• <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SVM的名優(yōu)茶嫩芽圖像自動分割方法

    2021-07-28 08:31:37陳妙婷楊廣蕾秦鵬濤
    現(xiàn)代信息科技 2021年2期
    關(guān)鍵詞:圖像分割

    陳妙婷 楊廣蕾 秦鵬濤

    摘? 要:針對名優(yōu)茶嫩芽自動采摘問題,采用SVM學(xué)習(xí)算法實(shí)現(xiàn)對名優(yōu)茶嫩芽圖像自動分割。通過提取嫩芽像素點(diǎn)與背景像素點(diǎn)的RGB及(R-B)特征,將4個特征按重要性組合為3個特征組,分別是RGB特征組、RGB+(R-B)特征組和G+(R-B)特征組,利用3個特征組分別構(gòu)建SVM嫩芽分割模型。在收集的多幅圖像上的實(shí)驗(yàn)表明G+(R-B)特征組構(gòu)建的分割模型分割得到的嫩芽圖像較為完整,且用時均低于0.5 s,滿足名優(yōu)茶嫩芽自動采摘的要求。

    關(guān)鍵詞:自動采摘;SVM;圖像分割

    中圖分類號:TP391? ? ? ?文獻(xiàn)標(biāo)識碼:A 文章編號:2096-4706(2021)02-0089-04

    Abstract:Aiming at the problem of automatic picking of famous tea buds,the SVM learning algorithm is used to realize the automatic segmentation of the image of famous tea buds. By extracting the RGB and(R-B)features of the bud pixels and the background pixels,the four features are combined into three feature groups according to their importance. They are RGB feature group,RGB+(R-B)feature group and G+(R-B)feature group. Three feature groups were used to construct SVM buds segmentation models. Experiments on several collected images show that the segmentation model constructed by G+(R-B)feature group can obtain relatively complete bud images,and the segmentation time is less than 0.5 s,which meets the requirements of automatic picking of famous tea buds.

    Keywords:automatic picking;SVM;image segmentation

    0? 引? 言

    圖像分割是機(jī)器視覺處理與分析的首要一步也是較為關(guān)鍵的一步,準(zhǔn)確的圖像分割對后續(xù)的圖像及行為識別尤為重要。目前主流的圖像分割算法主要有兩類:一是基于邊緣檢測的分割方法,圖像最基本的特征是邊緣,邊緣檢測的原理是利用圖像一階導(dǎo)數(shù)的極值或二階導(dǎo)數(shù)的過零點(diǎn)信息為判斷邊緣點(diǎn)提供基本依據(jù);二是基于區(qū)域的分割方法,種子生長法是最典型的基于區(qū)域的分割方法,其原理是根據(jù)目標(biāo)像素灰度級與背景像素灰度級的不同,將物體從背景中較好地分割出來[1,2]。隨著人工智能和機(jī)器學(xué)習(xí)的不斷發(fā)展,圖像分割也不再僅僅依賴于單純的數(shù)字圖像處理技術(shù),越來越多的學(xué)習(xí)方法[3]開始應(yīng)用于圖像的分割與識別當(dāng)中。

    名優(yōu)茶嫩芽自動采摘中,視覺系統(tǒng)最終要輸出的是采摘點(diǎn)的三維坐標(biāo),但求取準(zhǔn)確的三維坐標(biāo)的前提是獲得完整的茶葉嫩芽輪廓圖像。茶葉就其自身生長特性,嫩芽和老葉的區(qū)分界限并不是很明顯,加之嫩芽區(qū)域小且多,這些都為嫩芽圖像的分割增加了難度。韋波[4]對茶葉圖像RGB顏色空間中的G分量進(jìn)行閾值處理并對嫩芽進(jìn)行輪廓提取,最終得到粗略的分割結(jié)果,但整體輪廓并不完整。唐仙等[5]對茶葉圖像RGB顏色空間中的色差(R-B)利用Ostu法和迭代閾值法進(jìn)行分割,能夠?qū)崿F(xiàn)嫩芽的完整提取,但是噪聲較多。汪建[6]采用HIS顏色空間,減少光照的影響,對圖像采用區(qū)域生長法來提取嫩葉輪廓。以上算法都能實(shí)現(xiàn)圖像的分割,但對圖像畫質(zhì)的要求較高,處理后有噪聲,且局限性較大。

    本文借助機(jī)器學(xué)習(xí)的方法來實(shí)現(xiàn)名優(yōu)茶嫩芽圖像的自動分割。對于嫩芽圖像的分割,本質(zhì)是嫩芽像素點(diǎn)與背景像素點(diǎn)的分類問題。目前應(yīng)用較廣的分類學(xué)習(xí)算法有邏輯回歸算法和SVM(support vector machine)算法等。考慮到SVM算法在解決小樣本二分類問題上的優(yōu)勢[7,8],因此本文利用SVM算法對名優(yōu)茶圖像進(jìn)行分割。首先提取合適的樣本點(diǎn)用于SVM模型的訓(xùn)練,然后對比3個特征組對分割結(jié)果和處理時間的影響。

