• <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
    91麻豆av在线| 男人舔女人的私密视频| 日韩 欧美 亚洲 中文字幕| 99精品欧美一区二区三区四区| 一夜夜www| 免费在线观看成人毛片| 黄色a级毛片大全视频| 色老头精品视频在线观看| 午夜免费成人在线视频| 国产精品一区二区三区四区久久 | 9191精品国产免费久久| 婷婷精品国产亚洲av在线| 在线观看一区二区三区| 叶爱在线成人免费视频播放| 亚洲成国产人片在线观看| 久久久久久久久中文| 亚洲精品国产区一区二| 一二三四社区在线视频社区8| 亚洲精华国产精华精| 色综合欧美亚洲国产小说| 亚洲一区二区三区不卡视频| 精品久久久久久,| 免费高清视频大片| 国产极品粉嫩免费观看在线| 怎么达到女性高潮| ponron亚洲| 亚洲精品美女久久久久99蜜臀| 青草久久国产| 精品一区二区三区av网在线观看| 丝袜在线中文字幕| 亚洲中文av在线| 一区二区三区精品91| 精品久久久久久久久久久久久 | 听说在线观看完整版免费高清| 日韩有码中文字幕| 国产精品野战在线观看| 99国产极品粉嫩在线观看| 国产午夜精品久久久久久| 欧美成狂野欧美在线观看| 亚洲欧洲精品一区二区精品久久久| 欧美国产精品va在线观看不卡| 久久久国产欧美日韩av| 搡老妇女老女人老熟妇| 欧美另类亚洲清纯唯美| 精品不卡国产一区二区三区| 亚洲精品色激情综合| 俺也久久电影网| 正在播放国产对白刺激| 国产精品1区2区在线观看.| 美女午夜性视频免费| 国产伦人伦偷精品视频| 欧美成人免费av一区二区三区| 免费在线观看视频国产中文字幕亚洲| 国产主播在线观看一区二区| 日本 欧美在线| 午夜久久久在线观看| 美女国产高潮福利片在线看| 国产精品香港三级国产av潘金莲| 在线观看午夜福利视频| 精品第一国产精品| 久久久久久人人人人人| av在线天堂中文字幕| 日韩一卡2卡3卡4卡2021年| 色播在线永久视频| 97人妻精品一区二区三区麻豆 | 热re99久久国产66热| 在线视频色国产色| 日韩精品免费视频一区二区三区| 久久精品国产亚洲av高清一级| 色综合欧美亚洲国产小说| 色老头精品视频在线观看| 国产精品香港三级国产av潘金莲| 在线观看免费日韩欧美大片| 丁香六月欧美| 亚洲真实伦在线观看| 亚洲性夜色夜夜综合| 亚洲成a人片在线一区二区| 久久精品国产综合久久久| 韩国精品一区二区三区| 免费观看人在逋| 国产精品亚洲av一区麻豆| 久久精品亚洲精品国产色婷小说| 国产又色又爽无遮挡免费看| 99国产精品一区二区蜜桃av| 国产aⅴ精品一区二区三区波| 夜夜看夜夜爽夜夜摸| 宅男免费午夜| 亚洲成人久久爱视频| 午夜日韩欧美国产| 欧美在线黄色| 99riav亚洲国产免费| 久久国产精品人妻蜜桃| 国产午夜福利久久久久久| 亚洲熟妇熟女久久| 久久久国产成人精品二区| 亚洲自偷自拍图片 自拍| 美女免费视频网站| a在线观看视频网站| 观看免费一级毛片| www.自偷自拍.com| 满18在线观看网站| 午夜成年电影在线免费观看| 国产成人欧美| 俄罗斯特黄特色一大片| svipshipincom国产片| 国产精品99久久99久久久不卡| 国产免费av片在线观看野外av| 欧美成人一区二区免费高清观看 | 校园春色视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 亚洲国产日韩欧美精品在线观看 | 一本精品99久久精品77| 999久久久国产精品视频| 国产一区二区三区在线臀色熟女| 免费看日本二区| 老熟妇乱子伦视频在线观看| www.999成人在线观看| 