• <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 ?

    基于全局注意力機(jī)制的單像素成像圖像增強(qiáng)方法

    2023-12-30 15:16:46楊照華趙梓棟余遠(yuǎn)金
    關(guān)鍵詞:哈達(dá)掩膜圖像增強(qiáng)

    劉 輝, 楊照華, 吳 云, 趙梓棟, 余遠(yuǎn)金

    1. 北京航空航天大學(xué),北京 100191 2. 北京控制工程研究所,北京 100094 3. 北京理工大學(xué),北京 100081

    0 引 言

    單像素成像已經(jīng)成為了量子光學(xué)領(lǐng)域的前沿技術(shù),在光譜成像、光學(xué)加密、3D成像、目標(biāo)跟蹤和空間探測(cè)領(lǐng)域上極具潛力[1-5].單像素成像的原理是利用空間光調(diào)制器調(diào)制散斑照射到物體上,同時(shí)使用桶探測(cè)器記錄物體反射的總光強(qiáng)值,通過(guò)關(guān)聯(lián)算法完成圖像重構(gòu).單像素成像與計(jì)算鬼成像的區(qū)別在于成像目標(biāo)和空間光調(diào)制器在光路中的先后順序,在很多論文中,由于成像原理與方法基本一致,所以不再區(qū)分單像素成像與鬼成像,本論文也是如此.為了提高重構(gòu)的圖像質(zhì)量,在低采樣率時(shí),俞文凱等[6]提出一種切蛋糕(cake-cutting,CC)序方法對(duì)空間光調(diào)制器生成的哈達(dá)瑪散斑進(jìn)行排序,確保重構(gòu)出的圖像無(wú)重疊的陰影部分.為了克服光學(xué)設(shè)備不穩(wěn)定帶來(lái)的光強(qiáng)漲落的影響,FERRI等[7]提出使用差分鬼成像的方法利用散斑和桶探測(cè)器值對(duì)圖像進(jìn)行重構(gòu),提高了圖像的重構(gòu)質(zhì)量.盡管使用上述方法對(duì)重構(gòu)圖像進(jìn)行了初步增強(qiáng),恢復(fù)出來(lái)的圖像質(zhì)量仍然不佳.

    為了進(jìn)一步提高圖像的質(zhì)量,很多研究人員提出使用深度學(xué)習(xí)的方法進(jìn)行圖像增強(qiáng).LECUN等[8]提出LeNet神經(jīng)網(wǎng)絡(luò),首次將卷積神經(jīng)網(wǎng)絡(luò)使用在圖像分類上.KRIZHEVSKY等[9]提出AlexNet神經(jīng)網(wǎng)絡(luò),由于其優(yōu)異的性能,使卷積神經(jīng)網(wǎng)絡(luò)成為了圖像處理領(lǐng)域的主流算法.為了將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到單像素成像處理中,WANG等[10]將單像素成像過(guò)程中生成的桶探測(cè)器序列值輸入到卷積神經(jīng)網(wǎng)絡(luò)中,實(shí)現(xiàn)了更高質(zhì)量的圖像重構(gòu),該方法在訓(xùn)練集上取得了很好的效果,但在測(cè)試集上表現(xiàn)欠佳,問(wèn)題在于網(wǎng)絡(luò)模型過(guò)擬合.RIZVI等[11]提出一種基于自編碼器網(wǎng)絡(luò)的重構(gòu)方案,該方法先使用CGI(computation ghost imaging)算法恢復(fù)出低質(zhì)量的圖像,然后使用編碼器將CGI算法恢復(fù)的圖像先編碼成隱層信息,再根據(jù)隱層信息解碼出原始圖像,編碼器與解碼器的網(wǎng)絡(luò)架構(gòu)解決了模型過(guò)擬合的問(wèn)題,但缺點(diǎn)是圖像重構(gòu)的效果取決于隱層信息的表達(dá),限制了模型的圖像增強(qiáng)性能.KARIM等[12]提出使用生成對(duì)抗網(wǎng)絡(luò)對(duì)單像素成像的圖像做后處理,此模型的骨干網(wǎng)絡(luò)仍然是卷積神經(jīng)網(wǎng)絡(luò),模型的性能受限于感受野的大小.

    DEL等[13]提出Transformer神經(jīng)網(wǎng)絡(luò)模型,在自然語(yǔ)言處理(natural language processing, NLP)領(lǐng)域取得了優(yōu)異的成績(jī).受此啟發(fā),計(jì)算機(jī)視覺(jué)(computer vision,CV)領(lǐng)域的科研工作者們提出了ViT(vision transformer)模型[14]和ST(swin transformer)模型[15],解決了傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的平移不變性和無(wú)法獲得全局感受野的問(wèn)題.LIU等[16]提出了SUNet(swin transformer UNet),它是一個(gè)神經(jīng)網(wǎng)絡(luò)降噪模型,基于UNet架構(gòu),使用ST提取圖像的特征;使用塊合并層(patch merging)去除冗余的圖像特征,使用塊擴(kuò)展層(patch expanding)方法恢復(fù)圖像的細(xì)節(jié)信息.SUNet模型采用滑動(dòng)窗口注意力機(jī)制獲得全局的感受野,可進(jìn)一步提升模型的圖像去噪能力.本文將SUNet網(wǎng)絡(luò)引入到單像素成像領(lǐng)域中,采用STL-10圖片數(shù)據(jù)集,根據(jù)CC序?qū)_(dá)瑪散斑排序,使用差分鬼成像算法得到重構(gòu)圖像,確保重構(gòu)圖像具有較高的質(zhì)量,最后將該圖像送入神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練,并在測(cè)試集上取得了較好的結(jié)果.

