• <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 ?

    基于改進GraphSAGE的高光譜圖像分類①

    2022-11-07 09:08:16尤晨欣吳向東王雨松歐運起
    計算機系統(tǒng)應(yīng)用 2022年10期
    關(guān)鍵詞:分類特征

    尤晨欣,吳向東,王雨松,歐運起

    1(長安大學(xué) 信息工程學(xué)院,西安 710064)

    2(長安大學(xué) 公路學(xué)院,西安 710064)

    近年來,高光譜圖像分類在軍事目標檢測和災(zāi)害防控等領(lǐng)域受到越來越多的關(guān)注[1].與傳統(tǒng)的多光譜遙感圖像相比,高光譜圖像由數(shù)百個光譜波段組成,有助于更加精細地實現(xiàn)地物分類和目標識別.高光譜圖像具有較高的空間分辨率,可以識別各種土地覆蓋類型[2].早期的高光譜圖像分類方法旨在提升分類性能,比如支持向量機[3]等; 之后,出現(xiàn)一些利用特征提取技術(shù)進行高光譜圖像分類的方法探索地物表面的空間信息,如基于空間光譜稀疏表示的方法[4]等,通過建立函數(shù)映射以期分離高維空間中的光譜信息,實現(xiàn)地物分類.早期的高光譜圖像分類方法中的圖結(jié)構(gòu)均為人工構(gòu)造,無法捕捉不同類之間的細微差別和同類之間的大差別,普適性差且分類精度較低.深度學(xué)習(xí)為高光譜圖像的特征提取提供了理想的解決方案[5].

    深度學(xué)習(xí)可以從數(shù)據(jù)中自適應(yīng)地提取高光譜圖像的光譜空間特征,具有很好的魯棒性.Chen 等[6]采用卷積神經(jīng)網(wǎng)絡(luò)從高光譜圖像中提取空間光譜特征,獲得了更好的分類性能; Qin 等[7]提出利用半監(jiān)督圖卷積網(wǎng)絡(luò)將高光譜圖像編碼成圖結(jié)構(gòu),并根據(jù)相鄰像素的光譜相似性和空間距離在像素之間傳播信息; Wan 等[8]提出上下文感知的動態(tài)圖卷積網(wǎng)絡(luò),用于捕獲遠程上下文關(guān)系,細化圖邊緣權(quán)值和圖像區(qū)域之間的鄰接關(guān)系; Mou 等[9]提出將整張圖像作為輸入,同時處理標記和未標記樣本數(shù)據(jù),對圖像中的所有像素節(jié)點進行分類處理; Sellars 等[10]提出一種基于圖論的超像素高光譜圖像分類算法,降低了算法復(fù)雜度.此外,通過多尺度和小批次處理高光譜圖像成為近期研究的熱點,建立不同鄰域的多個輸入圖,利用不同尺度的光譜空間相關(guān)性細化圖信息[11-13]; Yang 等[14]通過GraphSAGE 歸納學(xué)習(xí)的方式構(gòu)造圖結(jié)構(gòu),對于采樣節(jié)點數(shù)不足的情況,采取有放回的節(jié)點采樣方法,可能造成子圖中的局部信息不完整,導(dǎo)致特征模糊,從而使算法的分類誤差增大.

    為了充分利用圖結(jié)構(gòu)的空間相關(guān)性,本文提出了基于改進GraphSAGE 的高光譜圖像分類方法.首先采用簡單線性迭代聚類算法(simple linear iterative clustering,SLIC)[15]將高光譜圖像分割為超像素,降低后續(xù)學(xué)習(xí)的圖節(jié)點數(shù); 再通過改進的GraphSAGE 算法生成目標節(jié)點的嵌入,利用平均采樣得到訓(xùn)練樣本,選取平均聚合函數(shù)更新多階節(jié)點的信息.通過提取空間光譜信息來提高性能,既無須對整張圖進行節(jié)點嵌入,也最大化保留了局部圖結(jié)構(gòu)的信息,從而提高算法的分類精度.

    1 GraphSAGE 算法介紹

    傳統(tǒng)的圖卷積網(wǎng)絡(luò)主要是在單一固定的圖像中進行節(jié)點嵌入,無法為未見節(jié)點或者全新子圖生成快速嵌入.為解決這種問題,Hamilton 等[16]提出了GraphSAGE算法,通過學(xué)習(xí)一個嵌入函數(shù),利用節(jié)點的局部鄰域取樣和聚合特征,實現(xiàn)未見數(shù)據(jù)的生成嵌入.其流程如圖1 所示.

    圖1 GraphSAGE 算法流程

    對于已知無向圖G=(V,E),其中,V表示節(jié)點集,E表示邊集.所有的節(jié)點v∈V,需要學(xué)習(xí)K個函數(shù)來聚合當前節(jié)點的鄰域特征,具體做法如下.

