• <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 ?

    基于生成對(duì)抗網(wǎng)絡(luò)的船舶圖像去模糊算法

    2021-12-24 01:43:12郭俊東徐海祥
    關(guān)鍵詞:復(fù)原相似性損失

    郭俊東 馮 輝 徐海祥

    (武漢理工大學(xué)高性能船舶技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室1) 武漢 430063)(武漢理工大學(xué)航海與能源動(dòng)力工程學(xué)院2) 武漢 430063)

    0 引 言

    智能船舶通常配備多種傳感器設(shè)備對(duì)自身運(yùn)動(dòng)狀態(tài)及周邊環(huán)境進(jìn)行感知,其中基于可見光的視覺感知是智能船舶感知技術(shù)的核心所在.但由于船舶在水面航行的過程中會(huì)不可避免地發(fā)生搖蕩,使得視覺傳感器所采集到的圖像較為模糊,這對(duì)障礙物的目標(biāo)檢測(cè)會(huì)產(chǎn)生極大的影響,從而降低了為后續(xù)決策系統(tǒng)所提供的信息質(zhì)量及智能船舶航行的安全性能.

    傳統(tǒng)的圖像去模糊方法主要基于模糊核理論來對(duì)模糊圖像進(jìn)行復(fù)原,利用估計(jì)得到的模糊核對(duì)模糊圖像進(jìn)行反卷積操作以獲得復(fù)原圖像.文獻(xiàn)[1]以分段函數(shù)來擬合多個(gè)自然圖像的梯度分布,然后利用交替迭代的方法對(duì)復(fù)原圖像和模糊核進(jìn)行估計(jì);文獻(xiàn)[2]對(duì)模糊核函數(shù)采用標(biāo)準(zhǔn)化稀疏度量方法進(jìn)行估計(jì),并且方法中基于圖像梯度的正則化項(xiàng)的應(yīng)用大幅度提升了模糊圖像的復(fù)原效果;Xu等[3]利用基于非自然L0范數(shù)的方法來估計(jì)模糊圖像的模糊核,相比于文獻(xiàn)[1-2]取得了更好的去模糊效果;Liu等[4]利用一階和二階圖像梯度的L0范數(shù)來估計(jì)模糊核,有效提升了模糊核估計(jì)的精確度.上述方法雖然對(duì)模糊圖像具有一定的復(fù)原效果,但對(duì)噪聲較為敏感,復(fù)原圖像的清晰度不夠理想,并且易產(chǎn)生振鈴效應(yīng).

    隨著近年來深度學(xué)習(xí)的高速發(fā)展,越來越多的學(xué)者將深度學(xué)習(xí)應(yīng)用于圖像去模糊的研究領(lǐng)域.Nah等[5]利用多尺度的卷積神經(jīng)網(wǎng)絡(luò)以“端到端”的訓(xùn)練方式直接對(duì)圖像進(jìn)行去模糊處理,該方法具有很強(qiáng)的泛化能力,并且運(yùn)算效率較高.Kupyn等[6]利用條件生成對(duì)抗網(wǎng)絡(luò)來對(duì)圖像去運(yùn)動(dòng)模糊,網(wǎng)絡(luò)模型的判別器采用了Patch-GAN的網(wǎng)絡(luò)結(jié)構(gòu),利用由對(duì)抗損失和基于VGG19網(wǎng)絡(luò)的感知損失所組成的多元損失函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化,相比于文獻(xiàn)[5]的方法在復(fù)原圖像清晰度和復(fù)原效率上均取得了更為理想的效果.但該方法的判別器Patch-GAN只能對(duì)單一尺寸的圖像塊進(jìn)行鑒別,缺乏對(duì)不同尺度圖像的適應(yīng)性.

    為增強(qiáng)網(wǎng)絡(luò)模型對(duì)不同尺度圖像的適應(yīng)性,本文基于生成對(duì)抗網(wǎng)絡(luò)(GAN)[7]提出了一種端到端的圖像去運(yùn)動(dòng)模糊模型,構(gòu)建了一種新的具有多重感受野的判別器,以完善普通Patch-GAN只能對(duì)單一尺寸圖像塊進(jìn)行鑒別的缺陷.為提高復(fù)原圖像與清晰圖像的結(jié)構(gòu)相似性,文中在網(wǎng)絡(luò)模型的損失函數(shù)中加入了基于SSIM圖像質(zhì)量評(píng)價(jià)指標(biāo)的結(jié)構(gòu)相似性損失,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證.

    1 基于GAN的船舶圖像去模糊方法

    1.1 網(wǎng)絡(luò)模型

    生成對(duì)抗網(wǎng)絡(luò)應(yīng)用于去模糊的網(wǎng)絡(luò)模型見圖1,主要包括生成器G和判別器D兩個(gè)模塊.首先將運(yùn)動(dòng)模糊圖像B輸入至生成器G來生成復(fù)原圖像G(B),再將清晰圖像S和復(fù)原圖像G(B)輸入判別器D,判別器D對(duì)二者進(jìn)行鑒別并將鑒別結(jié)果反饋給生成器G.若鑒別為清晰圖像,則給出高分,若鑒別為復(fù)原圖像,則給出低分.在網(wǎng)絡(luò)模型的訓(xùn)練過程中,生成器G期望利用判別器D的鑒別結(jié)果不斷生成更加真實(shí)的圖片來欺騙判別器D,而判別器D也在鑒別過程中不斷地提升自己的鑒別能力,通過利用二者間的博弈關(guān)系來提升網(wǎng)絡(luò)的去模糊性能.當(dāng)判別器D已經(jīng)無法分辨出復(fù)原圖像G(B)和清晰圖像S時(shí),表明網(wǎng)絡(luò)模型已經(jīng)達(dá)到了最優(yōu)的去模糊性能[7].