    1 單像素成像原理

    1.1 單像素成像圖像增強(qiáng)算法

    圖1 單像素成像圖像增強(qiáng)算法原理圖Fig.1 Schematic diagram of single-pixel imaging image enhancement algorithm

    1.2 單像素成像流程

    單像素成像包括光場(chǎng)調(diào)制、探測(cè)與重構(gòu)2部分.單像素成像的成像原理如圖2所示,光線從光源發(fā)出經(jīng)物體O反射到數(shù)字微鏡陣列(digital micromirror device,DMD)上,DMD預(yù)先加載的掩膜矩陣序列h會(huì)對(duì)入射光場(chǎng)進(jìn)行空間光場(chǎng)調(diào)制,最終由桶探測(cè)器接收與掩膜矩陣序列一一對(duì)應(yīng)的總光強(qiáng)序列值.第m次桶探測(cè)器探測(cè)的總光強(qiáng)值Sm可表示為

    圖2 單像素成像原理圖Fig.2 Schematic of single-pixel imaging

    (1)

    n=Nβ

    (2)

    N=pq

    (3)

    式(1)中,h(x,y)表示掩膜矩陣(h∈Rp×q),O(x,y)表示真值圖像(O∈Rp×q),m=1,2,3,…,n,m為掩膜矩陣的序號(hào),(x,y)為圖像坐標(biāo);式(2)中,n為采樣次數(shù),β為采樣率;式(3)中,N是掩膜矩陣p行與q列的乘積,p、q為掩膜矩陣的維度,也為重構(gòu)圖像的像素?cái)?shù),本文中p=q=64.

    1.3 基于哈達(dá)瑪基的光場(chǎng)優(yōu)化調(diào)制

    在常見(jiàn)的單像素成像中,通常使用哈達(dá)瑪矩陣來(lái)構(gòu)建掩膜矩陣序列,但使用自然序列的哈達(dá)瑪散斑在低采樣率下重建圖像會(huì)導(dǎo)致重構(gòu)后的圖像出現(xiàn)重影,圖像的質(zhì)量偏低.為了初步提高重構(gòu)圖像的質(zhì)量,可以結(jié)合排序方法如CC序、折紙序等序列進(jìn)行圖像重構(gòu),本文根據(jù)空間探測(cè)實(shí)時(shí)性要求高和硬件資源有限的特點(diǎn),選擇構(gòu)造簡(jiǎn)單且易于實(shí)現(xiàn)哈達(dá)瑪基的CC序進(jìn)行光場(chǎng)優(yōu)化調(diào)制.

    根據(jù)式(4)生成自然序列的哈達(dá)瑪矩陣

    (4)

    式中,?表示克羅內(nèi)克積.將原始哈達(dá)瑪矩陣H∈RN×N的每一行重塑成p行q列的二維掩膜矩陣,共計(jì)N個(gè)掩膜矩陣(使用h表示,每個(gè)h由H中的某一行變換得到),然后計(jì)算每個(gè)掩膜矩陣中連通域(圖像中聯(lián)通像素的集合)的個(gè)數(shù),根據(jù)連通域的個(gè)數(shù)給這N個(gè)掩膜矩陣從小到大排序,再根據(jù)采樣率從前向后選取掩膜矩陣.哈達(dá)瑪散斑排序原理如圖3所示,圖3(a)為16×16的原始哈達(dá)瑪散斑H,圖3(b)上方為原始序列哈達(dá)瑪散斑生成的掩膜矩陣,下方為經(jīng)過(guò)CC序后生成的掩膜矩陣.

    圖3 16×16哈達(dá)瑪散斑CC序圖Fig.3 16×16 Hadamard speckle CC sorting map

    1.4 基于差分鬼成像的圖像重構(gòu)

    在單像素成像的圖像重構(gòu)過(guò)程中,通常使用二階關(guān)聯(lián)算法重構(gòu)圖像.在空間探測(cè)應(yīng)用中,由于光源功率的波動(dòng)或光學(xué)探測(cè)器的不穩(wěn)定性會(huì)對(duì)探測(cè)的總光場(chǎng)強(qiáng)度產(chǎn)生波動(dòng),為此,本文選用差分鬼成像算法如下:

    (5)

    式中,IDGI是重構(gòu)出來(lái)的圖像,〈·〉表示對(duì)任意函數(shù)求系綜平均,r是參考光路的總光強(qiáng)值,S是物體光路的總光強(qiáng)值.

    差分鬼成像重構(gòu)結(jié)果如圖4所示,圖像大小為64×64,(a)為原始圖像,(b)為自然序列哈達(dá)瑪散斑的差分鬼成像重構(gòu)圖,(c)為CC序后哈達(dá)瑪散斑的重構(gòu)圖.對(duì)比圖4可知,差分鬼成像使用CC序后可以消除自然序列哈達(dá)瑪散斑的重影問(wèn)題,進(jìn)而提升圖像的質(zhì)量.