    (1)采樣: 通過隨機游走的方式獲取目標節(jié)點,考慮到計算效率,以有放回采樣的方式抽取目標節(jié)點的K階樣本,設(shè)置固定數(shù)量的鄰居,步驟如圖1 所示.K表示目標節(jié)點的搜索深度.

    (2)聚合: 通過選取聚合函數(shù)聚合鄰居節(jié)點,更新自身節(jié)點信息.本文選取平均聚合的方式對鄰居節(jié)點進行聚合,將目標節(jié)點與鄰居節(jié)點的第K-1層向量拼接起來,再對向量的每個維度求均值,最終通過非線性變換產(chǎn)生目標節(jié)點的第K層表示向量,具體實現(xiàn)如下:

    其中,N(v)表示節(jié)點v的近鄰點,表示節(jié)點v的任意相鄰節(jié)點u在k-1層的嵌入信息,hN(v)表示節(jié)點v在第k層中所有鄰居節(jié)點的特征表示.

    通過聚合后節(jié)點特征用于不同層之間的信息傳播,定義如下:

    其中,σ是非線性激活函數(shù),Wk是需要學(xué)習(xí)的權(quán)重表示.

    圖卷積網(wǎng)絡(luò)的節(jié)點嵌入需要所有節(jié)點參與訓(xùn)練過程,而GraphSAGE 算法通過聚合鄰居節(jié)點的特征信息,為局部圖節(jié)點獲取嵌入向量.新的圖結(jié)構(gòu)的節(jié)點嵌入只需利用學(xué)習(xí)的聚合函數(shù),就能輸出低維向量,進行節(jié)點分類.

    2 改進GraphSAGE 的高光譜圖像分類算法

    2.1 總體架構(gòu)

    本文總體架構(gòu)流程如圖2 所示.對于給定的高光譜圖像,先對其進行預(yù)處理,采用SLIC 算法將其分割成若干同質(zhì)的超像素; 然后采用改進的GraphSAGE 算法對這些超像素進行平均采樣并聚合節(jié)點信息,使同類的超像素聚合到一起,再對輸入圖生成節(jié)點嵌入; 最后將生成的低維向量輸入到全連接層進行分類,再輸出分類結(jié)果.

    圖2 改進GraphSAGE 網(wǎng)絡(luò)架構(gòu)

    2.2 超像素分割

    高光譜圖像通常包含數(shù)十萬像素,且某些像素的差別不明顯,在節(jié)點嵌入和分類過程中容易增大計算復(fù)雜度.為了解決這個問題,采用SLIC 算法實現(xiàn)超像素分割,實現(xiàn)過程如下: 首先將原始圖像數(shù)據(jù)進行均值標準差標準化,再將其分割成空間連通且光譜相似性很強的均勻圖像區(qū)域,即超像素; 其次將超像素的中心表示為一個圖節(jié)點,并通過梯度下降法更新節(jié)點矩陣;最后通過建立超像素之間的鄰接關(guān)系,將高光譜圖像轉(zhuǎn)換成無向圖,構(gòu)造超像素圖像的特征以及標簽.將高光譜圖像分割為超像素能顯著減少圖節(jié)點的個數(shù),有助于保存局部結(jié)構(gòu)信息,提高計算效率.

    2.3 改進的GraphSAGE 算法

    由于在采集高光譜圖像的過程中不可避免地會引入一些噪聲,且其邊緣部分的像素分布不均勻,因而傳統(tǒng)的GraphSAGE 模型采集的樣本具有短缺性和隨機性.針對傳統(tǒng)GraphSAGE 算法中圖像邊界采樣節(jié)點數(shù)不足以及有放回的采樣引起特征誤差的問題,本文提出平均采樣的GraphSAGE 模型,采樣過程的具體實現(xiàn)流程如算法1 所示.

    算法1 改進GraphSAGE 算法的平均采樣具體思想是: 每一次迭代,對目標節(jié)點v的k階鄰居節(jié)點進行采樣,V(k)表示第k層的節(jié)點,K表示采樣的層數(shù).對目標節(jié)點采樣時按照k=K,···,1的順序,以達到聚合過程中按照k=1,···,K的順序聚合的目的.若節(jié)點u是V(k)的鄰居,則取為鄰居節(jié)點.若階層節(jié)點個數(shù)達不到采樣值,取本階層節(jié)點的平均光譜特征作為補充,此過程可以表示為式(3):

    算法1.超像素的鄰居采樣輸入: 圖; ; 搜索深度 ; 平均采樣函數(shù)輸出: 平均采樣鄰居樣本G{V,E}v∈VKN()V(k)←V 1)2)for do k=K,···,1 V(k-1)←V(k)3);u∈V(k)4)for do V(k-1)←V(k-1)∪Mean{N(u)}5)6)end 7)end

    結(jié)合本文提出的平均采樣的思想,介紹模型具體實現(xiàn)流程,如算法2 所示.