    圖1 網(wǎng)絡(luò)模型整體架構(gòu)

    1.2 損失函數(shù)

    在生成對(duì)抗網(wǎng)絡(luò)中,損失函數(shù)給定了網(wǎng)絡(luò)的優(yōu)化方向,所以選擇合理的損失函數(shù)對(duì)網(wǎng)絡(luò)的性能有著重要影響.文中的損失函數(shù)主要包括對(duì)抗損失、感知損失及結(jié)構(gòu)相似性(SSIM)損失.

    1.2.1對(duì)抗損失函數(shù)

    判別器采用WGAN-GP[8],以Wasserstein距離[9]來表示網(wǎng)絡(luò)的對(duì)抗損失,其優(yōu)勢(shì)在于可以避免經(jīng)典GAN訓(xùn)練過程中的梯度消失和模式崩潰問題,使訓(xùn)練更加穩(wěn)定,具體表達(dá)形式為

    λGP·Ex~penalty[‖xD(x)‖-1]2

    (1)

    式中:N為圖像數(shù)量;D為判別器;G為生成器;IS為清晰圖像;IB為模糊圖像;G(IB)為生成器對(duì)模糊圖像的復(fù)原圖像,式中第二項(xiàng)為WGAN-GP為滿足Wasserstein距離中的1-Lipschitz連續(xù)性條件而設(shè)置的梯度懲罰項(xiàng),λGP為梯度懲罰項(xiàng)的正則化系數(shù),x~penalty為多維空間中在真實(shí)樣本與生成樣本間進(jìn)行隨機(jī)取樣而得到的樣本.

    訓(xùn)練時(shí)判別器D期望最大化對(duì)抗損失,而生成器G期望最小化對(duì)抗損失,二者在訓(xùn)練過程中相互對(duì)抗, 共同進(jìn)步.

    1.2.2感知損失函數(shù)

    為使復(fù)原圖像與清晰圖像具有更加相似的圖像特征,在網(wǎng)絡(luò)模型整體的損失函數(shù)中加入了基于VGG19[10]網(wǎng)絡(luò)conv_3-3層的感知損失函數(shù).感知損失的表達(dá)形式為

    (2)

    式中:φi,j為預(yù)訓(xùn)練的VGG19網(wǎng)絡(luò)中第i個(gè)最大池化層之前的第j個(gè)卷積層激活后輸出的特征圖.Wi,j,Hi,j為特征圖的寬度和高度.通過計(jì)算復(fù)原圖像與清晰圖像在VGG19網(wǎng)絡(luò)conv_3-3層的特征圖差值來表示復(fù)原圖像與清晰圖像的特征差異大小.

    1.2.3結(jié)構(gòu)相似性損失函數(shù)

    為提升網(wǎng)絡(luò)模型的復(fù)原圖像與清晰圖像在亮度、對(duì)比度和結(jié)構(gòu)等方面的相似性,在網(wǎng)絡(luò)模型整體的損失函數(shù)中加入了基于SSIM圖像質(zhì)量評(píng)價(jià)指標(biāo)的結(jié)構(gòu)相似性損失,具體表達(dá)形式為

    LSSIM=SSIM(IS,G(IB))

    (3)

    相應(yīng)的SSIM計(jì)算表達(dá)式為

    (4)

    式中:C1,C2為避免分母為0而設(shè)定的常數(shù);μX,μY為圖像X和圖像Y的均值;σX和σY為圖像X和圖像Y的方差;σXY為圖像X和圖像Y的協(xié)方差.

    SSIM圖像質(zhì)量評(píng)價(jià)指標(biāo)可以有效地反應(yīng)兩幅圖像間的結(jié)構(gòu)相似性,數(shù)值范圍為0~1,其值越大表示圖像間的相似度越高.

    1.2.4總損失函數(shù)

    綜合對(duì)抗損失、感知損失及結(jié)構(gòu)相似性損失可得本文提出的網(wǎng)絡(luò)模型的總損失.

    (5)

    式中:λ1為感知損失的正則化系數(shù);λ2為結(jié)構(gòu)相似性損失的正則化系數(shù).

    1.3 生成器網(wǎng)絡(luò)結(jié)構(gòu)

    生成器網(wǎng)絡(luò)的整體結(jié)構(gòu)參考文獻(xiàn)[11]在風(fēng)格遷移任務(wù)中所采用的網(wǎng)絡(luò)結(jié)構(gòu),詳細(xì)結(jié)構(gòu)見圖2.風(fēng)格遷移任務(wù)是指將圖像由源風(fēng)格域轉(zhuǎn)換至目標(biāo)風(fēng)格域的過程,而圖像去模糊任務(wù)是將圖像由模糊域轉(zhuǎn)換至清晰域的過程,兩種任務(wù)的本質(zhì)均為圖像在不同域間的轉(zhuǎn)換,故有著很大的相似性.