日本一区二区免费在线视频| 老熟妇乱子伦视频在线观看| 欧美激情极品国产一区二区三区| 欧美成人免费av一区二区三区| 亚洲专区国产一区二区| 亚洲精品美女久久av网站| 午夜激情福利司机影院| 婷婷精品国产亚洲av| 宅男免费午夜| 日本一区二区免费在线视频| av电影中文网址| 搡老岳熟女国产| 1024视频免费在线观看| 一级毛片高清免费大全| 一级a爱片免费观看的视频| 国产精品久久久久久人妻精品电影| 亚洲第一电影网av| 成人国产一区最新在线观看| 狠狠狠狠99中文字幕| 色尼玛亚洲综合影院| 日韩中文字幕欧美一区二区| 日韩视频一区二区在线观看| www国产在线视频色| 国产乱人伦免费视频| 精品乱码久久久久久99久播| 美女 人体艺术 gogo| 亚洲自偷自拍图片 自拍| 久久精品国产亚洲av香蕉五月| 给我免费播放毛片高清在线观看| 亚洲国产欧美网| 国产精品久久久av美女十八| 母亲3免费完整高清在线观看| 男女那种视频在线观看| 成人三级黄色视频| 一本一本综合久久| 亚洲一区二区三区不卡视频| 国产免费av片在线观看野外av| 好男人在线观看高清免费视频 | 免费搜索国产男女视频| 中文字幕av电影在线播放| 亚洲欧美日韩无卡精品| 久9热在线精品视频| 国产亚洲精品一区二区www| av欧美777| 国产欧美日韩一区二区精品| 亚洲国产日韩欧美精品在线观看 | 成人欧美大片| 国产精品香港三级国产av潘金莲| 国产真实乱freesex| 好看av亚洲va欧美ⅴa在| 两个人免费观看高清视频| 香蕉国产在线看| 精品国产国语对白av| avwww免费| 成人手机av| 香蕉久久夜色| 深夜精品福利| 精品一区二区三区四区五区乱码| 亚洲色图av天堂| 天堂动漫精品| 色综合欧美亚洲国产小说| 亚洲电影在线观看av| 久久久久久大精品| 日韩欧美国产在线观看| 亚洲美女黄片视频| 麻豆成人午夜福利视频| 国产精品98久久久久久宅男小说| 19禁男女啪啪无遮挡网站| 首页视频小说图片口味搜索| 麻豆久久精品国产亚洲av| 极品教师在线免费播放| 久久青草综合色| 国产三级在线视频| 亚洲色图 男人天堂 中文字幕| 国产伦在线观看视频一区| 久久精品国产亚洲av香蕉五月| 午夜精品久久久久久毛片777| 亚洲专区字幕在线| 国产私拍福利视频在线观看| 国产亚洲欧美98| 国产精品免费视频内射| 国产精品精品国产色婷婷| 久久久久精品国产欧美久久久| 麻豆久久精品国产亚洲av| 一夜夜www| 黄色a级毛片大全视频| 久久久国产欧美日韩av| 亚洲成人久久爱视频| 在线观看一区二区三区| 久久这里只有精品19| 婷婷精品国产亚洲av| 国产精品日韩av在线免费观看| 精品午夜福利视频在线观看一区| 国内少妇人妻偷人精品xxx网站 | 啪啪无遮挡十八禁网站| 亚洲中文日韩欧美视频| 88av欧美| 色尼玛亚洲综合影院| 日韩一卡2卡3卡4卡2021年| 99riav亚洲国产免费| 亚洲avbb在线观看| 天天一区二区日本电影三级| 亚洲av成人不卡在线观看播放网| 老汉色av国产亚洲站长工具| 给我免费播放毛片高清在线观看| 50天的宝宝边吃奶边哭怎么回事| 女同久久另类99精品国产91| 国产免费av片在线观看野外av| 亚洲av熟女| 久久久久国产一级毛片高清牌| 成人永久免费在线观看视频| 嫩草影视91久久| 国产亚洲欧美在线一区二区| bbb黄色大片| 国产1区2区3区精品| 色哟哟哟哟哟哟| 亚洲九九香蕉| 波多野结衣巨乳人妻| 久久精品aⅴ一区二区三区四区| 亚洲成人久久爱视频| 婷婷精品国产亚洲av| 亚洲狠狠婷婷综合久久图片| 精品第一国产精品| 久久婷婷人人爽人人干人人爱| 