    算法2 的核心內(nèi)容是: 先根據(jù)平均采樣的方式抽取固定數(shù)量的鄰居節(jié)點,然后學(xué)習(xí)聚合函數(shù)對鄰居節(jié)點的信息進行聚合得到信息; 最后獲得圖中每個節(jié)點的低維向量表示供下游學(xué)習(xí).經(jīng)過改進的GraphSAGE 層得到的低維向量作為全連接層的輸入,經(jīng)過Softmax 激活函數(shù),預(yù)測目標節(jié)點的標簽,從而得到真實值與分類輸出值之間的差異; 最后使用NLL loss 損失函數(shù)進行反向傳播.

    NLL loss 函數(shù)如式(4)所示:

    算法2.平均GraphSAGE 節(jié)點嵌入G(V,E)Wk ?k={1,···,K}σ()N()輸入: 圖; 搜索深度K; 權(quán)重矩陣 ; ; 非線性激活函數(shù) ; 平均聚合函數(shù); 平均采樣函數(shù)zv輸出: 生成向量表示h0v←Xv,?v∈V(0)1)初始化:2)for do k=1,···,K v∈V(k)3)for do 4)hkN(v)←Mean({hk-1 u ,?u∈N(v)})v ,hkN(v)))5)hkv←σ(Wk·CONCAT(hk-1 6)end hkv←hkv/‖hkv‖2 7)zv←hkv,?v∈V 8)9)end

    3 算法仿真分析

    3.1 數(shù)據(jù)集

    為了驗證本文所提網(wǎng)絡(luò)模型的有效性,在公開的Pavia University 和Kenndy Space Center 數(shù)據(jù)集上進行實驗,并和其他算法的分類結(jié)果進行了對比.

    (1)Pavia University 數(shù)據(jù)集,見表1.該數(shù)據(jù)集是意大利帕維亞城的一部分高光譜圖像.圖像具有610×340 個像素以及115 個光譜波段,空間分辨率為1.3 m,去除受噪聲和水汽影響因素后剩余103 個波段,包含9 個地物類別.

    表1 Pavia University 數(shù)據(jù)集訓(xùn)練、測試樣本數(shù)

    (2)Kenndy Space Center 數(shù)據(jù)集,見表2.該數(shù)據(jù)集是在美國肯尼迪航天中心上空獲得的,圖像包含224 個波段和614×512 個像素.空間分辨率為18 m,去除水汽和受噪聲影響的波段后剩余176 個波段,包含13 個地物類別.

    表2 Kenndy Space Center 數(shù)據(jù)集訓(xùn)練、測試樣本數(shù)

    3.2 仿真實現(xiàn)

    本文采用改進GraphSAGE 算法對Pavia University和Kenndy Space Center 兩個數(shù)據(jù)集進行分類實驗,取數(shù)據(jù)集的10%作為訓(xùn)練樣本,剩余90%作為測試樣本.模型參數(shù)設(shè)置如下: 學(xué)習(xí)率為0.01,權(quán)重衰減為5E-3,迭代次數(shù)為100,使用Adam 優(yōu)化器.網(wǎng)絡(luò)訓(xùn)練過程中,設(shè)置采樣層數(shù)K=2,聚合二階鄰居特征,對一階鄰居抽樣5,二階鄰居抽樣15.

    Pavia University 數(shù)據(jù)集分類實驗的訓(xùn)練樣本和測試樣本數(shù)見表1.將標準化后的數(shù)據(jù)作為SLIC 算法的輸入數(shù)據(jù),輸入大小為610×340×103 的圖像.為提高計算效率,將原始圖像進行2 500 次分割,得到1 487 個超像素.將得到的超像素作為改進GraphSAGE 算法的節(jié)點,最終特征數(shù)設(shè)置為9,經(jīng)訓(xùn)練后輸出9 個數(shù)目為1 487 的張量,從而進行分類

    圖3 為不同方法的Pavia University 數(shù)據(jù)集分類結(jié)果,基于RDF 的支持向量機(RDF-SVM)需手動設(shè)置專業(yè)的參數(shù)提取特征,可能產(chǎn)生較多的誤分類; 二維卷積神經(jīng)網(wǎng)絡(luò)(2DCNN)無法靈活的獲得邊界信息,容易造成特征誤差; 傳統(tǒng)的GCN 只利用像素的光譜特征,無法表示其內(nèi)在相似性.分類結(jié)果表明,本文方法的分類結(jié)果和樣本分布圖具有高度一致性,可以很好地區(qū)分不同的地物類型,具有較強的空間相關(guān)性.在算法精度方面,表3 Pavia University 數(shù)據(jù)集上各種分類方法的分類評價指標表明,在總體分類精度(OA)、平均分類精度(AA)和Kappa 系數(shù)3 個精度指標上,本文分類方法的精度均優(yōu)于其他方法,改良方法的效果十分明顯.