    圖2 生成器網(wǎng)絡(luò)結(jié)構(gòu)

    生成器網(wǎng)絡(luò)共有9個(gè)ResNet模塊[12]、4個(gè)卷積塊和2個(gè)反卷積塊.所有卷積層后均利用實(shí)例歸一化(instance normalization)對(duì)卷積結(jié)果進(jìn)行歸一化處理,以加速網(wǎng)絡(luò)的訓(xùn)練過程.除網(wǎng)絡(luò)最后一個(gè)卷積塊使用tanh作為激活函數(shù)外,所有卷積塊均使用Relu作為激活函數(shù).此外,生成器中采用了全局跳躍連接(ResOut),將網(wǎng)絡(luò)的輸入內(nèi)容直接加入到網(wǎng)絡(luò)的輸出內(nèi)容之中,生成器學(xué)習(xí)的內(nèi)容為清晰圖像IS與模糊圖像IB之間的殘差I(lǐng)R,即IS=IB+IR.由于模糊圖像與清晰圖像在顏色和風(fēng)格等方面具有較多相似的圖像特征,相比于讓網(wǎng)絡(luò)學(xué)習(xí)模糊圖像到清晰圖像的映射,只讓網(wǎng)絡(luò)學(xué)習(xí)模糊圖像與清晰圖像間的殘差可以大大減少網(wǎng)絡(luò)的學(xué)習(xí)量,使其在訓(xùn)練過程中更快地收斂.

    1.4 判別器網(wǎng)絡(luò)結(jié)構(gòu)

    在基于生成對(duì)抗網(wǎng)絡(luò)的圖像處理任務(wù)中,Patch-GAN[13]為目前使用最為廣泛的判別器網(wǎng)絡(luò)結(jié)構(gòu).不同于普通判別器對(duì)整張圖像進(jìn)行鑒別真?zhèn)?,Patch-GAN將整張圖像分為若干個(gè)N×N的圖像塊,將這些圖像塊的鑒別結(jié)果輸出為一個(gè)二維矩陣,以矩陣中所有元素的平均值作為整張圖像的評(píng)價(jià)結(jié)果,具體鑒別過程見圖3.

    圖3 Patch-GAN的鑒別過程

    相比于普通判別器,Patch-GAN可以指引生成器復(fù)原出更加細(xì)致的圖像特征.但在不同的圖像中,主體內(nèi)容所占的面積比例不盡相同,普通Patch-GAN的網(wǎng)絡(luò)結(jié)構(gòu)一經(jīng)確定后便只能針對(duì)某一特定大小的圖像塊進(jìn)行鑒別.因此為增強(qiáng)網(wǎng)絡(luò)模型對(duì)不同尺度圖像的適應(yīng)性,在Patch-GAN的基礎(chǔ)上構(gòu)建了一個(gè)具有多重感受野的判別器,其網(wǎng)絡(luò)結(jié)構(gòu)見圖4.

    圖4 判別器網(wǎng)絡(luò)結(jié)構(gòu)

    判別器的主干部分由6個(gè)卷積塊組成,從第4個(gè)卷積塊開始引出分支結(jié)構(gòu),每個(gè)分支末端利用1×1的卷積核或4×4的卷積核將主干網(wǎng)絡(luò)的輸出壓縮為單通道的特征圖,不同分支特征圖中的每一個(gè)元素有著不同的感受野,即對(duì)應(yīng)不同大小的圖像塊.隨著主干網(wǎng)絡(luò)卷積塊的增加,分支特征圖中各元素的感受野從46×46逐漸增加到286×286.

    綜合來看,相比于普通的判別器本文構(gòu)建的判別器的優(yōu)勢(shì)在于:

    1) 在不需要構(gòu)建多個(gè)判別器的前提下獲得了多重的感受野,使得網(wǎng)絡(luò)模型能夠適應(yīng)不同尺度的圖像特征,同時(shí)避免了網(wǎng)絡(luò)參數(shù)的大量增加;

    2) 通過主干結(jié)合分支結(jié)構(gòu),使得網(wǎng)絡(luò)模型從小尺寸圖像塊的鑒別中學(xué)習(xí)到的信息可以共享至網(wǎng)絡(luò)模型對(duì)更大尺寸圖像塊的鑒別過程,即小尺寸的圖像塊的鑒別知識(shí)對(duì)大尺寸圖像塊的鑒別具有一定的指引作用.

    此外,為了避免經(jīng)典GAN的梯度消失與模式崩潰問題,本文利用Wasserstein距離來表示每個(gè)訓(xùn)練過程的對(duì)抗損失大小,損失函數(shù)中不需要對(duì)判別器的輸出值取對(duì)數(shù),所以判別器最后一層不使用sigmoid激活函數(shù).

    2 實(shí)驗(yàn)驗(yàn)證

    2.1 實(shí)驗(yàn)數(shù)據(jù)集及預(yù)處理

    利用武漢理工大學(xué)智能船舶與動(dòng)力定位研究團(tuán)隊(duì)的船舶圖像數(shù)據(jù)集中的1 476張?jiān)记逦皥D像來構(gòu)建訓(xùn)練集和測(cè)試集,其中訓(xùn)練集共1 364張,測(cè)試集共112張,數(shù)據(jù)集中部分船舶圖像樣本見圖5.

    圖5 數(shù)據(jù)集中部分船舶圖像樣本

    利用OpenCV并基于Python語言對(duì)清晰的船舶圖像添加運(yùn)動(dòng)模糊,訓(xùn)練集中的模糊距離從5個(gè)像素值至個(gè)20個(gè)像素值隨機(jī)取樣,為全面地評(píng)估網(wǎng)絡(luò)模型對(duì)于不同模糊距離的去模糊效果,在測(cè)試集中的為每個(gè)模糊距離分配7張圖像,訓(xùn)練集和測(cè)試集的模糊角度均從0°~360°的均勻分布中隨機(jī)取樣.網(wǎng)絡(luò)模型訓(xùn)練集和測(cè)試集的具體圖像數(shù)量信息見表1.