    圖4 基于CC序的差分鬼成像實(shí)驗(yàn)結(jié)果圖Fig.4 Differential ghost imaging experiment results based on CC sorting

    2 基于SUNet的圖像增強(qiáng)

    SUNet的增強(qiáng)過(guò)程如圖5所示.包括淺層特征提取、編碼器、解碼器和重建模塊4部分,該模型包含10張?zhí)卣鲌D,使用標(biāo)號(hào)①、②、③、…、⑩表示,每張?zhí)卣鲌D的分辨率大小如圖5(b)所示.SUNet的主體為編碼器和解碼器,針對(duì)圖4(c)進(jìn)行圖像增強(qiáng).在編碼器部分,先對(duì)該圖經(jīng)過(guò)一個(gè)3×3的卷積操作得到特征圖,再經(jīng)過(guò)ST模塊提取特征和塊合并層下采樣后得到特征向量.在解碼器部分,特征向量經(jīng)過(guò)ST模塊恢復(fù)特征和塊擴(kuò)展層上采樣恢復(fù)到原始分辨率的圖像,再使用一個(gè)3×3的卷積操作得到增強(qiáng)后的圖像.在編碼器和解碼器網(wǎng)絡(luò)中,如果特征圖的分辨率相同,使用跨層連接可以獲得圖像的深層信息和淺層信息,增強(qiáng)模型的特征表達(dá)能力.最后計(jì)算增強(qiáng)后的圖像與原始圖像的均方誤差,并反向傳播梯度更新網(wǎng)絡(luò)參數(shù),數(shù)據(jù)集迭代200次后結(jié)束訓(xùn)練過(guò)程.

    圖5 SUNet單像素圖像增強(qiáng)方案圖Fig.5 SUNet single-pixel image enhancement scheme

    2.1 SUNet建模

    SUNet的架構(gòu)基于圖像分割模型,在此架構(gòu)中應(yīng)用了雙上采樣模塊來(lái)避免棋盤(pán)偽影,并且SUNet中自注意力操作無(wú)法共享內(nèi)核權(quán)重,不同層中的特征使用了不同的內(nèi)核值,所以相較于傳統(tǒng)的CNN架構(gòu)在圖像增強(qiáng)中更為合理.

    SUNet由3個(gè)模塊組成:

    (1)淺層特征提取模塊

    此模塊位于圖5(a)中淺層特征提取部分,由特征圖①、②組成.淺層特征提取是SUNet中的第一個(gè)模塊,用于獲取輸入圖像的低頻信息,如顏色或紋理.在本文中,輸入是重構(gòu)圖像IDGI(IDGI∈R1×1×64×64),64×64是重構(gòu)圖像的分辨率,使用3×3的卷積層MSFE(·)提取圖像的低頻信息,如下:

    Fshallow=MSFE(IDGI)

    (6)

    式中,Fshallow(Fshallow∈R1×4×64×64)表示圖像的淺層特征.

    (2)UNet特征提取模塊

    此模塊由圖5(a)中編碼器和解碼器共同組成,包含特征圖②、③、…、⑨.UNet特征提取淺層特征Fshallow被輸入到UNet特征提取模塊MUFE(·)中提取高級(jí)別和多尺寸的深層特征,如下:

    Fdeep=MUFE(Fshallow)

    (7)

    式中,Fdeep(Fdeep∈R1×4×64×64)是提取出的高級(jí)別和多尺寸的深層特征.

    (3)重建模塊

    此模塊位于圖5中重建模塊的紅色矩形框,由特征圖⑨、⑩組成.重建模塊負(fù)責(zé)從深層特征中恢復(fù)圖像,利用一個(gè)3×3的卷積層MR(·)來(lái)實(shí)現(xiàn),輸入是UNet特征提取部分獲得的深層特征,如下:

    (8)

    2.2 編碼器

    編碼器由ST模塊和塊合并層組成.ST模塊將輸入圖像分成大小相同且互不重疊的塊,以塊為最小單位,再將塊聚合在一起形成窗口,分別在窗口內(nèi)和窗口間進(jìn)行注意力計(jì)算,使每個(gè)像素點(diǎn)都能獲得全局的感受野.塊合并層負(fù)責(zé)進(jìn)行下采樣操作,原理圖如圖6所示.塊合并層將圖像全部分成分辨率為2×2的塊,并在第三個(gè)維度中拼接,以此實(shí)現(xiàn)下采樣的功能,最后經(jīng)過(guò)3×3的卷積層進(jìn)行特征降維.

    圖6 編碼器的塊合并層操作原理Fig.6 Operating principle of patch merge layer

    2.3 編碼器

    解碼器由ST模塊和塊擴(kuò)展層組成,負(fù)責(zé)特征恢復(fù)和上采樣.ST模塊的原理與解碼器相同.解碼器的塊擴(kuò)展層原理如圖7所示,它的目的是將圖像分辨率恢復(fù)到原始分辨率大小,每個(gè)塊擴(kuò)展層可以擴(kuò)充圖像至×2分辨率.上采樣由2部分組成:1)直接通過(guò)轉(zhuǎn)置卷積得到×2的特征圖;2)使用3×3的卷積層將圖像特征擴(kuò)充為初始的4倍,然后將這些特征在二維平面展開(kāi),實(shí)現(xiàn)×2的特征圖.將這2部分得到的×2的特征圖在特征維度拼接后送入3×3的卷積層后得到特征降維后的圖像.

    圖7 解碼器的塊擴(kuò)展層操作原理Fig.7 Operating principle of patch expanding layer

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)集

    本文使用STL-10數(shù)據(jù)集,訓(xùn)練集有105 000張圖片,驗(yàn)證集有8 000張圖片,從驗(yàn)證集中選出少量的圖片做測(cè)試集.圖像的原始分辨率是96×96,通過(guò)雙線性插值將分辨率變?yōu)?4×64.STL-10數(shù)據(jù)集一共有10個(gè)大類:飛機(jī)、鳥(niǎo)、汽車(chē)、貓、鹿、狗、馬、猴子、船和卡車(chē),類別較多,有助于提高神經(jīng)網(wǎng)絡(luò)模型的泛化性能.

