x1,x2...xl-1]]表示0到l-1層的輸出特征圖作通道的合并,就如同Inception網(wǎng)絡(luò)那樣,Resnet是值的相加,通道數(shù)不變。如式⑵:

    [xl=Hl([x0,x1,x2...xl-1])] ⑵

    1.3 深度可分離卷積

    深度可分離卷積[7](Depthwise Separable Convolution)的卷積過程就是先進行深度卷積然后使用1*1的濾波器進行點卷積。這樣就可以大大減少參數(shù)的計算量,從而達到優(yōu)化網(wǎng)絡(luò)的目的。若正常的卷積神經(jīng)網(wǎng)絡(luò)的輸入特征圖的尺寸大小為[Dk×Dk×M],其中M為特征圖的數(shù)量,[Dk]為特征圖的尺寸。輸出特征圖尺寸為[DF×DF×N],其中N為輸出特征特征圖的數(shù)量,[DF]為輸出特征圖的尺寸。這樣計算出標準卷積的總體計算量為:

    [C1=(Dk×Dk×M)×DF×DF×N] ⑶

    經(jīng)過深度卷積和點卷積兩部分操作之后,總計算量為:

    [C2=DK×DK×M×DF×DF+M×N×DF×DF] ⑷

    與標準卷積相比,計算比例為:

    [γ=C2C1=DK×DK×M×DF×DF+M×N×DF×DF(Dk×Dk×M)×DF×DF×N=1N+1D2k????????????????????????????????????????????????????????????????????? ⑸]

    1.4 WGAN

    傳統(tǒng)GAN是基于JS散度進行優(yōu)化的,這種優(yōu)化方法會導(dǎo)致GAN模型的訓(xùn)練過程不穩(wěn)定。針對這一問題,本文使用一種基于Wasserstein距離[6]優(yōu)化判別器的GAN(WGAN),WGAN可以使用wasserstein距離衡量出真實圖片和生成圖片之間的距離,使WGAN在訓(xùn)練過程中效果更穩(wěn)定。Wasserstein距離又叫Earth-Mover(EM)距離,公式如下:

    [WPr,Pg=infγ~∏Pr,PgEx,y~γ[||x-y||]] ⑹

    其中[Pr]是樣本分布,[Pg]是生成器生成分布,[∏(Pr,Pg)]是[Pr]和[Pg]所有可能的分布的集合;x是真實數(shù)據(jù),y是生成的數(shù)據(jù),x和y都能從分布[γ]中采樣得到。

    2 本文網(wǎng)絡(luò)模型

    2.1 生成器

    本文模型的生成器采用的是DenseNet,其結(jié)構(gòu)為DenseNet-121結(jié)構(gòu),同時,為了進一步減少計算量,采用深度可分離卷積的思想,將Dense Block中的3*3的卷積替換為1*3和3*1的卷積。

    2.2 判別器

    SRGAN模型中的判別器采用的是:將Sigmoid作為其損失函數(shù),但是因為Sigmoid一般用于處理二分類問題,而這里的損失函數(shù)的作用應(yīng)該是用來評價生成器生成的高分辨圖像具體的情況,不只是單獨的分類。所以本模型的判別器將采用WGAN的思想,將SRGAN模型中判別器的最后一層的Sigmoid刪除,采用Wasserstein距離最小化損失函數(shù)。本文模型的判別器結(jié)構(gòu)如圖3所示。

    2.3 損失函數(shù)

    Wasserstein距離是為所有可能的聯(lián)合分布的集合[∏(Pr,Pg)]中期望值x和y的距離期望值的下限值,與JS散度相比較,無論樣本分布和生成分布有沒有重疊部分,Wasserstein距離都能夠很好地反映出這兩種樣本的相似性。但是由于在公式⑹中的下確界無法求解,于是通過Lipschitz連續(xù)將Wasserstein距離變換為:

