• <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
    高清日韩中文字幕在线| 国产综合精华液| 亚洲最大成人手机在线| 伊人久久国产一区二区| 国产成人freesex在线| 日本-黄色视频高清免费观看| 欧美日韩在线观看h| 91久久精品国产一区二区三区| 国产在视频线精品| 观看免费一级毛片| 色网站视频免费| 国产一区二区在线观看日韩| 日韩av在线大香蕉| 99热这里只有精品一区| 人人妻人人澡人人爽人人夜夜 | 午夜激情久久久久久久| 日本欧美国产在线视频| 精品一区二区三卡| 久久热精品热| 亚洲av成人av| 男人和女人高潮做爰伦理| 国产在线一区二区三区精| 麻豆成人av视频| 成人综合一区亚洲| 国产成人精品一,二区| 夫妻性生交免费视频一级片| av国产免费在线观看| 色综合站精品国产| 人妻系列 视频| 大又大粗又爽又黄少妇毛片口| 亚洲电影在线观看av| www.色视频.com| 在线观看免费高清a一片| 人妻系列 视频| 精品久久久久久久人妻蜜臀av| 一区二区三区高清视频在线| 午夜爱爱视频在线播放| 女的被弄到高潮叫床怎么办| 国产午夜精品论理片| 国产黄色免费在线视频| 免费大片18禁| 中文字幕制服av| 国产伦一二天堂av在线观看| 免费播放大片免费观看视频在线观看| 欧美xxxx黑人xx丫x性爽| 中文字幕免费在线视频6| 久久精品国产亚洲av涩爱| 日本与韩国留学比较| 在线观看国产h片| 最近的中文字幕免费完整| 国产日韩欧美在线精品| 天天躁夜夜躁狠狠久久av| 日韩av免费高清视频| 五月天丁香电影| 一级爰片在线观看| 亚洲av欧美aⅴ国产| www.精华液| 男人爽女人下面视频在线观看| 99久久人妻综合| 精品国产一区二区三区四区第35| 国产精品人妻久久久影院| 亚洲一区二区三区欧美精品| 国产免费现黄频在线看| 男女下面插进去视频免费观看| 国产精品国产三级专区第一集| 国产福利在线免费观看视频| 男女免费视频国产| 日产精品乱码卡一卡2卡三| 中文欧美无线码| 免费观看a级毛片全部| 日韩伦理黄色片| 亚洲欧洲国产日韩| 又大又黄又爽视频免费| 亚洲av男天堂| 久久久久人妻精品一区果冻| 久久久久久久精品精品| 色播在线永久视频| 一区二区三区激情视频| 欧美激情极品国产一区二区三区| 成人国产av品久久久| 日日摸夜夜添夜夜爱| 久久久久久久大尺度免费视频| 国产一区二区三区综合在线观看| 亚洲综合色惰| a 毛片基地| 蜜桃在线观看..| 久久99精品国语久久久| 啦啦啦中文免费视频观看日本| 国产精品蜜桃在线观看| 亚洲成人av在线免费| 亚洲美女视频黄频| 国产精品熟女久久久久浪| 男女无遮挡免费网站观看| 日韩人妻精品一区2区三区| 欧美另类一区| 欧美 日韩 精品 国产| 在线天堂中文资源库| 久久久久精品久久久久真实原创| 高清不卡的av网站| 青春草视频在线免费观看| 日韩人妻精品一区2区三区| 国产亚洲最大av| 黄网站色视频无遮挡免费观看| 亚洲男人天堂网一区| 男人操女人黄网站| 亚洲成人手机| 国产色婷婷99| 亚洲美女黄色视频免费看| 久久综合国产亚洲精品| 九九爱精品视频在线观看| 色网站视频免费| xxx大片免费视频| 人妻少妇偷人精品九色| kizo精华| 菩萨蛮人人尽说江南好唐韦庄| 丰满少妇做爰视频| 午夜福利乱码中文字幕| 99热国产这里只有精品6| 丝袜美足系列| 午夜免费观看性视频| 国产黄色免费在线视频| 丝袜美足系列| 国产午夜精品一二区理论片| 国产精品秋霞免费鲁丝片| 