    表1 訓(xùn)練集與測(cè)試集圖像數(shù)量

    當(dāng)模糊距離為16個(gè)像素值、模糊角度為45°時(shí)的模糊效果見圖6,其中左側(cè)為清晰圖像,右側(cè)為生成的模糊圖像.

    圖6 模糊效果展示

    此外,為防止發(fā)生網(wǎng)絡(luò)模型對(duì)訓(xùn)練集的過擬合,在訓(xùn)練過程中隨機(jī)對(duì)圖像進(jìn)行鏡像和幾何翻轉(zhuǎn)處理.

    2.2 實(shí)驗(yàn)環(huán)境及訓(xùn)練參數(shù)設(shè)置

    實(shí)驗(yàn)環(huán)境基于64位Windows10操作系統(tǒng),GPU為NVIDIA GeForce GTX 1050Ti ;CPU為英特爾i7;編程語言Python版本為3.6.4;深度學(xué)習(xí)框架為TensorFlow1.10.0、 Pytorch1.1.0.

    考慮到本文各損失函數(shù)數(shù)量級(jí)的不同,為平衡其在訓(xùn)練過程中的比重,將感知損失正則化參數(shù)λ1設(shè)為1,結(jié)構(gòu)相似性損失正則化參數(shù)λ2設(shè)為10 000,梯度懲罰項(xiàng)正則化系數(shù)λGP設(shè)為10.網(wǎng)絡(luò)訓(xùn)練的batch size為1,采用Adam優(yōu)化器,訓(xùn)練周期共300個(gè)epoch.

    2.3 實(shí)驗(yàn)結(jié)果

    2.3.1去模糊實(shí)驗(yàn)結(jié)果

    為更加清晰地反應(yīng)本文創(chuàng)新點(diǎn)對(duì)網(wǎng)絡(luò)模型性能的提升,將結(jié)構(gòu)相似性損失、具有多重感受野的判別器依次加入至網(wǎng)絡(luò)模型中并對(duì)其進(jìn)行訓(xùn)練.此外,為了綜合對(duì)比和分析本文提出的去模糊方法的性能,選擇目前在圖像去運(yùn)動(dòng)模糊領(lǐng)域表現(xiàn)良好的文獻(xiàn)[6]的深度學(xué)習(xí)去模糊方法進(jìn)行對(duì)比,各模型的具體信息見表2,各模型去模糊的主觀視覺效果見圖7.

    表2 各模型的具體信息

    圖7 不同方法的去模糊效果

    由圖7可知,相比于采用對(duì)抗損失和感知損失對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化的文獻(xiàn)[6],本文采用由對(duì)抗損失、感知損失和結(jié)構(gòu)相似性損失組成的三元損失函數(shù)組對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化的模型1的復(fù)原效果有著明顯的優(yōu)勢(shì);模型2將模型1的判別器改為了具有多重感受野的判別器,比模型1的去模糊效果有了一定的提升,其復(fù)原圖像更加接近原始清晰圖像.

    此外,為更加客觀地評(píng)價(jià)本文提出方法的去模糊性能,采用目前圖像去模糊領(lǐng)域使用最為普遍、認(rèn)可度最高的SSIM和PSNR指標(biāo)作為網(wǎng)絡(luò)模型去模糊效果的客觀評(píng)價(jià)標(biāo)準(zhǔn),兩項(xiàng)指標(biāo)越高表示模型的去模糊效果越好.各方法基于測(cè)試集的SSIM和PSNR結(jié)果見表3.

    表3 不同方法的SSIM、PSNR結(jié)果

    由表3可知,采用三元損失函數(shù)組的模型1的兩項(xiàng)指標(biāo)均比文獻(xiàn)[6]的方法要高,通過引入具有多重感受野的判別器,模型2的兩項(xiàng)指標(biāo)比模型1有了進(jìn)一步地提升.相比于文獻(xiàn)[6]的方法,模型2的SSIM指標(biāo)提升了13.2%,PSNR指標(biāo)提升了6.3%,驗(yàn)證了本文提出方法良好的去模糊性能.

    2.3.2去模糊后的目標(biāo)檢測(cè)結(jié)果

    為了驗(yàn)證文中提出的圖像去模糊方法對(duì)模糊船舶圖像目標(biāo)檢測(cè)效果的提升,利用武漢理工大學(xué)智能船舶與動(dòng)力定位研究團(tuán)隊(duì)的船舶圖像數(shù)據(jù)集中的1 000張船舶圖像訓(xùn)練了基于SSD算法的船舶目標(biāo)檢測(cè)模型,并利用訓(xùn)練好的目標(biāo)檢測(cè)模型對(duì)本文測(cè)試集的清晰圖像、模糊圖像及其對(duì)應(yīng)的復(fù)原圖像進(jìn)行了目標(biāo)檢測(cè),部分圖像的檢測(cè)結(jié)果見圖8[14-15].實(shí)驗(yàn)結(jié)果表明,模糊圖像經(jīng)本文的網(wǎng)絡(luò)模型處理后,其在預(yù)訓(xùn)練的船舶目標(biāo)檢測(cè)模型上的準(zhǔn)確度得到了大幅提升,并且可以達(dá)到或非常貼近清晰圖像的目標(biāo)檢測(cè)結(jié)果.