    1? 名優(yōu)茶嫩芽分割過程

    1.1? 整體分割流程

    本文利用SVM算法進(jìn)行名優(yōu)茶嫩芽圖像分割的總體實(shí)現(xiàn)流程如下。

    1.1.1? 樣本預(yù)處理

    要訓(xùn)練SVM模型,首先要對訓(xùn)練樣本進(jìn)行預(yù)處理。預(yù)處理包括圖像降噪和樣本選?。?/p>

    (1)圖像降噪:拍攝到的圖像往往因?yàn)橥饨缬绊懏a(chǎn)生各種噪聲,所以在進(jìn)行訓(xùn)練前要對圖像進(jìn)行平滑處理,去除有影響的噪聲,使后續(xù)分割結(jié)果更加準(zhǔn)確。

    (2)樣本選取:在去噪后的圖像中選出具有代表性的嫩芽樣本點(diǎn)與背景樣本點(diǎn)。

    1.1.2? 生成訓(xùn)練模型

    訓(xùn)練SVM模型主要是提取樣本中對實(shí)驗(yàn)有益的特征以及訓(xùn)練模型所需的核函數(shù),這兩方面都對最后的分割結(jié)果產(chǎn)生很大的影響。特征是對圖像進(jìn)行分割的主要依據(jù),特征選取的準(zhǔn)確不僅能使分割結(jié)果更加準(zhǔn)確,分割消耗的時間也會大大降低;模型所需的核函數(shù)是制約分割計(jì)算量的關(guān)鍵,這需要根據(jù)實(shí)際的分割要求進(jìn)行權(quán)衡。

    1.1.3? 分類器測試

    對測試圖像進(jìn)行同等的圖像降噪處理后,利用生成的分類器對圖像進(jìn)行分割,觀察分割結(jié)果。若分割結(jié)果不滿足要求,則對模型中的參數(shù)進(jìn)行適當(dāng)調(diào)整。

    圖1給出了整體的分割流程總框圖。

    1.2? 特征提取

    名優(yōu)茶嫩芽與老葉的區(qū)別主要是顏色的差異,所以提取特征主要是像素的RGB值。其中綠色的信息最有價值,所以G值為最主要的特征。考慮到(R-B)值[9]對于以綠色為主調(diào)的圖像區(qū)分度最明顯,所以也將該特征值加以訓(xùn)練。圖2為測試圖像原圖與其(R-B)單通道圖的對比。但是過多的特征使分割處理時間增加,影響工作效率。因此本實(shí)驗(yàn)采取3組對照實(shí)驗(yàn),分別是以RGB組成的特征組、以RGB和(R-B)組成的特征組以及以G和(R-B)組成的特征組,通過實(shí)驗(yàn)比較分割結(jié)果和處理時間。

    1.3? 訓(xùn)練與測試

    SVM分類算法的基本思想[10-12]是在樣本空間里尋找使兩類樣本最小間隔最大化的最優(yōu)超平面,數(shù)學(xué)表達(dá)式如式(1)所示:

    其中ω為超平面法向量,b為閾值,C為懲罰因子,它控制對錯分樣本的懲罰程度,ζi為松弛變量,表示訓(xùn)練時允許出現(xiàn)一些錯分類的點(diǎn)。

    式(1)是典型的凸優(yōu)化問題,可以利用Lagrange乘子法將其轉(zhuǎn)化為對偶問題再進(jìn)行求解,如式(2)所示:

    其中αi、αi為Lagrange乘子,K(x,xi)為核函數(shù)。假定求解得到的最優(yōu)Lagrange乘子為α*,進(jìn)而反求得最優(yōu)超平面的ω*和b*,從而最終的決策函數(shù)如式(3)所示:

    在SVM模型訓(xùn)練過程中,重要的是核函數(shù)和懲罰因子的選擇[13],但目前學(xué)術(shù)界對其并沒有具體的選擇原則,只能憑研究領(lǐng)域的經(jīng)驗(yàn)和多次實(shí)驗(yàn)挑選合適的參數(shù)。

    茶葉采摘要求的是高效率和高質(zhì)量,所以對于嫩芽圖像分割既要求分割完整又要求處理迅速。經(jīng)多次實(shí)驗(yàn),綜合考慮多方面要求最終選定多項(xiàng)式核函數(shù),該核函數(shù)公式如式(4)所示:

    利用該多項(xiàng)式核函數(shù)訓(xùn)練模型時,分割得到的嫩芽完整,用時短。d為多項(xiàng)式核函數(shù)的冪次,d越大,算法越復(fù)雜運(yùn)行時間越長,綜合考慮處理精度和運(yùn)行時間最終對d取3。對于懲罰因子C的選擇,考慮到后續(xù)還要對圖像進(jìn)行濾波和形態(tài)學(xué)處理等操作,所以可以在節(jié)省時間的前提下舍棄部分錯分類點(diǎn),所以對C取0.8。