    表3 Pavia University 數(shù)據(jù)集分類評價指標對比 (%)

    圖3 Pavia University 數(shù)據(jù)集分類結(jié)果

    Kenndy Space Center 數(shù)據(jù)集分類實驗的訓(xùn)練樣本和測試樣本數(shù)見表2.訓(xùn)練過程與Pavia University 數(shù)據(jù)集訓(xùn)練過程相同,原始圖像分割后得到1 462 個超像素,最終輸出13 個數(shù)目為1 462 的張量用于圖像分類過程.

    對比圖4 的樣本分布圖與其他算法分類圖,可以發(fā)現(xiàn)部分算法的分類結(jié)果存在誤差.將每一張分類圖的關(guān)鍵區(qū)域放大,其中,圖4(a)紅色圓圈中的地物類別是“Swamp”,圖4(b)中是“Mud flats”,這兩種地物類別具有相似的光譜特征.在所有的分類圖中,“Swamp”的部分像素被誤分類為“Mud flats”,其中,圖4(d)中的誤分類區(qū)域最小.結(jié)果表明,和Pavia University 數(shù)據(jù)集分類結(jié)果相似,分類結(jié)果和實際分類結(jié)果具有很好的一致性,可以很好地區(qū)分不同的地物類型.在算法精度方面,表4 中各種分類方法的分類評價指標表明,本文分類方法的精度遠高于GCN,略優(yōu)于RDF-SVM 和2DCNN,改良效果明顯.

    圖4 Kenndy Space Center 數(shù)據(jù)集分類結(jié)果

    表4 Kenndy Space Center 數(shù)據(jù)集分類評價指標對比(%)

    3.3 算法分析

    在原有GraphSAGE 算法的基礎(chǔ)上引入了SLIC 超像素分割算法,對Pavia University 和Kenndy Space Center原始圖像進行了2 500 次分割,將擁有數(shù)十萬像素的高光譜圖像降維成僅有數(shù)千個超像素的超像素圖像,即用少量的超像素代替大量的原始圖像像素來降低圖像維度,減少了圖節(jié)點個數(shù),進而降低后續(xù)計算復(fù)雜度.

    此外,對GraphSAGE 算法的采樣過程進行改進,引入平均采樣的思想.圖3 與圖4 可以看出,改進后的GraphSAGE 算法在Pavia University 和Kenndy Space Center 數(shù)據(jù)集上的分類結(jié)果與真實標簽結(jié)果十分相近,誤分類區(qū)域較少,尤其是在模型邊界處的分類效果較好.分析表明,平均采樣克服了有放回采樣引起特征誤差的問題,以階層節(jié)點的平均光譜特征補充采樣值,能解決圖像邊界采樣節(jié)點數(shù)不足的問題.由表3 與表4可知,改進的算法模型分類精度高于其他分類方法,在大部分物體上獲得了比較好的分類精度值.分析表明,改進的GraphSAGE 算法對各類物的識別具有很強的適用性,模型分類結(jié)果和實際分類結(jié)果高度一致,具有較強的空間相關(guān)性,進一步驗證了本文方法的優(yōu)越性.

    4 總結(jié)

    為了提高高光譜圖像的分類精度,本文提出了一種改進GraphSAGE 算法的高光譜圖像分類網(wǎng)絡(luò)模型.為減少圖節(jié)點個數(shù),降低計算復(fù)雜度,該模型引入了超像素分割算法對原始圖像進行預(yù)處理; 針對圖像邊界采樣節(jié)點個數(shù)不足和有放回采樣引起的特征誤差問題,通過平均采樣的方式補充邊界缺少的節(jié)點,降低了提取特征的誤差,提高了分類準確度.該模型在Pavia University 和Kenndy Space Center 數(shù)據(jù)集上達到了較高的分類精度,能有效降低計算復(fù)雜度,提高分類效率.通過一系列對比實驗評估本文模型的優(yōu)越性,結(jié)果表明,與RDF-SVM、2DCNN 和GCN 相比,改進的GraphSAGE算法彌補了邊界部分采樣節(jié)點不足的缺陷,提高了分類準確度.但本文網(wǎng)絡(luò)對鄰域大小的確定模式單一,下一步將會借助注意力機制自適應(yīng)的學(xué)習(xí)鄰居節(jié)點的個數(shù),加快網(wǎng)絡(luò)訓(xùn)練速度.