    [W(Pr,Pg)≈maxθ:||fθ||L≤1Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑺

    由于在WGAN中,Wasserstein已經(jīng)由原來的二分類任務(wù),轉(zhuǎn)換成了回歸任務(wù),因此Wasserstein距離的求解已經(jīng)轉(zhuǎn)變?yōu)槭故舰巳〉米畲笾?,也就是取[fθL=1]時,L表示真實分布和樣本分布之間的Wasserstein距離。

    [L=Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑻

    進而分別可以得到生成器和判別器的損失函數(shù),如公式⑼、公式⑽:

    [L(G)=-Ex~pg[fθ(x)]] ⑼

    [L(D)=Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑽

    本文模型的損失函數(shù)方法,由內(nèi)容損失和對抗損失的加權(quán)和組成。其公式定義為:

    [lSR=lSRX+10-3lSRGen] ⑾

    其中內(nèi)容損失中,基于像素的MSE損失被定義為:

    [lSRMSE=1r2WHx=1rWy=1rH(IHRx,y-GθG(ILR)x,y)2] ⑿

    生成對抗損失,就是為了生成讓判別器識別不了的圖像,對抗損失的公式定義為:

    [lSRGen=n=1N-logDθD(GθG(ILR))] ⒀

    3 實驗與結(jié)果分析

    3.1 實驗環(huán)境

    本文模型的實驗所使用的實驗環(huán)境:硬件環(huán)境配置是顯卡GTX1080Ti,處理器為i5-9600K,運行內(nèi)存32G。

    3.2 實驗數(shù)據(jù)集

    本文選用了DIV2K的800個高清圖像作為訓(xùn)練數(shù)據(jù),測試數(shù)據(jù)采用了Set5,Set14,BSD100和Urban100四個主流數(shù)據(jù)集。訓(xùn)練時所需要的低分辨率圖像是由DIV2K數(shù)據(jù)集中的高分辨圖像進行雙三次插值的四倍降質(zhì)處理得到。

    3.3 實驗參數(shù)

    本文模型的訓(xùn)練過程中將Batch_size設(shè)置為16;迭代次數(shù)為5000次;每迭代500次,就保存一次模型訓(xùn)練結(jié)果,同時學(xué)習(xí)率就衰減一半;初始化學(xué)習(xí)率為0.0001。

    3.4 實驗結(jié)果與評價

    3.4.1 客觀量化評價

    本文在四個公開數(shù)據(jù)集上測試了Bicubic、SRCNN、VDSR、FSRCNN、SRGAN以及本文的方法。分別計算在不同數(shù)據(jù)集上采用不同算法進行上采樣4倍時峰值信噪比(Peak Singal-to-Noise Ratio,PSNR)和結(jié)構(gòu)相似性(Structural Similrity index,SSIM)值,結(jié)果表1所示。

    實驗結(jié)果表明,本文提出的算法模型相比于幾種用于測試的主流圖像重建模型,其PSNR和SSIM值均有所提升。

    3.4.2 主觀評價

    本文在Set5數(shù)據(jù)集中選取一張嬰兒高分辨率圖像,為了更好地從主觀上區(qū)分出本文算法模型和其他測試算法模型的優(yōu)劣,本文將選取的高分辨率圖像的嬰兒右眼部分進行放大對比,如圖4所示。

    從圖4不難發(fā)現(xiàn),本文算法不僅從整體的清晰程度,還是眉毛處紋理細節(jié)特征,都比其他算法模型更接近于原始數(shù)據(jù)集中的高分辨率圖像。

    4 結(jié)束語

    在之前的圖像超分辨率重建的方法中,基于深度學(xué)習(xí)的重建方法又要明顯優(yōu)于其他方法。但是深度學(xué)習(xí)方法會隨著網(wǎng)絡(luò)層數(shù)的增加,出現(xiàn)訓(xùn)練網(wǎng)絡(luò)模型的過程不穩(wěn)定、梯度消失、參數(shù)量和計算量大等缺點。