    2? 實(shí)驗(yàn)結(jié)果與分析

    2.1? 實(shí)驗(yàn)數(shù)據(jù)采集

    本實(shí)驗(yàn)樣本是在上午十點(diǎn)陽光適中時在嶗山地區(qū)拍攝的一組茶葉圖像,共計(jì)挑選出合適測驗(yàn)的圖像50張,從中選出3張背景內(nèi)容較豐富的圖像用于點(diǎn)選訓(xùn)練樣本集。

    2.2? 實(shí)驗(yàn)設(shè)置

    2.2.1? 樣本集的選取

    在挑選出的3張背景內(nèi)容豐富的圖像中,每張選取40個嫩芽像素點(diǎn)和40個背景點(diǎn),圖3為1張樣本圖像中選取的樣本點(diǎn),其中星狀點(diǎn)為背景樣本點(diǎn),圓形點(diǎn)為嫩芽樣本點(diǎn)。分別求取每個像素點(diǎn)的R、G、B和(R-B)值,剔除重復(fù)的數(shù)據(jù)和無效的數(shù)據(jù),依據(jù)所分定的特征組形成3組特征矩陣,用于后續(xù)的訓(xùn)練和測試。其中特征組1為RGB特征組,特征組2為RGB+(R-B)特征組,特征組3為G+(R-B)特征組。

    2.2.2? SVM模型訓(xùn)練

    用3組特征矩陣進(jìn)行SVM模型訓(xùn)練后,先嘗試對這3張樣本圖像進(jìn)行分割,如果分割準(zhǔn)確率達(dá)90%以上,則認(rèn)為特征矩陣選取正確;如果分割準(zhǔn)確率低于90%,則根據(jù)錯分割部分的像素信息在特征矩陣中進(jìn)行增加或刪減,直至分割準(zhǔn)確率達(dá)到90%以上。

    2.3? 實(shí)驗(yàn)結(jié)果分析

    本實(shí)驗(yàn)使用3組特征組對所有拍攝的茶葉圖像進(jìn)行分割,圖4為使用3組特征組對五幅測試圖像的分割圖像結(jié)果,每行的圖從左往右依次為待分割原圖、特征組1分割結(jié)果、特征組2分割結(jié)果和特征組3分割結(jié)果。表1為3個特征值組對5幅測試圖像的分割時間。

    由圖4可以看出3個特征組都可以將茶葉嫩芽分割出來,但比較相應(yīng)的分割結(jié)果可知,利用RGB+(R-B)特征組得到的嫩芽圖像更完整,其他兩種特征組分割的圖像嫩芽內(nèi)部孔洞較多,而且周圍噪聲也相對多一些。對比表1中的數(shù)據(jù)可知使用G+(R-B)特征組得到的分割圖像處理時間最短,使用RGB+(R-B)特征組得到的嫩芽圖像次之。由此可知圖像中的G值和(R-B)值是區(qū)分茶葉嫩芽與背景的最主要信息,單純利用這兩個信息進(jìn)行茶葉圖像的分割可以得到基本令人滿意的結(jié)果。如果將分割速度作為首要指標(biāo),可以直接使用這兩個特征;如果要求較高質(zhì)量的分割結(jié)果,可以將這四個特征均列入處理當(dāng)中。

    實(shí)驗(yàn)結(jié)果表明,將G值和(R-B)值組合作為特征進(jìn)行茶葉嫩芽的分割可以同時滿足分割速度快和分割準(zhǔn)確率高的要求,分割得到的嫩芽輪廓進(jìn)行些許的圖像處理后便可用于嫩芽采摘點(diǎn)的求取。

    要想進(jìn)一步提高分割的準(zhǔn)確率和降低分割處理時間,主要的方法一是不斷精化樣本點(diǎn),使支持向量所占比例盡可能多;二是尋找使嫩芽與老葉區(qū)分度比較高的特征,減少影響較小的特征,這樣既可以減少計(jì)算量,同時也能減少冗余,提高計(jì)算準(zhǔn)確率。對于部分未完整分割的圖像,主要原因是拍攝時光照使得部分葉片的顏色發(fā)生變化,從而使分割的結(jié)果出現(xiàn)較大的偏差。后續(xù)研究中拍攝圖像時會進(jìn)行拍攝角度的調(diào)節(jié)或者增加遮光設(shè)備以減少原圖像對分割結(jié)果的影響。

    3? 結(jié)? 論

    本文針對名優(yōu)茶嫩芽圖像分割,通過得到準(zhǔn)確的嫩芽圖像,為進(jìn)一步得到準(zhǔn)確的采摘點(diǎn)的位置做好鋪墊。在利用SVM算法對名優(yōu)茶嫩芽進(jìn)行分割的過程中,首先選取嫩芽與背景區(qū)分度大的樣本點(diǎn),在樣本點(diǎn)中提取RGB和(R-B)值組成3個特征組,分別為RGB特征組、RGB+(R-B)特征組和G+(R-B)特征組,利用3個特征組分別訓(xùn)練模型,再利用訓(xùn)練好的模型進(jìn)行測試圖像分割,通過對比最后分割結(jié)果以及分割時間,分析得出僅使用G+(R-B)值分割圖像時所用時間最短,分割準(zhǔn)確率也相對較好,并將此作為最終使用的分割方法。與此同時本方法也為其他綠色圖像分割處理提供參考。

    參考文獻(xiàn):

    [1] 章毓晉.圖像分割 [M].北京:科學(xué)出版社,2001:78-90.