免费在线观看视频国产中文字幕亚洲 | 老汉色av国产亚洲站长工具| 亚洲av男天堂| 最近手机中文字幕大全| 久久这里有精品视频免费| 青草久久国产| 日日爽夜夜爽网站| 日日啪夜夜爽| 大话2 男鬼变身卡| 91久久精品国产一区二区三区| 美女视频免费永久观看网站| 亚洲中文av在线| 国产成人91sexporn| 国产精品久久久久成人av| 日韩精品免费视频一区二区三区| 18在线观看网站| 亚洲 欧美一区二区三区| 亚洲av在线观看美女高潮| 永久网站在线| www.熟女人妻精品国产| 欧美亚洲日本最大视频资源| 性高湖久久久久久久久免费观看| 爱豆传媒免费全集在线观看| 亚洲精品第二区| www.av在线官网国产| 七月丁香在线播放| 久久久久精品性色| 欧美老熟妇乱子伦牲交| 少妇被粗大猛烈的视频| 国产精品久久久久成人av| 国产精品国产av在线观看| 亚洲熟女精品中文字幕| 王馨瑶露胸无遮挡在线观看| 国产xxxxx性猛交| 2022亚洲国产成人精品| 日日摸夜夜添夜夜爱| 久久久久久久亚洲中文字幕| 亚洲精品久久久久久婷婷小说| 国产av国产精品国产| 国产日韩欧美亚洲二区| 亚洲av欧美aⅴ国产| 日本爱情动作片www.在线观看| 精品亚洲成国产av| 亚洲精品日韩在线中文字幕| av国产精品久久久久影院| 国产亚洲av片在线观看秒播厂| 精品福利永久在线观看| 久久综合国产亚洲精品| 伊人久久国产一区二区| 国产精品 国内视频| 亚洲色图综合在线观看| 波多野结衣av一区二区av| 日韩av在线免费看完整版不卡| 最近中文字幕高清免费大全6| 女人高潮潮喷娇喘18禁视频| 母亲3免费完整高清在线观看 | 成人午夜精彩视频在线观看| 91aial.com中文字幕在线观看| videossex国产| 一区二区日韩欧美中文字幕| 免费在线观看黄色视频的| 不卡av一区二区三区| 免费看不卡的av| 人人妻人人澡人人看| 在现免费观看毛片| 国产毛片在线视频| 国产97色在线日韩免费| 在线免费观看不下载黄p国产| 久久久久国产网址| 爱豆传媒免费全集在线观看| 激情视频va一区二区三区| 大香蕉久久网| 中文精品一卡2卡3卡4更新| 亚洲精品中文字幕在线视频| 天堂中文最新版在线下载| 国产精品女同一区二区软件| 高清在线视频一区二区三区| 伊人亚洲综合成人网| 日本爱情动作片www.在线观看| 天天影视国产精品| 国产老妇伦熟女老妇高清| 亚洲,欧美精品.| 少妇人妻久久综合中文| 97人妻天天添夜夜摸| 国产在线免费精品| 一本—道久久a久久精品蜜桃钙片| 国产日韩欧美视频二区| 90打野战视频偷拍视频| 男女边吃奶边做爰视频| 三上悠亚av全集在线观看| 高清黄色对白视频在线免费看| 精品少妇久久久久久888优播| 免费黄频网站在线观看国产| 国产一区二区三区av在线| 美国免费a级毛片| 高清视频免费观看一区二区| 一本色道久久久久久精品综合| 国产亚洲一区二区精品| 国产熟女欧美一区二区| 亚洲国产精品一区三区| 日本91视频免费播放| av在线观看视频网站免费| 亚洲欧美清纯卡通| 人妻一区二区av| 最近最新中文字幕免费大全7| 99热全是精品| 精品国产一区二区三区久久久樱花| 伦理电影免费视频| 十八禁高潮呻吟视频| 免费高清在线观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲欧美成人精品一区二区| 各种免费的搞黄视频| 国产无遮挡羞羞视频在线观看| 永久网站在线| 久久国产亚洲av麻豆专区| 少妇的逼水好多| 菩萨蛮人人尽说江南好唐韦庄| 三级国产精品片| 叶爱在线成人免费视频播放| 国产日韩一区二区三区精品不卡| 一级爰片在线观看| 99热国产这里只有精品6| 侵犯人妻中文字幕一二三四区| 欧美最新免费一区二区三区| 中国国产av一级| 国产xxxxx性猛交| 亚洲av成人精品一二三区| 在线免费观看不下载黄p国产| 国产av码专区亚洲av| 国产精品女同一区二区软件| 精品一区二区三卡| 亚洲国产av新网站| 建设人人有责人人尽责人人享有的| av.