    本文在原有SRGAN模型的基礎(chǔ)上將DenseNet和WGAN都結(jié)合到SRGAN模型中去,優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),加快模型收斂。同時,引入深度可分離卷積思想對生成器進行輕量化,減少生成器的參數(shù)量和計算量。實驗的結(jié)果表明,本文提出的算法在四個圖像超分辨率領(lǐng)域的公開數(shù)據(jù)集上得到的評價指標結(jié)果和主觀視覺效果,相比于其他重建方法均有所提高。

    參考文獻(References):

    [1] Dong C,Chen C L,He K,et al.Image super-resolution using deep convolutional networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2016.38(2):295-307

    [2] Dong C, Chen C L, Tang X. Accelerating the Super-Resolution Convolutional Neural Network[C]//European Conference on Computer Vision. Springer,Cham,2016:391-407

    [3] Kim J, Kwon Lee J, Mu Lee K. Accurate image super-resolution using very deepconvolutional networks[C]//Proceedings of the IEEE conference on computer vision and pattern recognition,2016:1646-1654

    [4] Ledig Christian, Theis Lucas, Huszar Ferenc, et al. Photo-realistic single image super-resolution using a generative adversarial network[J].ResearchGate,2016:105-114

    [5] Arjovsky, Martin, Chintala, Soumith, Bottou, Léon.Wasserstein GAN [J]. Computer Vision and Pattern Recognition,2017.12.

    [6] 曾慶亮,南方哲,尚迪雅,孫華.基于ResNeXt和WGAN網(wǎng)絡(luò)的單圖像超分辨率重建[J].計算機應(yīng)用研究,2020.8:1-5