    [2] GONZALEZ R C. Digital Image Processing [M].3rd ed. Upper Saddle River:Prentice Hall,2008.

    [3] 周莉莉,姜楓.圖像分割方法綜述研究 [J].計(jì)算機(jī)應(yīng)用研究,2017,34(7):1921-1928.

    [4] 韋波.基于顏色和形狀的茶葉計(jì)算機(jī)識別研究 [J].福建茶葉,2016,38(3):16-17.

    [5] 唐仙,吳雪梅,張富貴,等.基于閾值分割法的茶葉嫩芽識別研究 [J].農(nóng)業(yè)裝備技術(shù),2013,39(6):10-14.

    [6] 汪建.結(jié)合顏色和區(qū)域生長的茶葉圖像分割算法研究 [J].茶葉科學(xué),2011,31(1):72-77.

    [7] 薛志東,王燕,李利軍.SVM圖像分割方法的研究 [J].微計(jì)算機(jī)信息,2007(24):306-308.

    [8] 胡濤,胡軍,郭杭.基于SVM鄰域?qū)W習(xí)的視頻目標(biāo)檢測方法 [J].現(xiàn)代電子技術(shù),2017,40(14):95-98.

    [9] 韋佳佳.名優(yōu)茶機(jī)械化采摘中嫩芽識別方法的研究 [D].南京:南京林業(yè)大學(xué),2012.

    [10] 鄧乃揚(yáng),田英杰.支持向量機(jī):理論算法與拓展 [M].北京:科學(xué)出版社,2009:10-35.

    [11] BURGES C J C.A Tutorial on Support Vector Machines for Pattern Recognition [J].Data Mining and Knowledge Discovery,1998,2:121-167.

    [12] 袁志華,楊百龍,趙文強(qiáng),等.基于支持向量機(jī)的NSCT域自適應(yīng)圖像水印算法 [J].計(jì)算機(jī)應(yīng)用研究,2018,35(6):1793- 1796.

    [13] CHANG C C,LIN C J. LIBSVM:A library for support vector machines [J/OL].ACM Transactions on Intelligent Systems and Technology,2011,2(3):[2020-11-12].https://doi.org/10.1145/19611 89.1961199.

    作者簡介:陳妙婷(1993—),女,漢族,河北衡水人,助教,碩士,研究方向:人工智能與圖像處理;通訊作者:楊廣蕾(1993—),女,漢族,山東淄博人,助教,碩士,研究方向:超硬磨料釬焊。