    3.2 模型評(píng)估指標(biāo)

    本文中采樣的評(píng)估標(biāo)準(zhǔn)為峰值信噪比(peak signal-to-noise ratio, PSNR)和結(jié)構(gòu)相似度(structural similarity index measure, SSIM).2種指標(biāo)的值越大,表明模型的恢復(fù)效果越好.MSE指標(biāo)表示真值圖像與恢復(fù)圖像的均方誤差,PSNR計(jì)算公式如下:

    (9)

    (10)

    (11)

    3.3 圖像增強(qiáng)實(shí)驗(yàn)

    為驗(yàn)證設(shè)計(jì)的算法有效性,在 Linux操作系統(tǒng)上,基于Python 環(huán)境下Pytorch深度學(xué)習(xí)工具包實(shí)現(xiàn)算法的仿真實(shí)驗(yàn),仿真計(jì)算機(jī)配置為Intel Core i7@4.00 GHz 處理器、16 G內(nèi)存和2塊Nvidia GeForce Titan Xp顯卡.

    本實(shí)驗(yàn)采用基于SUNet模型的圖像增強(qiáng)網(wǎng)絡(luò)對(duì)單像素成像的圖像進(jìn)行增強(qiáng),此方法不需要物體的空間信息,更適合提高在外太空非合作目標(biāo)超遠(yuǎn)距離成像的圖像質(zhì)量.實(shí)驗(yàn)使用STL-10數(shù)據(jù)集,模型的輸入圖像大小為64×64.采樣率從0.05到0.5,步長(zhǎng)為0.05,模型訓(xùn)練次數(shù)為200次.初始學(xué)習(xí)率為0.000 2,使用Adam優(yōu)化器自適應(yīng)調(diào)整學(xué)習(xí)率[17],損失函數(shù)選擇均方誤差.訓(xùn)練方式使用Pytorch的分布式訓(xùn)練,可極大地提高模型的訓(xùn)練速度,每個(gè)采樣率模型訓(xùn)練時(shí)間為25 h.

    限于篇幅,圖8給出了采樣率為0.3時(shí),模型訓(xùn)練的次數(shù)與PSNR和SSIM的曲線.由于神經(jīng)網(wǎng)絡(luò)參數(shù)量巨大,在模型訓(xùn)練初期,大部分參數(shù)的梯度下降方向不準(zhǔn)確,所以模型的效果會(huì)出現(xiàn)突然下降又迅速回升的情況.到了模型訓(xùn)練后期,大部分參數(shù)都已經(jīng)收斂到了次優(yōu)值,訓(xùn)練的參數(shù)調(diào)節(jié)幅度小,所以曲線會(huì)變平滑.

    圖8 采樣率為0.3時(shí),模型PSNR與SSIM訓(xùn)練結(jié)果圖Fig.8 At the sampling rate of 0.3, PSNR and SSIM vary with model training times

    同時(shí),ST使用滑動(dòng)窗口注意力機(jī)制,相對(duì)于ViT大大減少了模型的參數(shù)量,便于模型訓(xùn)練和誤差收斂,完成密集型的像素預(yù)測(cè).表1給出了不同采樣率下不同模型在測(cè)試集上得到的PSNR.表2展示了不同采樣率下不同模型在測(cè)試集上得到的SSIM.對(duì)比模型分別為2010年提出的DGI(differential ghost imaging)模型[18]、2014年提出的稀疏(Sparse)模型[19]、2018年提出的AP(alternating projection)模型[20]、2022年提出的GIDC(ghost imaging using deep neural network constraint)模型[21]和本文提出的SUNet模型.圖9為不同采樣率下的PSNR曲線與SSIM曲線.本文提出的SUNet與2022年提出的GIDC方法相比,在0.1的采樣率下,峰值信噪比從20.05 dB提生到23.34 dB,提升了3.29 dB;結(jié)構(gòu)相似度從0.63提升到了0.71,提升了8%.

    表1 不同采樣率下各模型的PSNR值對(duì)比Tab.1 Comparison of PSNR of different models under different sampling rates

    表2 不同采樣率下,各模型的SSIM值對(duì)比Tab.2 Comparison of SSIM of different models under different sampling rates

    圖9 低采樣率下性能指標(biāo)折線圖Fig.9 Performance metrics line chart under low sampling rates

    本文選擇部分測(cè)試集的圖像通過(guò)不同的深度學(xué)習(xí)方法對(duì)圖像進(jìn)行增強(qiáng),如圖10所示.最左邊的一列圖像表示原始圖像.其余各列分別為DGI、AP、稀疏、GIDC模型和本文提出的SUNet模型在25%采樣率下增強(qiáng)后的圖像,其性能指標(biāo)PSNR和SSIM顯示在圖像下方.本文提出的SUNet方法恢復(fù)的圖像質(zhì)量最佳,通過(guò)CC序后的哈達(dá)瑪散斑與桶探測(cè)器值使用差分鬼成像算法恢復(fù)出低質(zhì)量的圖像,然后使用深度學(xué)習(xí)方法對(duì)圖像進(jìn)行增強(qiáng),并使用均方誤差反向傳播梯度更新模型的參數(shù),最后在測(cè)試集中采樣評(píng)估模型的性能.與GIDC方法相比,在0.1的采樣率下,峰值信噪比提升了3.29dB,結(jié)構(gòu)相似度提升了8%,表明ST的性能優(yōu)于傳統(tǒng)CNN,全局感受野可以有效提高圖像增強(qiáng)的質(zhì)量,實(shí)現(xiàn)低采樣率條件下較好的圖像增強(qiáng).