    [7] 袁哲明,袁鴻杰,言雨璇,劉雙清,譚泗橋.輕量化深度學(xué)習(xí)模

    型的田間昆蟲自動識別與分類算法[J].吉林大學(xué)學(xué)報(工學(xué)版),2020.8:1-12

    收稿日期:2020-08-21

    作者簡介:喬昕(1996-),男,江蘇連云港人,碩士研究生,主要研究方向:計算機視覺。

    通訊作者:魏延(1970-),男,四川瀘縣人,博士研究生,教授,主要研究方向:機器學(xué)習(xí),云計算等。

    猜你喜歡
    輕量化
    基于ABAQUS的某輕卡車蓄電池支架輕量化
    重卡車架輕量化設(shè)計
    汽車輕量化集成制造專題主編
    2021亞洲汽車輕量化展覽會
    四點接觸球轉(zhuǎn)盤軸承的輕量化材料應(yīng)用
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計
    425輕量化橋軸承座工藝改進
    瞄準掛車輕量化 鑼響掛車正式掛牌成立
    用戶:輕量化掛車的使用體驗
    美女xxoo啪啪120秒动态图| 一本久久精品| 国精品久久久久久国模美| 国产精品免费大片| 国产国语露脸激情在线看| 日韩一区二区视频免费看| 日日啪夜夜爽| av线在线观看网站| 三上悠亚av全集在线观看| 美女视频免费永久观看网站| 高清在线视频一区二区三区| 国产在线一区二区三区精| 日韩电影二区| 免费观看av网站的网址| 国产麻豆69| 久久人人爽av亚洲精品天堂| 欧美精品亚洲一区二区| 精品人妻在线不人妻| 成年美女黄网站色视频大全免费| av网站在线播放免费| av国产久精品久网站免费入址| 亚洲精品中文字幕在线视频| 日韩,欧美,国产一区二区三区| 视频在线观看一区二区三区| 国产成人精品婷婷| 亚洲国产精品成人久久小说| 国产淫语在线视频| 大陆偷拍与自拍| 欧美日韩精品成人综合77777| 亚洲av电影在线观看一区二区三区| 女性被躁到高潮视频| 精品亚洲乱码少妇综合久久| 免费女性裸体啪啪无遮挡网站| 精品国产一区二区久久| 亚洲国产精品一区三区| 9191精品国产免费久久| 日韩免费高清中文字幕av| 久久 成人 亚洲| 亚洲 欧美一区二区三区| 久久国产亚洲av麻豆专区| 咕卡用的链子| 亚洲av免费高清在线观看| 狂野欧美激情性bbbbbb| 最近的中文字幕免费完整| 国产精品国产三级国产专区5o| 国产一级毛片在线| 久久人人97超碰香蕉20202| 极品少妇高潮喷水抽搐| 伦理电影大哥的女人| 一区在线观看完整版| 青春草亚洲视频在线观看| 日韩 亚洲 欧美在线| 亚洲三级黄色毛片| 男的添女的下面高潮视频| 欧美精品国产亚洲| 狂野欧美激情性bbbbbb| 在线精品无人区一区二区三| 亚洲欧美成人综合另类久久久| 久久国产亚洲av麻豆专区| 中文字幕制服av| 亚洲在久久综合| 久久精品亚洲av国产电影网| 久久 成人 亚洲| 久久久久久久大尺度免费视频| 中文字幕人妻丝袜一区二区 | 桃花免费在线播放| 啦啦啦在线免费观看视频4| 97人妻天天添夜夜摸| 99久久人妻综合| 男女无遮挡免费网站观看| 熟女av电影| 美女高潮到喷水免费观看| 欧美日韩一区二区视频在线观看视频在线| 精品福利永久在线观看| 国产 一区精品| 日韩伦理黄色片| 一级毛片 在线播放| 欧美国产精品一级二级三级| 日韩成人av中文字幕在线观看| 99九九在线精品视频| 国产片特级美女逼逼视频| 久久久国产欧美日韩av| 男女下面插进去视频免费观看| 欧美日韩亚洲国产一区二区在线观看 | 黄频高清免费视频| 日本猛色少妇xxxxx猛交久久| 亚洲一区中文字幕在线| 黄片小视频在线播放| 国产精品成人在线| 亚洲,一卡二卡三卡| 亚洲国产成人一精品久久久| 日本免费在线观看一区| 熟女少妇亚洲综合色aaa.