    猜你喜歡
    圖像分割
    計(jì)算機(jī)定量金相分析系統(tǒng)的軟件開發(fā)與圖像處理方法
    基于灰色系統(tǒng)理論的數(shù)字圖像處理算法
    一種改進(jìn)的分水嶺圖像分割算法研究
    科技視界(2016年26期)2016-12-17 16:25:03
    基于LabVIEW雛雞雌雄半自動鑒別系統(tǒng)
    一種圖像超像素的快速生成算法
    基于魯棒性的廣義FCM圖像分割算法
    亚洲乱码一区二区免费版| 国产伦一二天堂av在线观看| 欧美另类亚洲清纯唯美| 亚洲国产色片| 成年女人永久免费观看视频| 村上凉子中文字幕在线| 久久精品91蜜桃| 精品国产露脸久久av麻豆 | 国产精品熟女久久久久浪| 国国产精品蜜臀av免费| 亚洲精品乱久久久久久| 国产国拍精品亚洲av在线观看| 国产一区亚洲一区在线观看| 波野结衣二区三区在线| 亚洲国产精品合色在线| 国产精品不卡视频一区二区| 国产午夜精品论理片| 97超碰精品成人国产| 亚洲av不卡在线观看| 天美传媒精品一区二区| 99久久精品热视频| 国产欧美另类精品又又久久亚洲欧美| 日韩制服骚丝袜av| 我的女老师完整版在线观看| 免费看a级黄色片| 欧美激情国产日韩精品一区| 啦啦啦啦在线视频资源| 岛国在线免费视频观看| 国产欧美另类精品又又久久亚洲欧美| 国产爱豆传媒在线观看| 久久鲁丝午夜福利片| 欧美极品一区二区三区四区| 国产69精品久久久久777片| 一级毛片我不卡| 国产欧美另类精品又又久久亚洲欧美| 久久久久久九九精品二区国产| 伦精品一区二区三区| 亚洲人成网站在线播| 一区二区三区乱码不卡18| 日本猛色少妇xxxxx猛交久久| 深夜a级毛片| 免费看光身美女| 亚洲人成网站高清观看| 99热6这里只有精品| 亚洲欧美日韩高清专用| av卡一久久| 国产真实伦视频高清在线观看| av天堂中文字幕网| 午夜视频国产福利| 黄色欧美视频在线观看| 18禁动态无遮挡网站| 99热这里只有是精品在线观看| 99热6这里只有精品| 国产精品蜜桃在线观看| 直男gayav资源| 少妇人妻精品综合一区二区| 精品久久久久久久末码| 岛国在线免费视频观看| 午夜老司机福利剧场| 欧美成人一区二区免费高清观看| 国产精华一区二区三区| 能在线免费观看的黄片| 免费搜索国产男女视频| 男女视频在线观看网站免费| 好男人视频免费观看在线| 午夜福利视频1000在线观看| av女优亚洲男人天堂| 99久久无色码亚洲精品果冻| 国产一区亚洲一区在线观看| 国产午夜福利久久久久久| .国产精品久久| av.在线天堂| 一区二区三区高清视频在线| 2021天堂中文幕一二区在线观| 国产精品国产三级专区第一集| 91久久精品电影网| 日本与韩国留学比较| 欧美日本亚洲视频在线播放| 亚洲经典国产精华液单| 精品国产露脸久久av麻豆 | 色尼玛亚洲综合影院| 99久久人妻综合| 乱系列少妇在线播放| 男女视频在线观看网站免费| 久久精品久久精品一区二区三区| 国产高清有码在线观看视频| 丝袜美腿在线中文| 97在线视频观看| 欧美bdsm另类| 国产亚洲5aaaaa淫片| 日本免费一区二区三区高清不卡| 久久精品91蜜桃| 精品国产一区二区三区久久久樱花 | 永久网站在线| 三级男女做爰猛烈吃奶摸视频| 麻豆一二三区av精品| 老女人水多毛片| 亚洲人成网站在线播| 美女高潮的动态| 国产成人aa在线观看| 性插视频无遮挡在线免费观看| 亚洲av一区综合| 精品久久国产蜜桃| 国产私拍福利视频在线观看| 日韩精品有码人妻一区| 自拍偷自拍亚洲精品老妇| 成人毛片60女人毛片免费| 麻豆成人av视频| 看片在线看免费视频| 久久久精品大字幕| 国产在线一区二区三区精 | 日韩在线高清观看一区二区三区| 亚洲人成网站高清观看| 可以在线观看毛片的网站| 尤物成人国产欧美一区二区三区| 免费看av在线观看网站| 日本三级黄在线观看| 99久久精品一区二区三区| 少妇熟女欧美另类| 美女cb高潮喷水在线观看| 69av精品久久久久久| 在线观看一区二区三区| 爱豆传媒免费全集在线观看| 国产不卡一卡二| 深爱激情五月婷婷| 两个人视频免费观看高清| 成人午夜高清在线视频| 国产亚洲精品久久久com| 国产精品一二三区在线看| videos熟女内射| 看免费成人av毛片| 亚洲国产高清在线一区二区三| 白带黄色成豆腐渣| 97超碰精品成人国产| a级一级毛片免费在线观看| 国产精品乱码一区二三区的特点| 国产极品精品免费视频能看的| 久久精品91蜜桃| 午夜福利在线观看免费完整高清在| 亚洲精品自拍成人| av免费观看日本| 亚洲自偷自拍三级| 亚洲18禁久久av| 我要搜黄色片| 2021少妇久久久久久久久久久| 精品一区二区三区视频在线| 在现免费观看毛片| 成人鲁丝片一二三区免费| 亚洲在线自拍视频| 欧美日韩国产亚洲二区| 亚洲成人av在线免费| h日本视频在线播放| 国产伦在线观看视频一区| 天堂网av新在线| 不卡视频在线观看欧美| av.