    圖8 模糊圖像、復(fù)原圖像和清晰圖像的目標(biāo)檢測(cè)結(jié)果

    3 結(jié) 束 語

    文中基于生成對(duì)抗網(wǎng)絡(luò)結(jié)合結(jié)構(gòu)相似性損失和具有多重感受野的判別器提出了一種新的船舶圖像去運(yùn)動(dòng)模糊方法,該方法相比于現(xiàn)有的圖像去模糊方法具有更好的去模糊效果,能夠顯著提高模糊圖像的清晰度和目標(biāo)檢測(cè)準(zhǔn)確度.在今后的研究工作中將致力于在減小模型參數(shù)量的同時(shí)提升模糊圖像的復(fù)原清晰度和復(fù)原效率.

    猜你喜歡
    復(fù)原相似性損失
    一類上三角算子矩陣的相似性與酉相似性
    溫陳華:唐宋甲胄復(fù)原第一人
    少問一句,損失千金
    胖胖損失了多少元
    淺談曜變建盞的復(fù)原工藝
    淺析當(dāng)代中西方繪畫的相似性
    毓慶宮惇本殿明間原狀陳列的復(fù)原
    紫禁城(2020年8期)2020-09-09 09:38:04
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    低滲透黏土中氯離子彌散作用離心模擬相似性
    一般自由碰撞的最大動(dòng)能損失
    亚洲三区欧美一区| 精品一区二区三区四区五区乱码| cao死你这个sao货| 香蕉丝袜av| 一夜夜www| 亚洲av日韩精品久久久久久密| 成人亚洲精品一区在线观看| av有码第一页| 在线天堂中文资源库| 午夜福利,免费看| 男女床上黄色一级片免费看| 丰满的人妻完整版| 国产一区在线观看成人免费| 国产又爽黄色视频| 亚洲成人精品中文字幕电影| 无遮挡黄片免费观看| 日韩成人在线观看一区二区三区| 精品人妻1区二区| 亚洲国产精品sss在线观看| 亚洲欧美日韩无卡精品| 亚洲全国av大片| 亚洲伊人色综图| ponron亚洲| 乱人伦中国视频| 97碰自拍视频| 99国产极品粉嫩在线观看| 欧美+亚洲+日韩+国产| 18禁观看日本| 亚洲伊人色综图| 久久国产精品男人的天堂亚洲| 国产精品美女特级片免费视频播放器 | 人妻丰满熟妇av一区二区三区| 国产aⅴ精品一区二区三区波| 国产精品 欧美亚洲| www.精华液| 级片在线观看| 久久久久久久久免费视频了| 午夜免费鲁丝| 丁香六月欧美| 可以在线观看毛片的网站| 91精品国产国语对白视频| 啦啦啦观看免费观看视频高清 | 国产主播在线观看一区二区| 日韩欧美一区视频在线观看| 男女做爰动态图高潮gif福利片 | 久久天躁狠狠躁夜夜2o2o| 18美女黄网站色大片免费观看| 桃红色精品国产亚洲av| 一本久久中文字幕| 高清毛片免费观看视频网站| 成年人黄色毛片网站| 亚洲人成电影免费在线| 两人在一起打扑克的视频| 国产区一区二久久| 成人亚洲精品av一区二区| 成熟少妇高潮喷水视频| 伦理电影免费视频| 可以在线观看毛片的网站| 99久久99久久久精品蜜桃| 亚洲国产欧美网| 精品久久久精品久久久| 一边摸一边抽搐一进一出视频| 精品国产超薄肉色丝袜足j| 免费在线观看影片大全网站| 亚洲精品在线观看二区| 伊人久久大香线蕉亚洲五| 成人三级黄色视频| 久久精品国产亚洲av香蕉五月| 深夜精品福利| 成人免费观看视频高清| 亚洲狠狠婷婷综合久久图片| а√天堂www在线а√下载| 亚洲av熟女| a级毛片在线看网站| 国产欧美日韩一区二区精品| 国内精品久久久久久久电影| svipshipincom国产片| 黑人欧美特级aaaaaa片| 国产日韩一区二区三区精品不卡| 黄色a级毛片大全视频| 色综合婷婷激情| 老司机深夜福利视频在线观看| 一级黄色大片毛片| 久久久久久人人人人人| 午夜影院日韩av| 少妇被粗大的猛进出69影院| 十八禁网站免费在线| videosex国产| 亚洲av熟女| 亚洲一卡2卡3卡4卡5卡精品中文| 国产国语露脸激情在线看| 成人亚洲精品av一区二区| 我的亚洲天堂| 亚洲国产日韩欧美精品在线观看 | 在线观看免费午夜福利视频| 亚洲免费av在线视频| 欧美国产日韩亚洲一区| 麻豆一二三区av精品| 色老头精品视频在线观看| 国产一区二区三区视频了| 亚洲成人精品中文字幕电影| 精品国产一区二区三区四区第35| 亚洲成人久久性| 国产精品一区二区精品视频观看| 99久久99久久久精品蜜桃| 国产精品一区二区免费欧美| 成人国语在线视频| 国产熟女午夜一区二区三区| cao死你这个sao货| videosex国产| 一a级毛片在线观看| 老熟妇仑乱视频hdxx| 亚洲精品一卡2卡三卡4卡5卡| 麻豆一二三区av精品| 国产精品永久免费网站| 亚洲成国产人片在线观看| 久久九九热精品免费| 香蕉丝袜av| 99精品欧美一区二区三区四区| 久久久久久久午夜电影| 亚洲欧美日韩卡通动漫| 久久国内精品自在自线图片| 成人鲁丝片一二三区免费| 99热这里只有是精品50| 亚洲精华国产精华液的使用体验 | 欧美成人a在线观看| 少妇的逼好多水| 国产高清视频在线观看网站| 欧美一区二区亚洲| 久久久久九九精品影院| 一级黄片播放器| 国内久久婷婷六月综合欲色啪| 免费一级毛片在线播放高清视频| 国产探花极品一区二区| 国产熟女欧美一区二区| av天堂在线播放| www.