| 亚洲欧美中文字幕日韩二区| 人妻一区二区av| 国产精品无大码| 亚洲精品久久午夜乱码| 久久精品国产a三级三级三级| 夫妻性生交免费视频一级片| 精品久久蜜臀av无| 一边摸一边做爽爽视频免费| 黄色一级大片看看| 十分钟在线观看高清视频www| 夜夜骑夜夜射夜夜干| tube8黄色片| 国产免费福利视频在线观看| 欧美中文综合在线视频| 少妇熟女欧美另类| 女性生殖器流出的白浆| 亚洲精品国产一区二区精华液| 少妇人妻精品综合一区二区| 岛国毛片在线播放| 少妇的丰满在线观看| 国产老妇伦熟女老妇高清| 国产精品香港三级国产av潘金莲 | 国产成人精品久久久久久| 久久久国产一区二区| 亚洲国产欧美网| 欧美日韩亚洲高清精品| 日本91视频免费播放| 久久精品aⅴ一区二区三区四区 | 母亲3免费完整高清在线观看 | 久久精品国产鲁丝片午夜精品| 精品一品国产午夜福利视频| 日韩熟女老妇一区二区性免费视频| 国产女主播在线喷水免费视频网站| 久久精品亚洲av国产电影网| 中国三级夫妇交换| 在线观看国产h片| 咕卡用的链子| 国产亚洲一区二区精品| 成年动漫av网址| 亚洲人成77777在线视频| 十分钟在线观看高清视频www| 中文乱码字字幕精品一区二区三区| 一区福利在线观看| 免费观看a级毛片全部| 黄色毛片三级朝国网站| 美女中出高潮动态图| 丝袜人妻中文字幕| 热re99久久国产66热| 精品亚洲成a人片在线观看| 亚洲国产精品一区二区三区在线| 男女国产视频网站| 久久精品国产a三级三级三级| 日本-黄色视频高清免费观看| av网站在线播放免费| 一级黄片播放器| 日本黄色日本黄色录像| 成人国语在线视频| 久久久久精品性色| 亚洲久久久国产精品| 久久精品久久久久久噜噜老黄| 亚洲成人手机| 考比视频在线观看| 少妇人妻 视频| av不卡在线播放| 午夜福利一区二区在线看| 国产精品无大码| 毛片一级片免费看久久久久| 精品一品国产午夜福利视频| 最新中文字幕久久久久| 亚洲一区中文字幕在线| 欧美人与善性xxx| 又大又黄又爽视频免费| 亚洲欧美精品综合一区二区三区 | 亚洲精品国产一区二区精华液| 一二三四在线观看免费中文在| 黄片小视频在线播放| 观看av在线不卡| 精品卡一卡二卡四卡免费| 亚洲欧美色中文字幕在线| 高清黄色对白视频在线免费看| 一级毛片电影观看| 高清在线视频一区二区三区| 在线观看免费日韩欧美大片| 毛片一级片免费看久久久久| 国产午夜精品一二区理论片| 永久免费av网站大全| 日韩不卡一区二区三区视频在线| 少妇 在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人精品久久二区二区91 | 黄色毛片三级朝国网站| 考比视频在线观看| 又大又黄又爽视频免费| 一级a爱视频在线免费观看| 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 | 国产精品久久久久成人av| 精品一品国产午夜福利视频| 亚洲av成人精品一二三区| 女性被躁到高潮视频| 18+在线观看网站| 久久精品久久久久久噜噜老黄| av不卡在线播放| 熟女av电影| 日韩精品有码人妻一区| 亚洲精品第二区| 美女高潮到喷水免费观看| 中文精品一卡2卡3卡4更新| 久久久久久免费高清国产稀缺| 精品国产露脸久久av麻豆| 欧美国产精品一级二级三级| 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看黄色视频的| www日本在线高清视频| 99国产精品免费福利视频| 十分钟在线观看高清视频www| 韩国av在线不卡| 亚洲经典国产精华液单| 天堂8中文在线网| 极品少妇高潮喷水抽搐| 一区在线观看完整版| 免费日韩欧美在线观看| 五月开心婷婷网| 国产男人的电影天堂91| 久久精品国产鲁丝片午夜精品| 亚洲精品视频女| 