    4 結(jié) 論

    本文為了應(yīng)對(duì)空間非局域目標(biāo)探測(cè)問(wèn)題,降低采樣率,提高成像速度,采用基于全局注意力機(jī)制的SUNet模型,在低采樣率下實(shí)現(xiàn)單像素成像圖像增強(qiáng).提出的方法在單像素成像圖像恢復(fù)領(lǐng)域取得了較好的效果,證明ST的全局注意力機(jī)制相對(duì)于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)能夠進(jìn)一步提高增強(qiáng)后圖像的質(zhì)量.最后,與其他基于深度學(xué)習(xí)的方法相比,本文的方法對(duì)測(cè)試集中的圖像能表現(xiàn)出更好的圖像增強(qiáng)性能,更適用于空間非合作目標(biāo)在低采樣率下的圖像感知與識(shí)別.最后,SUNet還可以擴(kuò)展到超分辨圖像恢復(fù)領(lǐng)域,有望實(shí)現(xiàn)單像素成像的超分辨圖像重構(gòu).

    猜你喜歡
    哈達(dá)掩膜圖像增強(qiáng)
    利用掩膜和單應(yīng)矩陣提高LK光流追蹤效果
    草原的哈達(dá)
    一種結(jié)合圖像分割掩膜邊緣優(yōu)化的B-PointRend網(wǎng)絡(luò)方法
    圖像增強(qiáng)技術(shù)在超跨聲葉柵紋影試驗(yàn)中的應(yīng)用
    水下視覺(jué)SLAM圖像增強(qiáng)研究
    潔白的哈達(dá)
    虛擬內(nèi)窺鏡圖像增強(qiáng)膝關(guān)節(jié)鏡手術(shù)導(dǎo)航系統(tǒng)
    光纖激光掩膜微細(xì)電解復(fù)合加工裝置研發(fā)
    基于圖像增強(qiáng)的無(wú)人機(jī)偵察圖像去霧方法
    藍(lán)色的哈達(dá)
    草原歌聲(2017年4期)2017-04-28 08:20:41
    亚洲精品视频女| 看免费av毛片| 久久精品国产自在天天线| 国产精品人妻久久久影院| 精品第一国产精品| 亚洲婷婷狠狠爱综合网| 国产色爽女视频免费观看| 久久精品久久久久久噜噜老黄| 一级片免费观看大全| 国产有黄有色有爽视频| 精品熟女少妇av免费看| 亚洲av欧美aⅴ国产| 超色免费av| 日本av免费视频播放| 午夜日本视频在线| 天堂中文最新版在线下载| 日韩熟女老妇一区二区性免费视频| 国产成人午夜福利电影在线观看| 午夜视频国产福利| 亚洲第一av免费看| 日韩一区二区三区影片| 啦啦啦中文免费视频观看日本| 日韩成人av中文字幕在线观看| 亚洲av福利一区| 日韩精品有码人妻一区| 哪个播放器可以免费观看大片| 一区在线观看完整版| 久久久久久久久久久久大奶| 亚洲欧美精品自产自拍| 一级毛片黄色毛片免费观看视频| 亚洲人成77777在线视频| 亚洲精品一二三| 宅男免费午夜| 精品少妇黑人巨大在线播放| 国产成人精品在线电影| 国产av一区二区精品久久| 欧美激情国产日韩精品一区| 精品酒店卫生间| 国产免费一级a男人的天堂| 最新的欧美精品一区二区| 日韩伦理黄色片| 最黄视频免费看| 各种免费的搞黄视频| 亚洲欧洲精品一区二区精品久久久 | 另类精品久久| 久久久久久久亚洲中文字幕| 久久av网站| 免费观看av网站的网址| 久久99精品国语久久久| 爱豆传媒免费全集在线观看| 欧美精品国产亚洲| www.熟女人妻精品国产 | 成年人免费黄色播放视频| 天堂中文最新版在线下载| 一区二区三区精品91| 日日撸夜夜添| 国产精品欧美亚洲77777| 午夜福利视频精品| 欧美国产精品va在线观看不卡| 一二三四在线观看免费中文在 | 国产日韩欧美在线精品| 男人添女人高潮全过程视频| kizo精华| 免费观看av网站的网址| 草草在线视频免费看| 最近中文字幕高清免费大全6| 在线免费观看不下载黄p国产| 巨乳人妻的诱惑在线观看| 九草在线视频观看| 欧美xxⅹ黑人| 91国产中文字幕| 精品国产一区二区久久| av又黄又爽大尺度在线免费看| 欧美精品av麻豆av| 在线观看免费高清a一片| 人妻系列 视频| 国产精品久久久久久久久免| 九九爱精品视频在线观看| 亚洲国产毛片av蜜桃av| 国产不卡av网站在线观看| 亚洲人成77777在线视频| 天天躁夜夜躁狠狠久久av| 18在线观看网站| 狠狠婷婷综合久久久久久88av| av网站免费在线观看视频| 国产精品国产三级专区第一集| 成人黄色视频免费在线看| 国产欧美日韩综合在线一区二区| 国产精品秋霞免费鲁丝片| 黑人高潮一二区| av在线播放精品| 精品国产国语对白av| 黄色 视频免费看| 在线观看一区二区三区激情| 欧美激情国产日韩精品一区| 久久99一区二区三区| 国产极品粉嫩免费观看在线| 色哟哟·www| av在线播放精品| 