在线天堂| 啦啦啦视频在线资源免费观看| 久久精品aⅴ一区二区三区四区 | 久热久热在线精品观看| 久久人妻熟女aⅴ| 亚洲色图综合在线观看| av视频免费观看在线观看| 精品久久久久久电影网| 亚洲精品中文字幕在线视频| 日韩一本色道免费dvd| 9191精品国产免费久久| 国产毛片在线视频| 日韩av免费高清视频| 新久久久久国产一级毛片| 欧美精品一区二区免费开放| 欧美精品亚洲一区二区| 欧美激情高清一区二区三区 | 黑人巨大精品欧美一区二区蜜桃| 亚洲精品久久久久久婷婷小说| 亚洲av免费高清在线观看| 国产一区二区激情短视频 | 亚洲av电影在线进入| av天堂久久9| 亚洲欧美色中文字幕在线| 欧美日韩一级在线毛片| 侵犯人妻中文字幕一二三四区| 欧美xxⅹ黑人| 91精品国产国语对白视频| 1024香蕉在线观看| 国产激情久久老熟女| 国产日韩欧美亚洲二区| 99热国产这里只有精品6| 国产亚洲一区二区精品| 久久久亚洲精品成人影院| 欧美日韩国产mv在线观看视频| 亚洲精品美女久久av网站| 黑人猛操日本美女一级片| 天天影视国产精品| 久久久久久伊人网av| 亚洲精品国产av蜜桃| 18在线观看网站| 亚洲国产色片| 香蕉丝袜av| 高清不卡的av网站| 国产成人一区二区在线| 亚洲av福利一区| 丝袜在线中文字幕| 免费高清在线观看日韩| 国产精品人妻久久久影院| 国产黄色视频一区二区在线观看| 亚洲在久久综合| 一级毛片电影观看| 日韩电影二区| 成年女人毛片免费观看观看9 | 久久国内精品自在自线图片| 波野结衣二区三区在线| 久久热在线av| 天天影视国产精品| 一本—道久久a久久精品蜜桃钙片| 日韩制服丝袜自拍偷拍| 国产精品一国产av| 99热全是精品| 男女啪啪激烈高潮av片| 不卡av一区二区三区| 国产精品av久久久久免费| 亚洲精品av麻豆狂野| a级片在线免费高清观看视频| 免费久久久久久久精品成人欧美视频| videos熟女内射| 免费播放大片免费观看视频在线观看| 在线观看www视频免费| 男女边摸边吃奶| 欧美日韩精品网址| 亚洲av日韩在线播放| 天天躁日日躁夜夜躁夜夜| 亚洲成色77777| 在线观看免费高清a一片| 日本黄色日本黄色录像| 9色porny在线观看| 国产又色又爽无遮挡免| 日本猛色少妇xxxxx猛交久久| av在线老鸭窝| 国产一区二区在线观看av| 伊人久久大香线蕉亚洲五| 欧美bdsm另类| 欧美 日韩 精品 国产| 制服诱惑二区| 久久久久久免费高清国产稀缺| 亚洲精品日韩在线中文字幕| 97人妻天天添夜夜摸| 一级毛片黄色毛片免费观看视频| 午夜福利视频精品| 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 | 国产老妇伦熟女老妇高清| 久久久久久久精品精品| 久久狼人影院| 午夜激情久久久久久久| 欧美97在线视频| 爱豆传媒免费全集在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人免费观看mmmm| 丁香六月天网| 一级毛片 在线播放| 亚洲av综合色区一区| 