    猜你喜歡
    分類特征
    抓住特征巧觀察
    分類算一算
    垃圾分類的困惑你有嗎
    大眾健康(2021年6期)2021-06-08 19:30:06
    新型冠狀病毒及其流行病學(xué)特征認識
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    狂野欧美激情性xxxx在线观看| 少妇人妻精品综合一区二区| 欧美xxxx性猛交bbbb| 丝瓜视频免费看黄片| 宅男免费午夜| 国产精品成人在线| 制服人妻中文乱码| 韩国av在线不卡| 巨乳人妻的诱惑在线观看| 久久女婷五月综合色啪小说| 最新中文字幕久久久久| 校园人妻丝袜中文字幕| a级毛色黄片| 高清在线视频一区二区三区| 日韩欧美一区视频在线观看| 国产成人精品无人区| 国产福利在线免费观看视频| 久久久久视频综合| 又黄又粗又硬又大视频| 国产色爽女视频免费观看| 国产免费现黄频在线看| 人人妻人人澡人人看| 久久青草综合色| 久久99热6这里只有精品| 日韩电影二区| a级毛片在线看网站| 大片电影免费在线观看免费| 9热在线视频观看99| 免费黄频网站在线观看国产| 亚洲欧美精品自产自拍| 国产男人的电影天堂91| 人妻少妇偷人精品九色| 午夜视频国产福利| a级毛片在线看网站| 国产男女内射视频| 亚洲五月色婷婷综合| 天天影视国产精品| 永久网站在线| 免费av中文字幕在线| 9热在线视频观看99| 日韩电影二区| 久久99精品国语久久久| 观看美女的网站| 建设人人有责人人尽责人人享有的| 久久久精品免费免费高清| 亚洲一码二码三码区别大吗| 国产亚洲欧美精品永久| 亚洲精品日本国产第一区| 亚洲图色成人| 亚洲欧美色中文字幕在线| 久久久久久久久久久免费av| 18禁裸乳无遮挡动漫免费视频| 丰满少妇做爰视频| 国产日韩欧美在线精品| 91午夜精品亚洲一区二区三区| 大片电影免费在线观看免费| 日韩一区二区三区影片| 久久久久精品人妻al黑| 欧美日韩精品成人综合77777| xxxhd国产人妻xxx| 欧美亚洲日本最大视频资源| 黄色配什么色好看| 十分钟在线观看高清视频www| 18禁在线无遮挡免费观看视频| 高清毛片免费看| 性高湖久久久久久久久免费观看| 成人国语在线视频| 97精品久久久久久久久久精品| 美女内射精品一级片tv| 亚洲av综合色区一区| 久久这里有精品视频免费| 大香蕉久久网| 草草在线视频免费看| 久久 成人 亚洲| 男人舔女人的私密视频| 亚洲精品久久成人aⅴ小说| 久久久久国产网址| 美女脱内裤让男人舔精品视频| 天堂中文最新版在线下载| 伦理电影大哥的女人| 99国产精品免费福利视频| 大香蕉久久网| 国产免费一级a男人的天堂| 日韩人妻精品一区2区三区| 亚洲色图 男人天堂 中文字幕 | 久久久久视频综合| 成人国语在线视频| 欧美少妇被猛烈插入视频| 国产成人av激情在线播放| 婷婷色综合www| 99热全是精品| 九九爱精品视频在线观看| 成人综合一区亚洲| 午夜老司机福利剧场| 久久久久久人人人人人| 插逼视频在线观看| 一级a做视频免费观看| 人妻少妇偷人精品九色| 午夜视频国产福利| 91国产中文字幕| 久久精品久久精品一区二区三区| av在线app专区| 国产精品久久久久久久电影| 少妇的丰满在线观看| 国产精品嫩草影院av在线观看| 亚洲国产看品久久| 日韩av不卡免费在线播放| 狂野欧美激情性xxxx在线观看| 韩国高清视频一区二区三区| 国产精品一区二区在线观看99| av免费在线看不卡| 亚洲人与动物交配视频| 国产成人精品福利久久| 欧美精品国产亚洲| 亚洲av综合色区一区| 国产成人精品福利久久| 国产成人精品婷婷| 香蕉精品网在线| 久久精品人人爽人人爽视色| 国产成人精品婷婷| 女人被躁到高潮嗷嗷叫费观| 天堂中文最新版在线下载| 国产精品三级大全| 黑人猛操日本美女一级片| 美女内射精品一级片tv| 欧美3d第一页| 宅男免费午夜| 日韩精品有码人妻一区| 女性被躁到高潮视频| 成年女人在线观看亚洲视频| 99香蕉大伊视频| 99九九在线精品视频| 日本欧美视频一区| 