99久久精品国产国产毛片| 黄色视频在线播放观看不卡| 免费黄网站久久成人精品| 亚洲欧美成人精品一区二区| 伦理电影大哥的女人| av有码第一页| 91aial.com中文字幕在线观看| 精品国产露脸久久av麻豆| 一区二区三区精品91| 日本wwww免费看| 国产精品一区二区在线不卡| 午夜老司机福利剧场| 久久精品久久久久久久性| 巨乳人妻的诱惑在线观看| 亚洲人成77777在线视频| 九九在线视频观看精品| 日本与韩国留学比较| 国产精品欧美亚洲77777| 国产成人av激情在线播放| 欧美xxxx性猛交bbbb| 国产乱来视频区| 免费人成在线观看视频色| 涩涩av久久男人的天堂| 亚洲人成网站在线观看播放| 在线天堂中文资源库| 大话2 男鬼变身卡| 国产一区二区在线观看av| 一级毛片我不卡| 欧美成人精品欧美一级黄| 赤兔流量卡办理| 色网站视频免费| 国产精品无大码| 亚洲欧美成人综合另类久久久| 中文字幕最新亚洲高清| 青春草国产在线视频| 国产成人一区二区在线| 国产永久视频网站| 亚洲国产av新网站| 久久青草综合色| 婷婷色av中文字幕| 亚洲欧美成人精品一区二区| 亚洲av欧美aⅴ国产| 欧美国产精品一级二级三级| 97人妻天天添夜夜摸| 美女中出高潮动态图| 日韩熟女老妇一区二区性免费视频| 18在线观看网站| 男女高潮啪啪啪动态图| 精品久久久精品久久久| 性色av一级| 赤兔流量卡办理| 中文天堂在线官网| 少妇的逼好多水| 中文字幕av电影在线播放| 侵犯人妻中文字幕一二三四区| 亚洲国产看品久久| 人体艺术视频欧美日本| 国产熟女午夜一区二区三区| 2018国产大陆天天弄谢| 又黄又粗又硬又大视频| 激情视频va一区二区三区| 午夜福利乱码中文字幕| 欧美xxⅹ黑人| 国产精品秋霞免费鲁丝片| 美女xxoo啪啪120秒动态图| 美国免费a级毛片| 国产爽快片一区二区三区| 看免费成人av毛片| 欧美精品国产亚洲| 国产成人欧美| 母亲3免费完整高清在线观看 | 久久鲁丝午夜福利片| 男女下面插进去视频免费观看 | 亚洲五月色婷婷综合| 亚洲,欧美,日韩| 少妇人妻 视频| 在现免费观看毛片| 黄色一级大片看看| 久久久精品94久久精品| 伊人久久国产一区二区| 国产精品 国内视频| xxxhd国产人妻xxx| 亚洲精品久久成人aⅴ小说| 一区在线观看完整版| 国产精品久久久久成人av| 熟女av电影| 精品一区二区三区四区五区乱码 | 免费观看av网站的网址| 免费观看性生交大片5| 久久久久久久亚洲中文字幕| 少妇被粗大猛烈的视频| www日本在线高清视频| 在线精品无人区一区二区三| av免费在线看不卡| 最近手机中文字幕大全| 久久久久久久国产电影| 久久鲁丝午夜福利片| 精品一区二区免费观看| 啦啦啦视频在线资源免费观看| 丰满少妇做爰视频| 国产成人aa在线观看| 一区二区日韩欧美中文字幕 | 最新中文字幕久久久久| 少妇人妻精品综合一区二区| 免费观看av网站的网址| 国产成人a∨麻豆精品| 久久狼人影院| 色吧在线观看| 天天躁夜夜躁狠狠躁躁| 永久免费av网站大全| 亚洲 欧美一区二区三区| 在线观看一区二区三区激情| 人人妻人人澡人人看| 亚洲欧美一区二区三区国产| 国产免费现黄频在线看| 亚洲国产精品一区三区| 国产精品麻豆人妻色哟哟久久| 国产精品偷伦视频观看了| 婷婷色综合www| 免费在线观看完整版高清| 女人精品久久久久毛片| 如何舔出高潮| 亚洲一区二区三区欧美精品| 我要看黄色一级片免费的| 人人妻人人爽人人添夜夜欢视频| 国产精品国产三级国产av玫瑰| 欧美3d第一页| 男女边摸边吃奶| 亚洲高清免费不卡视频| 欧美人与善性xxx| 亚洲国产欧美在线一区| 97在线人人人人妻| 国产精品偷伦视频观看了| 国内精品宾馆在线| 黄色配什么色好看| 久久久久人妻精品一区果冻| 国产精品人妻久久久影院| 最近2019中文字幕mv第一页| 寂寞人妻少妇视频99o| 亚洲精品久久午夜乱码| 亚洲精华国产精华液的使用体验| 欧美精品国产亚洲| 日本91视频免费播放| 这个男人来自地球电影免费观看 | 国产精品一区二区在线不卡| 伊人久久国产一区二区| 精品国产露脸久久av麻豆| 精品久久久久久电影网| 日本爱情动作片www.在线观看| 免费看av在线观看网站| 亚洲国产精品999| 超色免费av| 搡老乐熟女国产| 国产精品久久久久成人av| 另类精品久久| 18+在线观看网站| 久久国产精品大桥未久av| 视频区图区小说| 日韩成人av中文字幕在线观看| 国产精品久久久久久精品古装| 性高湖久久久久久久久免费观看| 一级毛片 在线播放| 亚洲国产精品成人久久小说| 一级爰片在线观看| 成人亚洲精品一区在线观看| av免费在线看不卡| 欧美xxxx性猛交bbbb| 欧美激情国产日韩精品一区| 26uuu在线亚洲综合色| 99九九在线精品视频| 一级爰片在线观看| 免费人妻精品一区二区三区视频| av在线播放精品| av在线老鸭窝| 交换朋友夫妻互换小说| 免费观看性生交大片5| 亚洲少妇的诱惑av| 母亲3免费完整高清在线观看 | 26uuu在线亚洲综合色| 99久久综合免费| 久久这里有精品视频免费| 国产黄色免费在线视频| 久久青草综合色| 男女午夜视频在线观看 | 日韩免费高清中文字幕av| 久久久国产欧美日韩av| 大香蕉久久网| www.