两性夫妻黄色片| 青春草国产在线视频| 亚洲精品日韩在线中文字幕| 少妇人妻精品综合一区二区| 久久免费观看电影| 最近的中文字幕免费完整| 91午夜精品亚洲一区二区三区| 亚洲欧美精品综合一区二区三区 | 一级毛片我不卡| 久久鲁丝午夜福利片| 黄色怎么调成土黄色| 另类亚洲欧美激情| 欧美少妇被猛烈插入视频| 少妇的逼水好多| 91久久精品国产一区二区三区| 午夜免费男女啪啪视频观看| av天堂久久9| 免费在线观看完整版高清| 两个人看的免费小视频| 黄片小视频在线播放| 人人澡人人妻人| 国产精品不卡视频一区二区| 久久久久久久久免费视频了| 亚洲精品美女久久久久99蜜臀 | 精品一区在线观看国产| 免费看不卡的av| 国产日韩一区二区三区精品不卡| 国产成人一区二区在线| 日本爱情动作片www.在线观看| 久久久久国产网址| 国产精品久久久久久av不卡| 人人妻人人澡人人爽人人夜夜| videossex国产| 香蕉丝袜av| 老司机亚洲免费影院| 一级毛片黄色毛片免费观看视频| 欧美 亚洲 国产 日韩一| 久久人妻熟女aⅴ| www日本在线高清视频| 在线看a的网站| 97人妻天天添夜夜摸| 这个男人来自地球电影免费观看 | 欧美+日韩+精品| av国产精品久久久久影院| 看十八女毛片水多多多| 性色avwww在线观看| 永久网站在线| 水蜜桃什么品种好| 欧美日韩成人在线一区二区| 建设人人有责人人尽责人人享有的| 国产一区二区三区av在线| 中文字幕亚洲精品专区| 日韩不卡一区二区三区视频在线| 精品亚洲成a人片在线观看| 一本色道久久久久久精品综合| 在线观看一区二区三区激情| 国产成人精品婷婷| 精品人妻在线不人妻| 成人18禁高潮啪啪吃奶动态图| 亚洲精品美女久久久久99蜜臀 | 黄色怎么调成土黄色| 精品酒店卫生间| 午夜91福利影院| 免费观看av网站的网址| 成年人午夜在线观看视频| 天天躁夜夜躁狠狠久久av| 建设人人有责人人尽责人人享有的| 哪个播放器可以免费观看大片| 亚洲美女搞黄在线观看| av免费在线看不卡| 精品一品国产午夜福利视频| 亚洲欧洲精品一区二区精品久久久 | 99热全是精品| 国产精品一国产av| 亚洲图色成人| 婷婷色综合大香蕉| 国产精品蜜桃在线观看| 极品人妻少妇av视频| 免费少妇av软件| 多毛熟女@视频| 午夜福利,免费看| 国产成人免费无遮挡视频| 国产av码专区亚洲av| 曰老女人黄片| 两性夫妻黄色片| 熟妇人妻不卡中文字幕| av免费在线看不卡| 日韩一区二区视频免费看| 男女边吃奶边做爰视频| 99re6热这里在线精品视频| 啦啦啦视频在线资源免费观看| 美女脱内裤让男人舔精品视频| 免费日韩欧美在线观看| 亚洲人成电影观看| 国产精品蜜桃在线观看| 日韩大片免费观看网站| 久久婷婷青草| 天美传媒精品一区二区| 午夜福利在线免费观看网站| 久久国内精品自在自线图片| 亚洲av国产av综合av卡| 老汉色∧v一级毛片| 亚洲综合色惰| 久久精品aⅴ一区二区三区四区 | 国产毛片在线视频| 国产av国产精品国产| 一级毛片黄色毛片免费观看视频| 在线免费观看不下载黄p国产| 美女主播在线视频| 国产又爽黄色视频| 天堂8中文在线网| 久久国产精品大桥未久av| 亚洲欧美中文字幕日韩二区| 中文欧美无线码| 亚洲少妇的诱惑av| 男女国产视频网站| 精品酒店卫生间| 99久国产av精品国产电影| 国产极品天堂在线| 亚洲伊人色综图| 国产精品免费大片| 黄片小视频在线播放| 色播在线永久视频| 日韩av不卡免费在线播放| 999精品在线视频| 国产97色在线日韩免费| 18禁国产床啪视频网站| 亚洲成人手机| 男女边摸边吃奶| 三上悠亚av全集在线观看| 在线观看三级黄色| 精品少妇黑人巨大在线播放| 午夜91福利影院| 亚洲精品视频女| 久久久久久人妻| 熟女少妇亚洲综合色aaa.