在线天堂| 精品久久久久久久久亚洲| 精品久久久久久久久av| 欧美日韩在线观看h| 亚洲欧美精品专区久久| 婷婷色综合大香蕉| 久久婷婷人人爽人人干人人爱| 美女国产视频在线观看| 亚洲av福利一区| 成人av在线播放网站| 国产美女午夜福利| 久久精品久久久久久久性| 国产精品麻豆人妻色哟哟久久 | 亚洲精品一区蜜桃| 99久久人妻综合| 午夜久久久久精精品| 亚洲天堂国产精品一区在线| 在线播放国产精品三级| 国产在线一区二区三区精 | 成人高潮视频无遮挡免费网站| 高清视频免费观看一区二区 | 97超碰精品成人国产| 国产午夜精品论理片| 国产伦一二天堂av在线观看| 天天一区二区日本电影三级| 国产探花极品一区二区| 99久久九九国产精品国产免费| 欧美激情久久久久久爽电影| www.av在线官网国产| 波野结衣二区三区在线| 国内精品美女久久久久久| 神马国产精品三级电影在线观看| 国产欧美另类精品又又久久亚洲欧美| 亚洲五月天丁香| 秋霞在线观看毛片| 最近最新中文字幕大全电影3| 国产成人a区在线观看| 国产淫语在线视频| 亚洲在久久综合| 亚洲av日韩在线播放| 日韩欧美三级三区| 99国产精品一区二区蜜桃av| 国产成人aa在线观看| 亚洲天堂国产精品一区在线| 欧美最新免费一区二区三区| 日韩av不卡免费在线播放| 国产亚洲5aaaaa淫片| 欧美精品国产亚洲| 午夜福利视频1000在线观看| 亚洲美女搞黄在线观看| 日日摸夜夜添夜夜添av毛片| 久久久亚洲精品成人影院| 91av网一区二区| 男女下面进入的视频免费午夜| 国产一区二区三区av在线| 国产一区二区在线观看日韩| 国产欧美另类精品又又久久亚洲欧美| 91在线精品国自产拍蜜月| 久久精品夜色国产| 午夜精品一区二区三区免费看| 久久亚洲国产成人精品v| av福利片在线观看| 自拍偷自拍亚洲精品老妇| 我的女老师完整版在线观看| 麻豆国产97在线/欧美| av卡一久久| 女人被狂操c到高潮| 国产精品野战在线观看| 精品熟女少妇av免费看| 久久精品久久久久久噜噜老黄 | 嫩草影院新地址| av又黄又爽大尺度在线免费看 | 精品无人区乱码1区二区| 午夜精品一区二区三区免费看| 小蜜桃在线观看免费完整版高清| 免费无遮挡裸体视频| 纵有疾风起免费观看全集完整版 | 欧美高清成人免费视频www| 免费av不卡在线播放| 日韩欧美 国产精品| 亚洲av成人精品一二三区| 青春草亚洲视频在线观看| 欧美xxxx性猛交bbbb| 国产伦精品一区二区三区四那| 欧美不卡视频在线免费观看| 国产女主播在线喷水免费视频网站 | 国产视频内射| 亚洲人成网站在线播| 青春草视频在线免费观看| 久久亚洲国产成人精品v| 一级黄色大片毛片| 欧美一区二区精品小视频在线| av播播在线观看一区| 高清日韩中文字幕在线| 亚洲av电影在线观看一区二区三区 | 久久草成人影院| 国产一区有黄有色的免费视频 | 麻豆乱淫一区二区| 日韩在线高清观看一区二区三区| 在线观看av片永久免费下载| 国产精品国产三级专区第一集| 免费av毛片视频| 亚洲国产欧美人成| av女优亚洲男人天堂| 国产激情偷乱视频一区二区| 波野结衣二区三区在线| 男人舔女人下体高潮全视频| 精品免费久久久久久久清纯| 热99re8久久精品国产| 黄色欧美视频在线观看| 午夜亚洲福利在线播放| 欧美丝袜亚洲另类| 久久久久久久久中文| 亚洲精品自拍成人| 国产黄色小视频在线观看| 嘟嘟电影网在线观看| 精品久久久久久久人妻蜜臀av| 国内精品一区二区在线观看| 中文亚洲av片在线观看爽| 国产真实伦视频高清在线观看| 精品久久久久久久久av| 水蜜桃什么品种好| 国产午夜精品一二区理论片| av在线观看视频网站免费| 狠狠狠狠99中文字幕| 成年av动漫网址| 欧美日韩国产亚洲二区| 国产乱人视频| 亚洲精品国产成人久久av| 免费看日本二区| 精品不卡国产一区二区三区| 深夜a级毛片| 久久精品综合一区二区三区| 亚洲欧美一区二区三区国产| 国产精品人妻久久久久久| 亚洲精品乱码久久久久久按摩| 有码 亚洲区| 人妻系列 视频| 亚洲人成网站在线观看播放| 