色视频.com| or卡值多少钱| 中国美女看黄片| 亚洲成a人片在线一区二区| 亚洲精品乱码久久久v下载方式| 亚洲av中文字字幕乱码综合| .国产精品久久| 12—13女人毛片做爰片一| 成人三级黄色视频| 少妇的逼好多水| 亚洲七黄色美女视频| 成年人黄色毛片网站| 免费看av在线观看网站| 级片在线观看| av在线亚洲专区| 亚洲国产高清在线一区二区三| 亚洲美女黄片视频| 亚洲熟妇中文字幕五十中出| 欧美在线一区亚洲| 中文字幕精品亚洲无线码一区| 欧洲精品卡2卡3卡4卡5卡区| 日日夜夜操网爽| 成人高潮视频无遮挡免费网站| 日本黄大片高清| 少妇丰满av| 床上黄色一级片| 成人无遮挡网站| 亚洲欧美激情综合另类| 老师上课跳d突然被开到最大视频| 久久久久久久亚洲中文字幕| 级片在线观看| 91在线观看av| av天堂中文字幕网| 欧美精品啪啪一区二区三区| 婷婷精品国产亚洲av| 免费av不卡在线播放| 黄色日韩在线| 亚洲真实伦在线观看| 美女黄网站色视频| 免费看美女性在线毛片视频| 99在线视频只有这里精品首页| 精品久久久久久成人av| 国产在线男女| 99视频精品全部免费 在线| 999久久久精品免费观看国产| 国产乱人视频| 91麻豆精品激情在线观看国产| 男女之事视频高清在线观看| 国产精品美女特级片免费视频播放器| 国产 一区 欧美 日韩| 亚洲经典国产精华液单| 此物有八面人人有两片| 国产精品免费一区二区三区在线| 国产高清有码在线观看视频| aaaaa片日本免费| 日日夜夜操网爽| 亚洲中文字幕日韩| 搡老岳熟女国产| 男女边吃奶边做爰视频| 一本久久中文字幕| 亚洲av不卡在线观看| 看片在线看免费视频| 夜夜看夜夜爽夜夜摸| 精品国产三级普通话版| 亚洲性夜色夜夜综合| 毛片女人毛片| 欧美高清性xxxxhd video| 亚洲午夜理论影院| 国产极品精品免费视频能看的| 欧美bdsm另类| 国内毛片毛片毛片毛片毛片| 精品人妻熟女av久视频| 国产高清三级在线| 亚洲av五月六月丁香网| 人人妻人人澡欧美一区二区| 国产高清视频在线观看网站| 午夜老司机福利剧场| 色av中文字幕| 色5月婷婷丁香| 精品人妻1区二区| 女生性感内裤真人,穿戴方法视频| 美女cb高潮喷水在线观看| 欧美高清性xxxxhd video| 免费看光身美女| 人人妻人人澡欧美一区二区| 麻豆国产97在线/欧美| 久久久久九九精品影院| 欧美另类亚洲清纯唯美| 国产精品亚洲美女久久久| 99国产极品粉嫩在线观看| 亚洲精品粉嫩美女一区| 午夜福利在线观看吧| 免费黄网站久久成人精品| 欧美激情国产日韩精品一区| 日韩人妻高清精品专区| 97超视频在线观看视频| 欧美zozozo另类| 啦啦啦啦在线视频资源| 中文字幕高清在线视频| 我的老师免费观看完整版| 免费电影在线观看免费观看| 女人十人毛片免费观看3o分钟| 夜夜夜夜夜久久久久| 窝窝影院91人妻| 一区二区三区激情视频| 日韩欧美一区二区三区在线观看| 精品免费久久久久久久清纯| 久久99热6这里只有精品| 中文字幕av在线有码专区| 日日摸夜夜添夜夜添小说| 亚洲中文字幕日韩| www.色视频.com| 中亚洲国语对白在线视频| 欧美极品一区二区三区四区| 日韩欧美在线乱码| 国产熟女欧美一区二区| 成人国产麻豆网| 中文字幕熟女人妻在线| 亚洲av免费高清在线观看| 亚洲国产精品久久男人天堂| 成人永久免费在线观看视频| 欧美一区二区精品小视频在线| 国产精品免费一区二区三区在线| 亚洲欧美日韩卡通动漫| 色视频www国产| 成人一区二区视频在线观看| 国产亚洲精品久久久久久毛片| 国产 一区精品| 亚洲av成人av| 国模一区二区三区四区视频| 蜜桃亚洲精品一区二区三区| 在线国产一区二区在线| 日韩人妻高清精品专区| 欧美黑人欧美精品刺激| 久久久久九九精品影院| 中文字幕免费在线视频6| 欧美人与善性xxx| 国产三级中文精品| 国产高清视频在线观看网站| 嫩草影院入口| 久久久国产成人精品二区| 欧美高清成人免费视频www| 亚洲第一区二区三区不卡| 久久婷婷人人爽人人干人人爱| 免费观看人在逋| 很黄的视频免费| 免费一级毛片在线播放高清视频| 国内精品美女久久久久久| 99久久精品热视频| 