一二三四中文在线观看免费高清| kizo精华| 在线观看三级黄色| 久久精品国产亚洲av天美| 亚洲av欧美aⅴ国产| 亚洲,一卡二卡三卡| 亚洲三级黄色毛片| 性少妇av在线| 超碰97精品在线观看| 国产熟女欧美一区二区| 伦理电影免费视频| 久久久久久久亚洲中文字幕| 街头女战士在线观看网站| 王馨瑶露胸无遮挡在线观看| 91精品三级在线观看| 成年女人毛片免费观看观看9 | 久久热在线av| 丁香六月天网| 久久精品国产自在天天线| 亚洲国产色片| 国产男女超爽视频在线观看| 色视频在线一区二区三区| 午夜福利视频在线观看免费| 免费观看a级毛片全部| 免费日韩欧美在线观看| 亚洲av电影在线进入| 多毛熟女@视频| 男人舔女人的私密视频| 免费人妻精品一区二区三区视频| 日韩免费高清中文字幕av| 欧美人与善性xxx| xxx大片免费视频| 欧美日韩亚洲高清精品| 免费人妻精品一区二区三区视频| av不卡在线播放| 欧美日本中文国产一区发布| 免费久久久久久久精品成人欧美视频| 日日啪夜夜爽| 久久精品久久久久久噜噜老黄| 黄色怎么调成土黄色| 韩国高清视频一区二区三区| 久久99一区二区三区| 大码成人一级视频| 建设人人有责人人尽责人人享有的| 久久久久久久久久久免费av| av天堂久久9| 在线观看人妻少妇| 日韩制服骚丝袜av| 久久久久久久大尺度免费视频| 国产精品久久久av美女十八| 成人国产麻豆网| 亚洲五月色婷婷综合| 美女脱内裤让男人舔精品视频| 青青草视频在线视频观看| 国产一区有黄有色的免费视频| 亚洲天堂av无毛| 亚洲国产色片| 亚洲第一区二区三区不卡| 国产一区二区 视频在线| 国产一区有黄有色的免费视频| 91aial.com中文字幕在线观看| 欧美国产精品va在线观看不卡| 在线精品无人区一区二区三| 搡老乐熟女国产| 国产精品麻豆人妻色哟哟久久| 欧美亚洲 丝袜 人妻 在线| 一区二区三区四区激情视频| 乱人伦中国视频| 久久久久久久久久人人人人人人| 亚洲av.av天堂| 久久午夜福利片| 国产乱人偷精品视频| 免费观看在线日韩| 午夜福利视频精品| 精品酒店卫生间| 国产日韩一区二区三区精品不卡| 亚洲人成网站在线观看播放| xxx大片免费视频| 97在线人人人人妻| 精品一区二区三区四区五区乱码 | 亚洲精品久久午夜乱码| 另类亚洲欧美激情| 2018国产大陆天天弄谢| 久久精品国产鲁丝片午夜精品| 五月伊人婷婷丁香| 蜜桃国产av成人99| 波多野结衣一区麻豆| 少妇熟女欧美另类| 国产极品天堂在线| a 毛片基地| 欧美日韩一区二区视频在线观看视频在线| 亚洲综合精品二区| 大陆偷拍与自拍| av在线播放精品| 人妻一区二区av| 免费av中文字幕在线| 欧美精品高潮呻吟av久久| 26uuu在线亚洲综合色| 亚洲成人一二三区av| a级毛片在线看网站| av电影中文网址| 女性生殖器流出的白浆| 毛片一级片免费看久久久久| 美女高潮到喷水免费观看| 国产一区二区 视频在线| 秋霞伦理黄片| 欧美国产精品一级二级三级| 久久国产精品男人的天堂亚洲| 亚洲av成人精品一二三区| 国产精品蜜桃在线观看| 国产一区二区三区av在线| 一级a爱视频在线免费观看| 最近最新中文字幕大全免费视频 | 大片免费播放器 马上看| 亚洲国产精品999| 国产亚洲午夜精品一区二区久久| 两个人免费观看高清视频| 少妇的丰满在线观看| 亚洲精品一区蜜桃| 精品一区二区三区四区五区乱码 | av国产久精品久网站免费入址| www.av在线官网国产| 国产日韩一区二区三区精品不卡| 免费在线观看完整版高清| 国产精品三级大全| 国产淫语在线视频| 日韩三级伦理在线观看| 日本欧美视频一区| 大片电影免费在线观看免费| 男人添女人高潮全过程视频| 国产男人的电影天堂91| 精品国产一区二区三区四区第35| 亚洲国产欧美在线一区| 精品国产一区二区三区四区第35| 