三级毛片av免费| 久热爱精品视频在线9| 露出奶头的视频| 久久热在线av| 日韩欧美一区视频在线观看| 国产成人欧美在线观看| 国产成人欧美| 国产亚洲av嫩草精品影院| 日韩国内少妇激情av| 国产一区二区在线av高清观看| 欧美日韩亚洲国产一区二区在线观看| 久久久国产欧美日韩av| 精品一区二区三区四区五区乱码| 亚洲电影在线观看av| а√天堂www在线а√下载| 国产99久久九九免费精品| 久久狼人影院| 成年女人毛片免费观看观看9| 久久婷婷成人综合色麻豆| 一个人观看的视频www高清免费观看 | 国产精品久久久久久亚洲av鲁大| 男人的好看免费观看在线视频 | 99久久久亚洲精品蜜臀av| 十八禁网站免费在线| 欧美中文综合在线视频| 亚洲精品中文字幕在线视频| 亚洲九九香蕉| 黑人操中国人逼视频| 深夜精品福利| 最近最新中文字幕大全电影3 | 日韩一卡2卡3卡4卡2021年| 国产午夜福利久久久久久| 亚洲国产精品成人综合色| 一区二区三区国产精品乱码| 老汉色av国产亚洲站长工具| 精品一区二区三区av网在线观看| 亚洲成人国产一区在线观看| 精品欧美一区二区三区在线| 国产男靠女视频免费网站| 久久久国产成人免费| 国产精品一区二区精品视频观看| 日韩av在线大香蕉| 亚洲最大成人中文| 免费观看人在逋| 亚洲av中文字字幕乱码综合 | 精品卡一卡二卡四卡免费| 在线免费观看的www视频| 色综合欧美亚洲国产小说| 亚洲精品在线观看二区| 中文字幕精品亚洲无线码一区 | 久久精品成人免费网站| 亚洲av五月六月丁香网| 日本a在线网址| 真人做人爱边吃奶动态| 久久香蕉国产精品| 中文字幕久久专区| 深夜精品福利| 国产成人av激情在线播放| 国产av一区二区精品久久| 首页视频小说图片口味搜索| 男女午夜视频在线观看| 美女 人体艺术 gogo| 老汉色∧v一级毛片| 18禁裸乳无遮挡免费网站照片 | 日韩欧美免费精品| 9191精品国产免费久久| a级毛片a级免费在线| 亚洲在线自拍视频| 日本精品一区二区三区蜜桃| 成人18禁在线播放| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲在线自拍视频| 岛国视频午夜一区免费看| www.熟女人妻精品国产| 国产真人三级小视频在线观看| 成年免费大片在线观看| 午夜影院日韩av| 操出白浆在线播放| 一进一出抽搐gif免费好疼| 十八禁人妻一区二区| 精品福利观看| 国产精品久久久久久人妻精品电影| 日韩大尺度精品在线看网址| 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| 欧美一区二区精品小视频在线| 一本久久中文字幕| 午夜两性在线视频| 大香蕉久久成人网| 一区二区三区激情视频| 大香蕉久久成人网| 亚洲精品国产区一区二| 久久久国产成人免费| 国产一级毛片七仙女欲春2 | 男女午夜视频在线观看| 欧美丝袜亚洲另类 | 亚洲中文字幕一区二区三区有码在线看 | 在线永久观看黄色视频| 正在播放国产对白刺激| 国产精品,欧美在线| www.精华液| 丁香欧美五月| 国产v大片淫在线免费观看| 最好的美女福利视频网| 最新在线观看一区二区三区| 色在线成人网| 成年女人毛片免费观看观看9| 午夜影院日韩av| 亚洲成a人片在线一区二区| 国产精品久久久久久亚洲av鲁大| 美女 人体艺术 gogo| 精品电影一区二区在线| 国产成人av教育| 自线自在国产av| 别揉我奶头~嗯~啊~动态视频| 在线观看www视频免费| 久久久久国内视频| 午夜两性在线视频| 亚洲色图 男人天堂 中文字幕| 国产99白浆流出| 