91久久精品国产一区二区成人| 99久国产av精品| 一个人看视频在线观看www免费| 色在线成人网| 国产精品精品国产色婷婷| 亚洲人与动物交配视频| 联通29元200g的流量卡| 国产精品亚洲一级av第二区| 高清日韩中文字幕在线| 午夜福利在线观看吧| 亚洲图色成人| 国产乱人伦免费视频| 91av网一区二区| 亚洲精品国产成人久久av| 久久久国产成人免费| 日日夜夜操网爽| 在线观看av片永久免费下载| 99热只有精品国产| 日韩亚洲欧美综合| 国产精品野战在线观看| 久久久久久九九精品二区国产| 国产成年人精品一区二区| 亚洲欧美日韩高清专用| 国产伦精品一区二区三区四那| 2021天堂中文幕一二区在线观| 嫩草影院新地址| 国产精品久久久久久久久免| 欧美绝顶高潮抽搐喷水| 村上凉子中文字幕在线| 日本a在线网址| 午夜福利成人在线免费观看| 不卡视频在线观看欧美| 精华霜和精华液先用哪个| 久久6这里有精品| 99热这里只有精品一区| 国产乱人伦免费视频| 我的女老师完整版在线观看| 久久久色成人| 亚洲av中文字字幕乱码综合| 嫩草影视91久久| 免费看美女性在线毛片视频| 色av中文字幕| 国产老妇女一区| 高清日韩中文字幕在线| 亚洲国产色片| 国产精品不卡视频一区二区| 精华霜和精华液先用哪个| av视频在线观看入口| 国产av一区在线观看免费| 免费在线观看影片大全网站| 淫秽高清视频在线观看| 久久99热6这里只有精品| 黄色一级大片看看| 日韩精品有码人妻一区| 一区二区三区免费毛片| 国产大屁股一区二区在线视频| 国产熟女欧美一区二区| 国产成人福利小说| aaaaa片日本免费| 人妻制服诱惑在线中文字幕| 久久亚洲精品不卡| 日本一二三区视频观看| 天堂av国产一区二区熟女人妻| 日本五十路高清| 免费搜索国产男女视频| 国产精品美女特级片免费视频播放器| 国产精品永久免费网站| 小蜜桃在线观看免费完整版高清| 变态另类成人亚洲欧美熟女| 国产午夜精品久久久久久一区二区三区 | 日韩精品青青久久久久久| 99热只有精品国产| 日本 欧美在线| 久久久国产成人精品二区| 联通29元200g的流量卡| 亚洲av二区三区四区| 村上凉子中文字幕在线| 99久久无色码亚洲精品果冻| 黄色欧美视频在线观看| av在线观看视频网站免费| 亚洲国产精品成人综合色| 国产在线精品亚洲第一网站| 亚洲av中文av极速乱 | 色5月婷婷丁香| 精品一区二区免费观看| 麻豆国产av国片精品| 一个人看视频在线观看www免费| 九色国产91popny在线| 亚洲成人久久性| 久久6这里有精品| 免费一级毛片在线播放高清视频| 午夜福利欧美成人| 在现免费观看毛片| 内射极品少妇av片p| 欧美黑人欧美精品刺激| 99久国产av精品| 国内少妇人妻偷人精品xxx网站| 最近中文字幕高清免费大全6 | 久久精品91蜜桃| 国产黄色小视频在线观看| 国产又黄又爽又无遮挡在线| 国产精品福利在线免费观看| 男人的好看免费观看在线视频| 国产午夜精品论理片| 欧美黑人欧美精品刺激| 又爽又黄无遮挡网站| 亚洲一区二区三区色噜噜| 国产高清有码在线观看视频| 亚洲三级黄色毛片| 精品久久久久久,| 男插女下体视频免费在线播放| 欧美人与善性xxx| 国产亚洲91精品色在线| 蜜桃久久精品国产亚洲av| 亚洲专区中文字幕在线| 亚洲aⅴ乱码一区二区在线播放| 国产精品野战在线观看| 国产高清激情床上av| 午夜激情欧美在线| 国产精品亚洲一级av第二区| 国内毛片毛片毛片毛片毛片| 国产高清三级在线| eeuss影院久久| bbb黄色大片| 三级男女做爰猛烈吃奶摸视频| 99九九线精品视频在线观看视频| 老师上课跳d突然被开到最大视频| 亚洲乱码一区二区免费版| 嫁个100分男人电影在线观看| 欧美高清成人免费视频www| 91麻豆精品激情在线观看国产| 又爽又黄无遮挡网站| 欧美区成人在线视频| 午夜a级毛片| 亚洲精华国产精华精| 国产精品久久电影中文字幕| 亚洲色图av天堂| 久久99热这里只有精品18| 久久午夜福利片| 精品人妻一区二区三区麻豆 | 午夜福利在线观看吧| 亚洲国产精品久久男人天堂| 色综合色国产| 欧美bdsm另类| 免费搜索国产男女视频| 亚洲欧美精品综合久久99| 看免费成人av毛片| 精品国产三级普通话版| 精品久久久久久久末码| 一本精品99久久精品77| 熟女电影av网| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产高清在线一区二区三| 久久这里只有精品中国| 精品久久久久久久末码| 国产综合懂色| 麻豆久久精品国产亚洲av| 国产成人福利小说| 无人区码免费观看不卡| 国产亚洲精品av在线| 热99在线观看视频| 老司机午夜福利在线观看视频| 波多野结衣高清无吗| 