有码 亚洲区| 少妇精品久久久久久久| 桃花免费在线播放| 伊人久久国产一区二区| 国产 一区精品| 九色亚洲精品在线播放| 久久精品国产亚洲av高清一级| 男人操女人黄网站| 精品少妇一区二区三区视频日本电影 | 一边摸一边做爽爽视频免费| 久久免费观看电影| 日本欧美国产在线视频| 久久久久久久久久久免费av| 色视频在线一区二区三区| 日韩精品免费视频一区二区三区| 2018国产大陆天天弄谢| 日本91视频免费播放| 亚洲av成人精品一二三区| 免费看av在线观看网站| 男的添女的下面高潮视频| 亚洲一区中文字幕在线| 欧美日韩一区二区视频在线观看视频在线| 亚洲色图综合在线观看| 九草在线视频观看| 校园人妻丝袜中文字幕| 国产在线免费精品| 日本av手机在线免费观看| 老女人水多毛片| 十分钟在线观看高清视频www| 国产精品蜜桃在线观看| 亚洲欧洲国产日韩| 在线观看www视频免费| 天堂中文最新版在线下载| 日韩免费高清中文字幕av| 久久鲁丝午夜福利片| 国产亚洲午夜精品一区二区久久| 80岁老熟妇乱子伦牲交| 国产精品免费大片| 亚洲精品久久成人aⅴ小说| 亚洲国产av新网站| 国产深夜福利视频在线观看| 欧美日韩视频精品一区| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看视频在线观看| 啦啦啦啦在线视频资源| 18在线观看网站| 国产精品国产三级国产专区5o| 国产福利在线免费观看视频| 97精品久久久久久久久久精品| 日本-黄色视频高清免费观看| 一本大道久久a久久精品| 亚洲中文av在线| 黑人欧美特级aaaaaa片| 精品少妇一区二区三区视频日本电影 | av电影中文网址| 亚洲精品美女久久av网站| 免费久久久久久久精品成人欧美视频| 亚洲欧美一区二区三区国产| 国产在线视频一区二区| 看免费av毛片| 国产探花极品一区二区| 热re99久久国产66热| 欧美日本中文国产一区发布| 亚洲婷婷狠狠爱综合网| 老汉色av国产亚洲站长工具| 99九九在线精品视频| 在线精品无人区一区二区三| 91精品国产国语对白视频| 成人亚洲精品一区在线观看| 久久韩国三级中文字幕| 国产高清不卡午夜福利| 热re99久久国产66热| 国产av精品麻豆| 黄色毛片三级朝国网站| 精品国产乱码久久久久久男人| 国产视频首页在线观看| 最近2019中文字幕mv第一页| 免费人妻精品一区二区三区视频| 男人舔女人的私密视频| 久久久久国产一级毛片高清牌| 久久精品aⅴ一区二区三区四区 | 妹子高潮喷水视频| 免费播放大片免费观看视频在线观看| 久久久久久人人人人人| 久久这里只有精品19| 纯流量卡能插随身wifi吗| 美女主播在线视频| 久久精品国产鲁丝片午夜精品| 久久精品久久久久久噜噜老黄| 乱人伦中国视频| 亚洲av成人精品一二三区| 国产日韩欧美亚洲二区| 日韩制服骚丝袜av| 国产免费又黄又爽又色| 国产男人的电影天堂91| 亚洲,欧美精品.| xxx大片免费视频| 成人午夜精彩视频在线观看| 久久久国产一区二区| 久久久欧美国产精品| 一本色道久久久久久精品综合| 巨乳人妻的诱惑在线观看| 精品一区二区三区四区五区乱码 | 久久精品久久精品一区二区三区| 国产伦理片在线播放av一区| 久久97久久精品| 亚洲国产日韩一区二区| 亚洲成人手机| 国产高清不卡午夜福利| 亚洲欧美中文字幕日韩二区| 亚洲一码二码三码区别大吗| 亚洲三区欧美一区| 只有这里有精品99| 久久精品久久久久久久性| 国产欧美日韩综合在线一区二区| 成年av动漫网址| 18禁裸乳无遮挡动漫免费视频| 久久久久久久国产电影| 国产成人免费观看mmmm| 日韩电影二区| 一级毛片电影观看| av有码第一页| 卡戴珊不雅视频在线播放| av.