一区二区三区高清视频在线| 少妇丰满av| 七月丁香在线播放| 国产亚洲av嫩草精品影院| 国产一区有黄有色的免费视频 | 男人和女人高潮做爰伦理| 亚洲精品456在线播放app| 日韩一区二区视频免费看| 大话2 男鬼变身卡| 日韩大片免费观看网站 | 免费看日本二区| 中文资源天堂在线| 男人舔奶头视频| 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 | 久久午夜福利片| 成人鲁丝片一二三区免费| 秋霞伦理黄片| 免费观看在线日韩| 日本wwww免费看| 搡老妇女老女人老熟妇| 免费黄色在线免费观看| 精品久久久噜噜| 国产毛片a区久久久久| 又粗又爽又猛毛片免费看| 亚洲精品色激情综合| 性插视频无遮挡在线免费观看| 国产单亲对白刺激| 免费av观看视频| 久久热精品热| 亚洲av成人av| 国语对白做爰xxxⅹ性视频网站| 亚洲av不卡在线观看| 亚洲无线观看免费| 亚洲精品日韩在线中文字幕| 高清av免费在线| 毛片女人毛片| 又爽又黄a免费视频| 伦理电影大哥的女人| 少妇丰满av| 国产高清有码在线观看视频| 91精品国产九色| 国产黄片美女视频| 美女黄网站色视频| 熟女人妻精品中文字幕| 伦精品一区二区三区| 看非洲黑人一级黄片| 久久久久久国产a免费观看| 中文乱码字字幕精品一区二区三区 | 狠狠狠狠99中文字幕| 观看免费一级毛片| 日本免费一区二区三区高清不卡| 免费看美女性在线毛片视频| 高清毛片免费看| 天堂中文最新版在线下载 | 一本一本综合久久| 久久精品熟女亚洲av麻豆精品 | 亚洲最大成人中文| 99热网站在线观看| 能在线免费观看的黄片| 国产伦精品一区二区三区四那| 中文天堂在线官网| 亚洲av成人av| 日本欧美国产在线视频| 中文字幕亚洲精品专区| 欧美激情国产日韩精品一区| 黄片无遮挡物在线观看| av国产久精品久网站免费入址| 欧美97在线视频| 国产午夜精品久久久久久一区二区三区| 卡戴珊不雅视频在线播放| 一级爰片在线观看| 我的老师免费观看完整版| 麻豆国产97在线/欧美| 如何舔出高潮| 日本黄大片高清| 国产高清有码在线观看视频| 亚洲不卡免费看| 插逼视频在线观看| 亚洲精品色激情综合| 亚洲欧美一区二区三区国产| 搞女人的毛片| 菩萨蛮人人尽说江南好唐韦庄 | 高清在线视频一区二区三区 | 人人妻人人澡欧美一区二区| 少妇的逼好多水| 人妻系列 视频| 伦理电影大哥的女人| 天堂√8在线中文| 人妻系列 视频| 三级男女做爰猛烈吃奶摸视频| 成人一区二区视频在线观看| 欧美三级亚洲精品| 99在线人妻在线中文字幕| 亚洲欧美一区二区三区国产| 国产伦理片在线播放av一区| 国产一区二区在线观看日韩| 天天躁日日操中文字幕| 亚洲天堂国产精品一区在线| 少妇猛男粗大的猛烈进出视频 | 亚洲激情五月婷婷啪啪| 国产精品人妻久久久影院| 老司机影院成人| 97超碰精品成人国产| 少妇丰满av| 春色校园在线视频观看| 国产精品电影一区二区三区| 亚洲精品成人久久久久久| 春色校园在线视频观看| 日日摸夜夜添夜夜添av毛片| 亚洲伊人久久精品综合 | 一级av片app| 三级男女做爰猛烈吃奶摸视频| 精品午夜福利在线看| 午夜激情欧美在线| 三级男女做爰猛烈吃奶摸视频| 小说图片视频综合网站| 欧美日韩精品成人综合77777| av卡一久久| 可以在线观看毛片的网站| 村上凉子中文字幕在线| 一本久久精品| av在线亚洲专区| 亚洲一级一片aⅴ在线观看| 日韩 亚洲 欧美在线| 成人高潮视频无遮挡免费网站| 国产不卡一卡二| 国模一区二区三区四区视频| 真实男女啪啪啪动态图| 中文字幕av成人在线电影| 亚洲五月天丁香| 看片在线看免费视频| 精华霜和精华液先用哪个| 国产成人aa在线观看| 国产av码专区亚洲av| 国产高清国产精品国产三级 | 久久久久久久亚洲中文字幕| 国产精品无大码| 国产精华一区二区三区| 小蜜桃在线观看免费完整版高清| 精华霜和精华液先用哪个| 简卡轻食公司| 最近中文字幕2019免费版| av在线天堂中文字幕| 国产一区有黄有色的免费视频 | 成人亚洲欧美一区二区av| 色综合站精品国产| 女的被弄到高潮叫床怎么办| 亚洲中文字幕日韩| 舔av片在线| 国产乱人偷精品视频| 2022亚洲国产成人精品| 亚洲精品国产av成人精品| 精品国产三级普通话版| 国产精品爽爽va在线观看网站| 免费看日本二区| 全区人妻精品视频| 国产高清国产精品国产三级 | 亚洲一区高清亚洲精品| 亚洲经典国产精华液单| 色哟哟·www| 