男人操女人黄网站| 99久国产av精品国产电影| 亚洲第一av免费看| 五月伊人婷婷丁香| 男人爽女人下面视频在线观看| 国产成人午夜福利电影在线观看| 国产极品粉嫩免费观看在线| 欧美国产精品va在线观看不卡| 秋霞伦理黄片| 精品国产乱码久久久久久小说| 美国免费a级毛片| 国产淫语在线视频| 69精品国产乱码久久久| 国产老妇伦熟女老妇高清| 热99久久久久精品小说推荐| 精品一区二区免费观看| 亚洲欧美一区二区三区国产| 国产白丝娇喘喷水9色精品| av片东京热男人的天堂| 久久精品夜色国产| 黑丝袜美女国产一区| 亚洲国产欧美在线一区| 亚洲精品456在线播放app| 成人亚洲精品一区在线观看| 黑人猛操日本美女一级片| 国产一级毛片在线| 欧美日韩综合久久久久久| 自拍欧美九色日韩亚洲蝌蚪91| 欧美xxxx性猛交bbbb| 日韩,欧美,国产一区二区三区| 亚洲综合色惰| 人妻系列 视频| 岛国毛片在线播放| 色哟哟·www| 亚洲精品456在线播放app| 99国产综合亚洲精品| 高清av免费在线| 少妇熟女欧美另类| 99国产综合亚洲精品| 一级毛片电影观看| 内地一区二区视频在线| 国产黄色免费在线视频| 高清欧美精品videossex| 国产精品国产av在线观看| 欧美人与性动交α欧美精品济南到 | 欧美日韩综合久久久久久| 免费久久久久久久精品成人欧美视频 | 精品人妻在线不人妻| 一区在线观看完整版| av电影中文网址| 久热这里只有精品99| 香蕉国产在线看| 王馨瑶露胸无遮挡在线观看| 亚洲国产精品999| 少妇人妻 视频| 男人爽女人下面视频在线观看| 久久精品国产亚洲av涩爱| 久久久久久伊人网av| 最近2019中文字幕mv第一页| 看免费成人av毛片| 97在线视频观看| 中文字幕亚洲精品专区| 久久久亚洲精品成人影院| 最近中文字幕高清免费大全6| videos熟女内射| 久久99精品国语久久久| 久久久久网色| 五月开心婷婷网| 高清av免费在线| 晚上一个人看的免费电影| 日本-黄色视频高清免费观看| 久久热在线av| 日韩视频在线欧美| 国产麻豆69| 午夜激情av网站| 大香蕉久久网| 久久热在线av| 精品一品国产午夜福利视频| 久久精品国产自在天天线| 中文乱码字字幕精品一区二区三区| 精品少妇黑人巨大在线播放| 欧美另类一区| 久久久久久久亚洲中文字幕| 人人妻人人澡人人看| 国产黄色视频一区二区在线观看| av.在线天堂| 人人妻人人添人人爽欧美一区卜| 国产精品久久久av美女十八| 26uuu在线亚洲综合色| 曰老女人黄片| 九九在线视频观看精品| 黄色怎么调成土黄色| 在线观看一区二区三区激情| 日韩不卡一区二区三区视频在线| 在线观看www视频免费| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕av电影在线播放| 精品国产一区二区三区四区第35| 五月伊人婷婷丁香| 精品国产国语对白av| 欧美 日韩 精品 国产| 亚洲高清免费不卡视频| 久热久热在线精品观看| 亚洲在久久综合| 国产福利在线免费观看视频| 韩国高清视频一区二区三区| 午夜视频国产福利| 亚洲精品自拍成人| 亚洲成国产人片在线观看| 国产免费视频播放在线视频| 天天躁夜夜躁狠狠躁躁| 国产一区二区激情短视频 | 夜夜爽夜夜爽视频| 最近最新中文字幕大全免费视频 | 性色avwww在线观看| 国产高清三级在线| 国产免费福利视频在线观看| 国产激情久久老熟女| 咕卡用的链子| 日日啪夜夜爽| 成人免费观看视频高清| 99热国产这里只有精品6| 久久青草综合色| 飞空精品影院首页| 免费看光身美女| 日本午夜av视频| 天堂8中文在线网| 飞空精品影院首页| 免费在线观看完整版高清| 黄片无遮挡物在线观看| 久久人人爽av亚洲精品天堂| 成人二区视频| 亚洲中文av在线| 日韩不卡一区二区三区视频在线| 咕卡用的链子| 男女无遮挡免费网站观看| 18在线观看网站| 黄色怎么调成土黄色| 天天躁夜夜躁狠狠躁躁| 插逼视频在线观看| 七月丁香在线播放| 日本欧美国产在线视频| 国产又爽黄色视频| 人成视频在线观看免费观看| 