色视频.com| 免费日韩欧美在线观看| 18禁国产床啪视频网站| 国产免费一级a男人的天堂| 成人影院久久| 免费黄网站久久成人精品| 色网站视频免费| 亚洲精品乱久久久久久| 亚洲国产精品成人久久小说| 少妇被粗大的猛进出69影院 | 国产极品粉嫩免费观看在线| 成人无遮挡网站| 亚洲少妇的诱惑av| 寂寞人妻少妇视频99o| 久久久精品94久久精品| 如何舔出高潮| 久久国产精品大桥未久av| 国国产精品蜜臀av免费| 日韩视频在线欧美| 成人黄色视频免费在线看| 日韩免费高清中文字幕av| 国产白丝娇喘喷水9色精品| 色视频在线一区二区三区| 国产成人午夜福利电影在线观看| 国产国语露脸激情在线看| 97在线视频观看| 国产有黄有色有爽视频| 18在线观看网站| 久久热在线av| 久久久久网色| 亚洲国产精品国产精品| 99re6热这里在线精品视频| 久久99精品国语久久久| 中国三级夫妇交换| 最近手机中文字幕大全| 考比视频在线观看| 大香蕉久久成人网| 精品国产国语对白av| 精品一品国产午夜福利视频| 丝袜人妻中文字幕| 天堂8中文在线网| tube8黄色片| 永久免费av网站大全| 成人影院久久| 韩国高清视频一区二区三区| 久久国产精品大桥未久av| 日韩成人av中文字幕在线观看| 国产精品人妻久久久久久| 精品久久国产蜜桃| 日韩精品免费视频一区二区三区 | 在现免费观看毛片| 国产福利在线免费观看视频| 精品一区二区三区视频在线| 母亲3免费完整高清在线观看 | 欧美亚洲日本最大视频资源| 日本av免费视频播放| 人妻系列 视频| 亚洲av国产av综合av卡| 国产亚洲一区二区精品| 免费高清在线观看视频在线观看| 在线观看www视频免费| 18在线观看网站| 久久久久国产精品人妻一区二区| 婷婷色麻豆天堂久久| 国产成人aa在线观看| 成人毛片a级毛片在线播放| 精品卡一卡二卡四卡免费| 久久精品aⅴ一区二区三区四区 | 男女边摸边吃奶| 卡戴珊不雅视频在线播放| 国产xxxxx性猛交| 国产黄频视频在线观看| 国语对白做爰xxxⅹ性视频网站| 日韩精品免费视频一区二区三区 | 午夜激情av网站| 免费观看av网站的网址| 大片免费播放器 马上看| 高清视频免费观看一区二区| av片东京热男人的天堂| 亚洲精品成人av观看孕妇| 欧美日韩一区二区视频在线观看视频在线| 少妇的逼好多水| 久久久精品区二区三区| 欧美最新免费一区二区三区| 日本猛色少妇xxxxx猛交久久| 热re99久久精品国产66热6| 边亲边吃奶的免费视频| 曰老女人黄片| 亚洲精品自拍成人| 亚洲欧美色中文字幕在线| 国产熟女午夜一区二区三区| 香蕉精品网在线| 99香蕉大伊视频| 婷婷成人精品国产| 美女主播在线视频| 亚洲av在线观看美女高潮| 亚洲欧美成人综合另类久久久| 免费黄网站久久成人精品| 日本wwww免费看| 精品人妻一区二区三区麻豆| 在线观看三级黄色| 赤兔流量卡办理| 狂野欧美激情性xxxx在线观看| 美女中出高潮动态图| 日本午夜av视频| www日本在线高清视频| 日本-黄色视频高清免费观看| 欧美人与性动交α欧美软件 | a 毛片基地| 22中文网久久字幕| 国产日韩欧美视频二区| 一区在线观看完整版| 狠狠精品人妻久久久久久综合| 日韩精品有码人妻一区| 免费黄频网站在线观看国产| 一边亲一边摸免费视频| 亚洲欧美成人精品一区二区| 啦啦啦中文免费视频观看日本| a级片在线免费高清观看视频| 人人妻人人澡人人看| 69精品国产乱码久久久| 国产精品国产三级国产av玫瑰| 久久久久国产精品人妻一区二区| 91精品三级在线观看| 欧美精品国产亚洲| 性色av一级| 91精品三级在线观看| 免费观看av网站的网址| 香蕉丝袜av| 五月玫瑰六月丁香| 欧美日韩av久久| 国产熟女欧美一区二区| 亚洲精品av麻豆狂野| a级片在线免费高清观看视频| 亚洲综合色网址| 中文字幕免费在线视频6| 久久99一区二区三区| 性色avwww在线观看| av视频免费观看在线观看| 婷婷色综合大香蕉| 亚洲欧美中文字幕日韩二区| 成人免费观看视频高清| 天美传媒精品一区二区| 午夜免费观看性视频| 亚洲欧美成人综合另类久久久| 国产精品一区www在线观看| 国产一区二区三区综合在线观看 | 欧美xxxx性猛交bbbb| 中文字幕另类日韩欧美亚洲嫩草| 日韩成人av中文字幕在线观看| 免费人成在线观看视频色| 中文精品一卡2卡3卡4更新| 国产精品久久久久久久久免| 日本与韩国留学比较| 国产精品嫩草影院av在线观看| 