亚洲一区高清亚洲精品| 两人在一起打扑克的视频| 午夜福利在线观看免费完整高清在 | 亚洲一区高清亚洲精品| 1000部很黄的大片| 欧美黑人巨大hd| 91狼人影院| 有码 亚洲区| 国产高清三级在线| 黄色女人牲交| 一级av片app| 日韩一本色道免费dvd| 中国美女看黄片| 少妇熟女aⅴ在线视频| 我要看日韩黄色一级片| 人妻丰满熟妇av一区二区三区| 久久99热这里只有精品18| 又爽又黄无遮挡网站| 久久精品人妻少妇| 97热精品久久久久久| 久久精品国产亚洲av涩爱 | 亚洲欧美日韩东京热| 欧美性猛交黑人性爽| 国产探花在线观看一区二区| 我的女老师完整版在线观看| 欧洲精品卡2卡3卡4卡5卡区| 婷婷精品国产亚洲av在线| 免费观看的影片在线观看| 人妻制服诱惑在线中文字幕| 男女边吃奶边做爰视频| 成人综合一区亚洲| 国产精品一及| 亚洲久久久久久中文字幕| 搡老岳熟女国产| 干丝袜人妻中文字幕| 日本五十路高清| 亚洲成人久久爱视频| 精品一区二区三区人妻视频| 毛片女人毛片| 免费av不卡在线播放| 两个人视频免费观看高清| 色5月婷婷丁香| 舔av片在线| 色在线成人网| 桃红色精品国产亚洲av| 国产精品一区二区三区四区免费观看 | 亚洲中文字幕一区二区三区有码在线看| 一个人观看的视频www高清免费观看| 国产伦在线观看视频一区| a级毛片免费高清观看在线播放| 最近最新中文字幕大全电影3| 3wmmmm亚洲av在线观看| 少妇人妻精品综合一区二区 | 超碰av人人做人人爽久久| 人妻丰满熟妇av一区二区三区| 久久中文看片网| 亚洲国产精品久久男人天堂| 五月伊人婷婷丁香| 亚洲精品456在线播放app | 亚洲人与动物交配视频| 欧美区成人在线视频| 男女之事视频高清在线观看| 欧美潮喷喷水| АⅤ资源中文在线天堂| 真实男女啪啪啪动态图| 高清日韩中文字幕在线| 午夜福利成人在线免费观看| 国产午夜精品久久久久久一区二区三区 | 亚洲电影在线观看av| 97热精品久久久久久| 欧美激情久久久久久爽电影| 欧美成人性av电影在线观看| 国产伦一二天堂av在线观看| 国国产精品蜜臀av免费| 99精品在免费线老司机午夜| 国产欧美日韩精品亚洲av| 国产成人a区在线观看| 婷婷色综合大香蕉| 亚洲av免费高清在线观看| 国产白丝娇喘喷水9色精品| 精品免费久久久久久久清纯| 国产成人一区二区在线| 超碰av人人做人人爽久久| 亚洲无线观看免费| 国产精品爽爽va在线观看网站| 午夜视频国产福利| 国产一区二区亚洲精品在线观看| 日日夜夜操网爽| 九色成人免费人妻av| 国产色爽女视频免费观看| 国产91精品成人一区二区三区| 日韩欧美国产在线观看| 日本 av在线| 人妻久久中文字幕网| 午夜福利欧美成人| 亚洲男人的天堂狠狠| 精品久久久久久,| 成人二区视频| 亚洲成人中文字幕在线播放| 亚洲成a人片在线一区二区| 亚洲美女黄片视频| 国产精品伦人一区二区| 成人三级黄色视频| 成熟少妇高潮喷水视频| 成人国产麻豆网| av黄色大香蕉| 精品乱码久久久久久99久播| 九色国产91popny在线| 欧美黑人欧美精品刺激| 成人综合一区亚洲| АⅤ资源中文在线天堂| 美女被艹到高潮喷水动态| 欧美一区二区国产精品久久精品| 波多野结衣巨乳人妻| 欧美性猛交╳xxx乱大交人| 成人永久免费在线观看视频| 嫩草影院新地址| 伦理电影大哥的女人| 午夜福利在线观看吧| 九九在线视频观看精品| 久久国内精品自在自线图片| 99久久久亚洲精品蜜臀av| 一进一出抽搐动态| 国产男靠女视频免费网站| 老司机午夜福利在线观看视频| 久久精品夜夜夜夜夜久久蜜豆| 亚洲不卡免费看| 91麻豆精品激情在线观看国产| 久久久精品大字幕| 综合色av麻豆| 特级一级黄色大片| 嫩草影院新地址| 国产精品一区二区三区四区免费观看 | 国产男靠女视频免费网站| 干丝袜人妻中文字幕| 一a级毛片在线观看| 级片在线观看| 长腿黑丝高跟| 99久久精品一区二区三区| 久久久久久久午夜电影| 搡老熟女国产l中国老女人| 日本a在线网址| 波野结衣二区三区在线| 亚洲四区av| 在线观看av片永久免费下载| 国产视频内射| 日韩欧美精品v在线| 老司机福利观看| www.色视频.com| 亚洲欧美日韩高清在线视频| a级毛片免费高清观看在线播放| 久久久久久久久久成人| 久久6这里有精品| 国产精品98久久久久久宅男小说| 高清毛片免费观看视频网站| 色哟哟哟哟哟哟| 美女 人体艺术 gogo| 亚洲成人中文字幕在线播放| 天堂影院成人在线观看| АⅤ资源中文在线天堂| 国产亚洲精品综合一区在线观看| 免费观看人在逋| 波野结衣二区三区在线| 国产精品嫩草影院av在线观看 | 女生性感内裤真人,穿戴方法视频| netflix在线观看网站| 亚洲aⅴ乱码一区二区在线播放|