我的女老师完整版在线观看| 嫩草影院入口| videos熟女内射| 国产熟女欧美一区二区| 精品国产一区二区久久| 国产成人a∨麻豆精品| 亚洲少妇的诱惑av| 99国产综合亚洲精品| 国产国拍精品亚洲av在线观看| 久久久久精品性色| 久久婷婷青草| 国产极品天堂在线| 欧美性感艳星| 青春草国产在线视频| 日韩成人伦理影院| 国产 一区精品| 久久综合国产亚洲精品| 美女视频免费永久观看网站| 免费大片黄手机在线观看| 日韩制服骚丝袜av| 18禁在线无遮挡免费观看视频| 乱人伦中国视频| 国产福利在线免费观看视频| 国产亚洲最大av| 亚洲av综合色区一区| 色94色欧美一区二区| 十分钟在线观看高清视频www| 国产精品嫩草影院av在线观看| 亚洲人成网站在线观看播放| 一区二区三区精品91| 国精品久久久久久国模美| 十八禁高潮呻吟视频| 久久人妻熟女aⅴ| 国产男女内射视频| 亚洲精品成人av观看孕妇| 热99久久久久精品小说推荐| 婷婷色麻豆天堂久久| 搡老乐熟女国产| 狠狠精品人妻久久久久久综合| 黑丝袜美女国产一区| 在线观看三级黄色| 国产精品国产三级国产专区5o| 日韩成人伦理影院| 又大又黄又爽视频免费| 在现免费观看毛片| 日韩在线高清观看一区二区三区| 亚洲熟女精品中文字幕| 嫩草影院入口| 国产免费又黄又爽又色| 亚洲av国产av综合av卡| 中文字幕av电影在线播放| 国产免费又黄又爽又色| 国产一区二区三区av在线| av国产久精品久网站免费入址| 青春草视频在线免费观看| freevideosex欧美| 国产1区2区3区精品| 日日啪夜夜爽| 欧美精品人与动牲交sv欧美| 自拍欧美九色日韩亚洲蝌蚪91| 免费看av在线观看网站| 国产在线免费精品| 少妇的丰满在线观看| 秋霞在线观看毛片| 看十八女毛片水多多多| 男女高潮啪啪啪动态图| 亚洲精华国产精华液的使用体验| 久久久久人妻精品一区果冻| 成年动漫av网址| 街头女战士在线观看网站| 久久综合国产亚洲精品| 久久久久久久国产电影| 久久久国产精品麻豆| 亚洲一级一片aⅴ在线观看| 99久国产av精品国产电影| 久久久精品免费免费高清| 视频在线观看一区二区三区| 久久ye,这里只有精品| 女的被弄到高潮叫床怎么办| 最近最新中文字幕大全免费视频 | 久久人妻熟女aⅴ| 春色校园在线视频观看| 日本黄大片高清| 亚洲欧美清纯卡通| 国产白丝娇喘喷水9色精品| 欧美少妇被猛烈插入视频| 亚洲av在线观看美女高潮| 亚洲欧美一区二区三区黑人 | 精品一区在线观看国产| 欧美成人精品欧美一级黄| 欧美最新免费一区二区三区| 国产精品欧美亚洲77777| 蜜桃国产av成人99| 天堂中文最新版在线下载| 街头女战士在线观看网站| 午夜老司机福利剧场| 久久毛片免费看一区二区三区| 亚洲美女黄色视频免费看| 中文字幕av电影在线播放| 精品一区二区三卡| 波多野结衣一区麻豆| 亚洲av综合色区一区| 欧美日韩视频精品一区| 亚洲国产成人一精品久久久| 亚洲国产av新网站| 乱码一卡2卡4卡精品| 免费不卡的大黄色大毛片视频在线观看| 精品亚洲成国产av| 国产国拍精品亚洲av在线观看| 久久精品熟女亚洲av麻豆精品| 国产精品三级大全| 国产伦理片在线播放av一区| av在线播放精品| 岛国毛片在线播放| 最后的刺客免费高清国语| 国产熟女欧美一区二区| 曰老女人黄片| 欧美日韩成人在线一区二区| 国产精品蜜桃在线观看| 少妇人妻久久综合中文| 久久国产精品男人的天堂亚洲 | 欧美激情 高清一区二区三区| 人人澡人人妻人| 免费看光身美女| 亚洲欧美日韩卡通动漫| 欧美激情极品国产一区二区三区 | 国产一区二区激情短视频 | 熟女电影av网| 欧美少妇被猛烈插入视频| 极品少妇高潮喷水抽搐| 免费高清在线观看视频在线观看| 日韩欧美精品免费久久| 热99久久久久精品小说推荐| 亚洲美女视频黄频| 国产亚洲一区二区精品| 欧美亚洲 丝袜 人妻 在线| 国产69精品久久久久777片| 亚洲熟女精品中文字幕| 韩国高清视频一区二区三区| 边亲边吃奶的免费视频| 亚洲色图综合在线观看| 免费人成在线观看视频色| 国产精品一国产av| 