欧美乱妇无乱码| 黄网站色视频无遮挡免费观看| 亚洲国产欧美一区二区综合| 亚洲专区国产一区二区| 大香蕉久久成人网| 亚洲成人久久性| 国产av又大| 不卡一级毛片| 一进一出抽搐动态| 此物有八面人人有两片| 在线看三级毛片| 国产精品久久久久久亚洲av鲁大| 久久久久久亚洲精品国产蜜桃av| 巨乳人妻的诱惑在线观看| 精品午夜福利视频在线观看一区| 国产高清激情床上av| 精品久久久久久成人av| 男女做爰动态图高潮gif福利片| 国产激情久久老熟女| 在线观看一区二区三区| 国产高清videossex| 91麻豆精品激情在线观看国产| 国产av一区在线观看免费| 久久婷婷人人爽人人干人人爱| 国产精品永久免费网站| 国产精品,欧美在线| 人人澡人人妻人| 欧美黑人欧美精品刺激| 日日摸夜夜添夜夜添小说| 黄色视频不卡| 免费一级毛片在线播放高清视频| 欧美性猛交╳xxx乱大交人| 国产熟女xx| 国产亚洲精品久久久久5区| 一本大道久久a久久精品| 男女之事视频高清在线观看| 成人国产综合亚洲| 精品久久久久久久末码| 999久久久精品免费观看国产| 两性夫妻黄色片| 悠悠久久av| 国产麻豆成人av免费视频| 99国产极品粉嫩在线观看| 在线av久久热| 午夜福利欧美成人| www.熟女人妻精品国产| 亚洲成av片中文字幕在线观看| 国产99久久九九免费精品| 欧美日韩中文字幕国产精品一区二区三区| 美国免费a级毛片| 狠狠狠狠99中文字幕| 欧美日韩精品网址| 高清毛片免费观看视频网站| 999精品在线视频| 别揉我奶头~嗯~啊~动态视频| 成人国产一区最新在线观看| 狂野欧美激情性xxxx| www日本黄色视频网| 欧美另类亚洲清纯唯美| 日韩欧美三级三区| 一级毛片高清免费大全| 男女之事视频高清在线观看| 侵犯人妻中文字幕一二三四区| 一区二区三区精品91| 12—13女人毛片做爰片一| 一进一出抽搐动态| 国产精品久久久av美女十八| www.熟女人妻精品国产| АⅤ资源中文在线天堂| 精品国产国语对白av| 亚洲七黄色美女视频| 免费无遮挡裸体视频| 欧美成人一区二区免费高清观看 | 又紧又爽又黄一区二区| 欧美色视频一区免费| 国产99白浆流出| 日本一区二区免费在线视频| 美女大奶头视频| www.精华液| 免费在线观看完整版高清| 啦啦啦观看免费观看视频高清| 午夜日韩欧美国产| 国产精品av久久久久免费| 欧美国产精品va在线观看不卡| 最近最新免费中文字幕在线| 精品国产超薄肉色丝袜足j| 日韩有码中文字幕| 午夜影院日韩av| 亚洲男人的天堂狠狠| 一进一出好大好爽视频| 黄色毛片三级朝国网站| 中文字幕另类日韩欧美亚洲嫩草| 777久久人妻少妇嫩草av网站| 高清毛片免费观看视频网站| 自线自在国产av| 精品久久蜜臀av无| 国产91精品成人一区二区三区| 国内精品久久久久精免费| a级毛片a级免费在线| 欧美国产精品va在线观看不卡| 视频在线观看一区二区三区| 国内少妇人妻偷人精品xxx网站 | 老司机午夜十八禁免费视频| av在线播放免费不卡| 国产人伦9x9x在线观看| videosex国产| 老熟妇乱子伦视频在线观看| 好男人在线观看高清免费视频 | 高清在线国产一区| 欧美激情极品国产一区二区三区| 日韩国内少妇激情av| 久久久久国内视频| 成人国产一区最新在线观看| 校园春色视频在线观看| 亚洲熟妇中文字幕五十中出| 国产熟女xx| 色精品久久人妻99蜜桃| 午夜福利高清视频| 可以免费在线观看a视频的电影网站| 日韩欧美一区二区三区在线观看| 日日夜夜操网爽| 国产黄色小视频在线观看| 黑人巨大精品欧美一区二区mp4| 别揉我奶头~嗯~啊~动态视频| 久久久国产欧美日韩av| 