中文字幕制服av| 麻豆久久精品国产亚洲av| 久久综合国产亚洲精品| av线在线观看网站| 精品人妻偷拍中文字幕| av在线播放精品| 日韩视频在线欧美| 少妇被粗大猛烈的视频| 国产片特级美女逼逼视频| 两性午夜刺激爽爽歪歪视频在线观看| a级毛片免费高清观看在线播放| 成人二区视频| 国产三级中文精品| 禁无遮挡网站| 看十八女毛片水多多多| 午夜亚洲福利在线播放| 国产精品电影一区二区三区| 高清日韩中文字幕在线| 国产精品蜜桃在线观看| 免费无遮挡裸体视频| 看非洲黑人一级黄片| 亚洲国产精品成人久久小说| 国产精品不卡视频一区二区| 亚洲一级一片aⅴ在线观看| 久久精品国产亚洲av天美| 亚洲av中文av极速乱| 亚洲国产精品成人久久小说| 最近中文字幕2019免费版| 久久6这里有精品| 波多野结衣巨乳人妻| 国国产精品蜜臀av免费| 大又大粗又爽又黄少妇毛片口| 亚洲欧美日韩无卡精品| 国语对白做爰xxxⅹ性视频网站| 久久久久国产网址| 18禁在线播放成人免费| 国产淫语在线视频| 亚洲18禁久久av| 天堂影院成人在线观看| 久久这里只有精品中国| 欧美成人精品欧美一级黄| 亚洲精品乱码久久久久久按摩| 大香蕉97超碰在线| 久久精品国产亚洲av涩爱| 亚洲av成人av| 三级国产精品片| 天天一区二区日本电影三级| av免费在线看不卡| 美女高潮的动态| av在线观看视频网站免费| 水蜜桃什么品种好| 男的添女的下面高潮视频| 久久久色成人| 1024手机看黄色片| 伊人久久精品亚洲午夜| 99在线人妻在线中文字幕| 国产 一区 欧美 日韩| 亚洲综合色惰| 狂野欧美白嫩少妇大欣赏| 欧美日韩一区二区视频在线观看视频在线 | 亚洲国产精品专区欧美| 18禁动态无遮挡网站| 亚洲欧美精品专区久久| 最近2019中文字幕mv第一页| 日本黄色视频三级网站网址| 免费观看人在逋| 青春草视频在线免费观看| 婷婷六月久久综合丁香| 久久久久久久国产电影| 五月伊人婷婷丁香| 国产精品久久久久久久久免| 午夜日本视频在线| 三级毛片av免费| 国产精品综合久久久久久久免费| 亚洲国产精品成人综合色| 乱码一卡2卡4卡精品| 日本午夜av视频| 韩国高清视频一区二区三区| 日韩av不卡免费在线播放| 男人和女人高潮做爰伦理| 精品国产一区二区三区久久久樱花 | 欧美高清成人免费视频www| 五月玫瑰六月丁香| 嘟嘟电影网在线观看| 日日啪夜夜撸| 麻豆av噜噜一区二区三区| 村上凉子中文字幕在线| 国产69精品久久久久777片| 亚洲欧美精品专区久久| 久久精品久久久久久久性| 久久精品人妻少妇| 老司机影院成人| 人人妻人人澡人人爽人人夜夜 | 国产免费一级a男人的天堂| 亚洲精品国产av成人精品| 欧美变态另类bdsm刘玥| 亚洲欧洲国产日韩| 美女高潮的动态| 2021天堂中文幕一二区在线观| 国产视频内射| 黄片无遮挡物在线观看| 国产单亲对白刺激| 国产一区二区在线观看日韩| 国产在线一区二区三区精 | 日韩强制内射视频| 亚洲精品一区蜜桃| av国产免费在线观看| 久久人人爽人人片av| 欧美+日韩+精品| 欧美性感艳星| 日韩成人伦理影院| 九九热线精品视视频播放| 欧美97在线视频| 久久久久久国产a免费观看| 麻豆一二三区av精品| 有码 亚洲区| 国产色婷婷99| 久久久久久久久久黄片| 成年av动漫网址| 99久久中文字幕三级久久日本| 免费观看精品视频网站| 欧美性感艳星| 国产精品国产高清国产av| 欧美成人一区二区免费高清观看| 国产极品精品免费视频能看的| 亚洲国产色片| 中文天堂在线官网| 一边摸一边抽搐一进一小说| 久久精品91蜜桃| 国产成人aa在线观看| 蜜臀久久99精品久久宅男| 青春草国产在线视频| 国产精品福利在线免费观看| 狂野欧美白嫩少妇大欣赏| 久久精品人妻少妇| av女优亚洲男人天堂| 日韩欧美 国产精品| 免费观看性生交大片5| 久久久久久久久久成人| 两个人视频免费观看高清| 黄色日韩在线| 99久国产av精品国产电影| 国产免费福利视频在线观看| 最近2019中文字幕mv第一页| 中文欧美无线码| 内地一区二区视频在线| 我的女老师完整版在线观看| 国产欧美日韩精品一区二区| 日韩欧美三级三区| 久久久久久久久久久丰满| www.色视频.com| 国产91av在线免费观看| 麻豆久久精品国产亚洲av| 一区二区三区免费毛片| 午夜福利网站1000一区二区三区| 免费黄色在线免费观看| av国产免费在线观看| 久久人妻av系列| 97在线视频观看| 中国美白少妇内射xxxbb| 一级二级三级毛片免费看|