在线天堂| 最近的中文字幕免费完整| 亚洲激情五月婷婷啪啪| 欧美 日韩 精品 国产| 亚洲天堂av无毛| 成年av动漫网址| 中文字幕色久视频| 国产日韩欧美在线精品| 人人澡人人妻人| 国产成人精品在线电影| 啦啦啦视频在线资源免费观看| 大陆偷拍与自拍| 9热在线视频观看99| 美女大奶头黄色视频| 韩国高清视频一区二区三区| 最新中文字幕久久久久| 99久久人妻综合| 欧美精品国产亚洲| 亚洲,欧美,日韩| 午夜免费鲁丝| 熟女电影av网| 日本欧美国产在线视频| 免费人妻精品一区二区三区视频| 久久久久国产精品人妻一区二区| 欧美人与性动交α欧美精品济南到 | 国产野战对白在线观看| 国产激情久久老熟女| 午夜免费鲁丝| 亚洲男人天堂网一区| av在线播放精品| videosex国产| 女性被躁到高潮视频| 交换朋友夫妻互换小说| 欧美亚洲日本最大视频资源| 免费播放大片免费观看视频在线观看| 国产成人精品一,二区| 久久久国产一区二区| 伦精品一区二区三区| 校园人妻丝袜中文字幕| 久久久久精品人妻al黑| 欧美 亚洲 国产 日韩一| 大话2 男鬼变身卡| 在线观看www视频免费| av免费观看日本| 欧美av亚洲av综合av国产av | 国产男人的电影天堂91| 高清视频免费观看一区二区| 综合色丁香网| 国产高清不卡午夜福利| av不卡在线播放| 久久精品亚洲av国产电影网| 中文字幕亚洲精品专区| 一本色道久久久久久精品综合| 国产免费又黄又爽又色| √禁漫天堂资源中文www| 国产欧美亚洲国产| 精品卡一卡二卡四卡免费| 老鸭窝网址在线观看| 国产精品99久久99久久久不卡 | www.熟女人妻精品国产| 1024香蕉在线观看| 亚洲国产欧美网| 国产av码专区亚洲av| 一级黄片播放器| 成人黄色视频免费在线看| 国产精品麻豆人妻色哟哟久久| 日韩av免费高清视频| 熟女av电影| 91在线精品国自产拍蜜月| 亚洲,欧美,日韩| 我要看黄色一级片免费的| 国产女主播在线喷水免费视频网站| 黄色 视频免费看| av免费观看日本| 国产免费又黄又爽又色| 亚洲欧洲精品一区二区精品久久久 | 国产无遮挡羞羞视频在线观看| 精品久久久久久电影网| 亚洲欧美色中文字幕在线| 国产精品亚洲av一区麻豆 | 久久精品人人爽人人爽视色| 狂野欧美激情性bbbbbb| 如日韩欧美国产精品一区二区三区| av在线老鸭窝| 男女高潮啪啪啪动态图| 久久国产精品大桥未久av| 王馨瑶露胸无遮挡在线观看| 亚洲精品日韩在线中文字幕| 久久精品国产a三级三级三级| 亚洲av福利一区| 亚洲精品美女久久av网站| 毛片一级片免费看久久久久| 麻豆av在线久日| 日日啪夜夜爽| 777米奇影视久久| 黄色一级大片看看| 又黄又粗又硬又大视频| 亚洲色图 男人天堂 中文字幕| 99久久人妻综合| 久久热在线av| 深夜精品福利| 下体分泌物呈黄色| 免费高清在线观看视频在线观看| 91成人精品电影| 爱豆传媒免费全集在线观看| 免费在线观看完整版高清| 一二三四中文在线观看免费高清| 婷婷色麻豆天堂久久| 久久久久久久大尺度免费视频| 黑人猛操日本美女一级片| 精品人妻熟女毛片av久久网站| 丝袜脚勾引网站| 欧美精品一区二区免费开放| 青春草视频在线免费观看| 丰满迷人的少妇在线观看| 精品国产乱码久久久久久男人| 国产精品99久久99久久久不卡 | 在线观看国产h片| 十八禁网站网址无遮挡| 九色亚洲精品在线播放| 99香蕉大伊视频| 一区二区日韩欧美中文字幕| 免费观看性生交大片5| 91午夜精品亚洲一区二区三区| 天堂俺去俺来也www色官网| 啦啦啦在线观看免费高清www| 国产免费又黄又爽又色| 性少妇av在线| 人妻 亚洲 视频| 天美传媒精品一区二区| 香蕉丝袜av| av不卡在线播放| 久久精品亚洲av国产电影网| 久久婷婷青草| 最近中文字幕高清免费大全6| 日韩人妻精品一区2区三区| 国产精品久久久久久精品古装| 午夜久久久在线观看| 中文字幕人妻丝袜一区二区 | 国产精品蜜桃在线观看|