| 亚洲精品美女久久久久99蜜臀 | 亚洲成人手机| 国产精品 国内视频| 亚洲国产成人一精品久久久| 国产成人精品婷婷| 亚洲国产日韩一区二区| 女性被躁到高潮视频| 如日韩欧美国产精品一区二区三区| 男女午夜视频在线观看| 中国国产av一级| 黑丝袜美女国产一区| 少妇 在线观看| 少妇人妻 视频| 国产成人精品一,二区| 久久久久久久久免费视频了| 肉色欧美久久久久久久蜜桃| 妹子高潮喷水视频| 最近最新中文字幕免费大全7| 亚洲精品一二三| videossex国产| 国产黄色免费在线视频| 高清在线视频一区二区三区| 国产精品一区二区在线不卡| 波野结衣二区三区在线| 亚洲精品成人av观看孕妇| 久久这里只有精品19| 午夜福利乱码中文字幕| 91精品伊人久久大香线蕉| 天天躁夜夜躁狠狠久久av| 九九爱精品视频在线观看| 男女边吃奶边做爰视频| 国产成人精品在线电影| 少妇熟女欧美另类| 精品一区二区三区四区五区乱码 | 人妻系列 视频| 亚洲av.av天堂| 亚洲,欧美精品.| 亚洲欧美清纯卡通| 国产 一区精品| 久久国产精品男人的天堂亚洲| 精品少妇久久久久久888优播| 国产免费福利视频在线观看| 欧美 日韩 精品 国产| 国产亚洲欧美精品永久| 女人久久www免费人成看片| 欧美精品亚洲一区二区| 国产一区二区在线观看av| 免费看不卡的av| 一区二区三区乱码不卡18| 超色免费av| 涩涩av久久男人的天堂| 亚洲av电影在线观看一区二区三区| 久久久久久久久久人人人人人人| 在线免费观看不下载黄p国产| 久久久久久伊人网av| 午夜福利,免费看| 免费在线观看视频国产中文字幕亚洲 | 国产97色在线日韩免费| 人人妻人人爽人人添夜夜欢视频| 99久久精品国产国产毛片| 久久99蜜桃精品久久| 日本欧美视频一区| av国产精品久久久久影院| 男的添女的下面高潮视频| 18禁观看日本| 2018国产大陆天天弄谢| 大香蕉久久网| 亚洲精品成人av观看孕妇| 国产97色在线日韩免费| 在线精品无人区一区二区三| 我要看黄色一级片免费的| 街头女战士在线观看网站| 日韩视频在线欧美| 国产精品久久久久久av不卡| 汤姆久久久久久久影院中文字幕| 丁香六月天网| 免费观看性生交大片5| 国产精品 国内视频| 新久久久久国产一级毛片| 观看美女的网站| 亚洲av欧美aⅴ国产| 日日啪夜夜爽| 人人妻人人添人人爽欧美一区卜| 男女免费视频国产| 伊人久久大香线蕉亚洲五| 欧美国产精品一级二级三级| 亚洲成色77777| 性色av一级| 在线观看三级黄色| 久久精品人人爽人人爽视色| 韩国高清视频一区二区三区| 国产成人精品婷婷| 亚洲人成77777在线视频| 久久久久久免费高清国产稀缺| 日韩av免费高清视频| 久久国产精品大桥未久av| 成人二区视频| 色哟哟·www| 在线天堂最新版资源| 久久久久久久大尺度免费视频| 国产片内射在线| 午夜福利在线观看免费完整高清在| 香蕉精品网在线| √禁漫天堂资源中文www| 在线天堂最新版资源| 在线亚洲精品国产二区图片欧美| 国产精品 欧美亚洲| 亚洲成人av在线免费| 亚洲国产欧美日韩在线播放| 91久久精品国产一区二区三区| 成年美女黄网站色视频大全免费| 熟妇人妻不卡中文字幕| 9色porny在线观看| 电影成人av| 国产精品麻豆人妻色哟哟久久| 久久97久久精品| av在线观看视频网站免费|