久久国产精品大桥未久av| 久久综合国产亚洲精品| 久久狼人影院| 日本wwww免费看| 如何舔出高潮| 中文欧美无线码| 97人妻天天添夜夜摸| 狠狠婷婷综合久久久久久88av| 99视频精品全部免费 在线| 亚洲美女视频黄频| 国产爽快片一区二区三区| 母亲3免费完整高清在线观看 | 亚洲av男天堂| 亚洲图色成人| 久久久久精品久久久久真实原创| 最近2019中文字幕mv第一页| 亚洲精品美女久久久久99蜜臀 | 少妇猛男粗大的猛烈进出视频| 亚洲精华国产精华液的使用体验| 国产精品人妻久久久影院| 亚洲美女搞黄在线观看| 日韩伦理黄色片| 久久精品夜色国产| 国产福利在线免费观看视频| 王馨瑶露胸无遮挡在线观看| 夫妻性生交免费视频一级片| 日本av手机在线免费观看| 久久婷婷青草| 色吧在线观看| 一个人免费看片子| 亚洲欧美成人综合另类久久久| 飞空精品影院首页| 一区二区三区精品91| 亚洲欧美日韩另类电影网站| 久久久久久久久久久久大奶| 国语对白做爰xxxⅹ性视频网站| 90打野战视频偷拍视频| 亚洲精品久久午夜乱码| 人妻一区二区av| 夫妻午夜视频| 日韩欧美一区视频在线观看| 国产精品人妻久久久影院| 九九爱精品视频在线观看| 最新中文字幕久久久久| 久久久久久人人人人人| 日韩中字成人| 飞空精品影院首页| 街头女战士在线观看网站| 在线免费观看不下载黄p国产| 视频在线观看一区二区三区| 狂野欧美激情性bbbbbb| 国产免费福利视频在线观看| 国产av国产精品国产| 欧美+日韩+精品| 国产精品三级大全| 80岁老熟妇乱子伦牲交| www.熟女人妻精品国产 | 最新中文字幕久久久久| 国产精品一二三区在线看| 国产精品 国内视频| 日韩免费高清中文字幕av| 女人久久www免费人成看片| 久久热在线av| a级片在线免费高清观看视频| 国产国拍精品亚洲av在线观看| 国产日韩欧美在线精品| 国产精品免费大片| 日韩视频在线欧美| 亚洲av福利一区| 男人添女人高潮全过程视频| 一边亲一边摸免费视频| 精品一品国产午夜福利视频| 夫妻午夜视频| 欧美老熟妇乱子伦牲交| 一边亲一边摸免费视频| 成人综合一区亚洲| 色哟哟·www| 国产不卡av网站在线观看| 成人漫画全彩无遮挡| 免费看不卡的av| 丰满乱子伦码专区| 久热这里只有精品99| 色哟哟·www| 久久毛片免费看一区二区三区| 777米奇影视久久| 日韩电影二区| av女优亚洲男人天堂| 天堂中文最新版在线下载| 在线 av 中文字幕| 男女边摸边吃奶| 妹子高潮喷水视频| 成人黄色视频免费在线看| 男人爽女人下面视频在线观看| 免费观看在线日韩| 亚洲精品日本国产第一区| 人成视频在线观看免费观看| 美女国产高潮福利片在线看| 亚洲一区二区三区欧美精品| 韩国高清视频一区二区三区| 亚洲天堂av无毛| 欧美日韩亚洲高清精品| 国产一区二区在线观看日韩| 丝袜在线中文字幕| 国产 一区精品| 18禁观看日本| 国产麻豆69| 久久精品国产鲁丝片午夜精品| 精品国产一区二区久久| 亚洲av在线观看美女高潮| 亚洲综合色惰| 国产亚洲精品第一综合不卡 | 高清毛片免费看| 国产成人免费观看mmmm| 日本欧美视频一区| 国产国拍精品亚洲av在线观看| 日韩一区二区视频免费看| 国国产精品蜜臀av免费| 免费人成在线观看视频色| 激情五月婷婷亚洲| 欧美激情 高清一区二区三区| 一级毛片电影观看| 亚洲人成网站在线观看播放| 久久午夜综合久久蜜桃| 亚洲在久久综合| 精品少妇内射三级| 中文字幕人妻丝袜制服| 丝袜脚勾引网站| 制服诱惑二区| 中文字幕免费在线视频6| 人人妻人人澡人人看| 精品人妻一区二区三区麻豆| 日韩中文字幕视频在线看片| 日韩一区二区视频免费看| 欧美精品av麻豆av| 亚洲久久久国产精品| av卡一久久| 精品国产一区二区三区久久久樱花| av国产久精品久网站免费入址| 人体艺术视频欧美日本| 2021少妇久久久久久久久久久| 91午夜精品亚洲一区二区三区| 欧美3d第一页| 日本午夜av视频| 国产亚洲精品第一综合不卡 | 日本欧美视频一区| 97在线视频观看| 在线精品无人区一区二区三| 一区二区三区四区激情视频| 欧美日本中文国产一区发布| 大片免费播放器 马上看| 在线天堂最新版资源| 国产 精品1| 亚洲精品,欧美精品| 国产精品蜜桃在线观看| av片东京热男人的天堂| 青春草视频在线免费观看| 青春草亚洲视频在线观看| 欧美激情国产日韩精品一区| 大片免费播放器 马上看| 午夜福利网站1000一区二区三区| 久久久精品区二区三区| 亚洲av成人精品一二三区| 国产xxxxx性猛交| 精品第一国产精品| 久久女婷五月综合色啪小说| 成年人午夜在线观看视频| 街头女战士在线观看网站| 日日啪夜夜爽| 国产视频首页在线观看| 国产白丝娇喘喷水9色精品| 亚洲国产精品成人久久小说| 日本午夜av视频| 成人综合一区亚洲| 亚洲精品久久午夜乱码|