午夜久久久久精精品| 19禁男女啪啪无遮挡网站| 搞女人的毛片| 99riav亚洲国产免费| 伊人久久大香线蕉亚洲五| 成人三级做爰电影| 亚洲精品美女久久久久99蜜臀| av电影中文网址| 免费看十八禁软件| 国产精品久久久久久亚洲av鲁大| 亚洲国产精品久久男人天堂| 亚洲中文av在线| 久久久久国产精品人妻aⅴ院| 日韩高清综合在线| 自线自在国产av| 美女扒开内裤让男人捅视频| 亚洲熟妇中文字幕五十中出| 欧美 亚洲 国产 日韩一| 黄片大片在线免费观看| 国产精品久久久久久亚洲av鲁大| 国产久久久一区二区三区| 国产午夜精品久久久久久| 天天一区二区日本电影三级| tocl精华| 国产又爽黄色视频| 一夜夜www| 亚洲熟女毛片儿| 99久久国产精品久久久| 午夜福利欧美成人| 99精品在免费线老司机午夜| 国产亚洲精品久久久久5区| 亚洲三区欧美一区| 亚洲免费av在线视频| 丰满的人妻完整版| 看黄色毛片网站| av超薄肉色丝袜交足视频| 中文亚洲av片在线观看爽| 好男人在线观看高清免费视频 | 欧美久久黑人一区二区| av在线天堂中文字幕| 黑人巨大精品欧美一区二区mp4| 非洲黑人性xxxx精品又粗又长| 国产主播在线观看一区二区| 亚洲av中文字字幕乱码综合 | 国产爱豆传媒在线观看 | 亚洲av五月六月丁香网| 操出白浆在线播放| 久久精品aⅴ一区二区三区四区| 中文字幕av电影在线播放| 亚洲aⅴ乱码一区二区在线播放 | 国产一区二区三区在线臀色熟女| 又紧又爽又黄一区二区| 两人在一起打扑克的视频| 丰满的人妻完整版| 韩国av一区二区三区四区| 午夜福利在线观看吧| 大型黄色视频在线免费观看| 成人18禁在线播放| 成在线人永久免费视频| 夜夜看夜夜爽夜夜摸| 亚洲一区高清亚洲精品| 亚洲,欧美精品.| 女人爽到高潮嗷嗷叫在线视频| 久久久久国内视频| 久久人人精品亚洲av| 国产精品一区二区免费欧美| 制服丝袜大香蕉在线| 精品国产亚洲在线| 精品欧美一区二区三区在线| 国产黄a三级三级三级人| 亚洲av五月六月丁香网| 三级毛片av免费| 精品国产美女av久久久久小说| 精品高清国产在线一区| 这个男人来自地球电影免费观看| 亚洲精品在线观看二区| 最近最新中文字幕大全电影3 | 人人妻人人看人人澡| 最近最新免费中文字幕在线| av中文乱码字幕在线| 日本一本二区三区精品| 亚洲七黄色美女视频| ponron亚洲| 国产av一区在线观看免费| 极品教师在线免费播放| 国产一区二区三区视频了| 色av中文字幕| 成人亚洲精品一区在线观看| 国产亚洲精品久久久久久毛片| 亚洲一区高清亚洲精品| 久久精品影院6| 国语自产精品视频在线第100页| 国产麻豆成人av免费视频| 亚洲激情在线av| 搞女人的毛片| 欧美日韩福利视频一区二区| 一区二区日韩欧美中文字幕| 色播在线永久视频| 成人手机av| av在线播放免费不卡| 色播在线永久视频| 久久九九热精品免费| 中文字幕人成人乱码亚洲影| 国产精品野战在线观看| 久久久久国内视频| 丁香欧美五月| 波多野结衣巨乳人妻| 亚洲五月婷婷丁香| 美女大奶头视频| 久久 成人 亚洲| 十八禁人妻一区二区| 国产又爽黄色视频| 成人精品一区二区免费| www.www免费av| 亚洲欧美日韩无卡精品| 丁香六月欧美| 桃红色精品国产亚洲av| 国产不卡一卡二| 看黄色毛片网站| 亚洲成av人片免费观看| 国产又色又爽无遮挡免费看| 中文字幕高清在线视频| 午夜福利视频1000在线观看| 欧美在线黄色| 国产亚洲精品综合一区在线观看 | 国产又黄又爽又无遮挡在线| а√天堂www在线а√下载| 男人舔奶头视频| 50天的宝宝边吃奶边哭怎么回事|