2021少妇久久久久久久久久久| 国产精品不卡视频一区二区| 国产成人免费观看mmmm| 欧美成人午夜精品| 精品熟女少妇av免费看| 久久97久久精品| 午夜福利乱码中文字幕| 七月丁香在线播放| 成年动漫av网址| 国产精品一区二区在线不卡| 亚洲丝袜综合中文字幕| 日日撸夜夜添| 中文字幕亚洲精品专区| 精品福利永久在线观看| av在线播放精品| 国产不卡av网站在线观看| 精品久久久久久电影网| 飞空精品影院首页| 最新的欧美精品一区二区| 男人爽女人下面视频在线观看| 久久久久久久久久人人人人人人| 色视频在线一区二区三区| 午夜视频国产福利| 国产视频首页在线观看| 九草在线视频观看| 亚洲国产最新在线播放| 精品福利永久在线观看| 亚洲国产色片| 全区人妻精品视频| av国产精品久久久久影院| 在线观看免费视频网站a站| 一区二区av电影网| 欧美成人午夜精品| 成人毛片60女人毛片免费| 天美传媒精品一区二区| 午夜免费观看网址| 少妇的丰满在线观看| 成年版毛片免费区| 欧美日韩视频精品一区| videos熟女内射| 国产激情久久老熟女| 亚洲国产看品久久| 777米奇影视久久| 午夜福利视频在线观看免费| 在线观看免费午夜福利视频| 黄网站色视频无遮挡免费观看| 久久中文字幕一级| 国产99久久九九免费精品| 91麻豆精品激情在线观看国产 | 免费不卡黄色视频| 黑人巨大精品欧美一区二区蜜桃| 亚洲一卡2卡3卡4卡5卡精品中文| 精品一区二区三区视频在线观看免费 | 女性生殖器流出的白浆| 男男h啪啪无遮挡| 99在线人妻在线中文字幕 | 欧美黑人精品巨大| 最新在线观看一区二区三区| 男人舔女人的私密视频| 欧美日韩视频精品一区| 亚洲欧美精品综合一区二区三区| 亚洲精品中文字幕一二三四区| 天天躁日日躁夜夜躁夜夜| 人人妻人人澡人人爽人人夜夜| 国产99久久九九免费精品| 亚洲熟妇中文字幕五十中出 | 中文字幕精品免费在线观看视频| 久久久久国内视频| 韩国精品一区二区三区| www.精华液| 欧美老熟妇乱子伦牲交| 国产人伦9x9x在线观看| 久久精品熟女亚洲av麻豆精品| 首页视频小说图片口味搜索| 大型黄色视频在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 丰满饥渴人妻一区二区三| 久久亚洲真实| 两性午夜刺激爽爽歪歪视频在线观看 | 水蜜桃什么品种好| 精品熟女少妇八av免费久了| 欧美在线黄色| 久久青草综合色| 性色av乱码一区二区三区2| 亚洲精品成人av观看孕妇| 又大又爽又粗| 女同久久另类99精品国产91| 亚洲七黄色美女视频| 精品卡一卡二卡四卡免费| 国产三级黄色录像| 精品久久久久久久久久免费视频 | 老司机靠b影院| 一级作爱视频免费观看| 国产成人欧美| 波多野结衣一区麻豆| 在线观看www视频免费| 国产精华一区二区三区| 久久国产精品影院| 亚洲一区二区三区欧美精品| 日本欧美视频一区| 国产片内射在线| 国产免费现黄频在线看| 下体分泌物呈黄色| 欧美日韩福利视频一区二区| 男人舔女人的私密视频| 日本vs欧美在线观看视频| 国产男靠女视频免费网站| 久久这里只有精品19| www.自偷自拍.com| 国产成人一区二区三区免费视频网站| 国产精品综合久久久久久久免费 | 变态另类成人亚洲欧美熟女 | 国产精品偷伦视频观看了| 亚洲少妇的诱惑av| 久久人妻av系列| 日韩欧美免费精品| 不卡一级毛片| 女人被狂操c到高潮| 亚洲成人国产一区在线观看| 一本综合久久免费| 一边摸一边抽搐一进一小说 | 夫妻午夜视频| videosex国产| 亚洲精品成人av观看孕妇| 性少妇av在线| 精品乱码久久久久久99久播| 亚洲自偷自拍图片 自拍| 久久午夜亚洲精品久久| 99re在线观看精品视频| 日日爽夜夜爽网站| 日韩人妻精品一区2区三区| 亚洲av成人不卡在线观看播放网| 国内久久婷婷六月综合欲色啪| 国产精品一区二区在线观看99| 在线观看66精品国产| 日韩一卡2卡3卡4卡2021年| 欧美av亚洲av综合av国产av| 熟女少妇亚洲综合色aaa.| 一进一出好大好爽视频| 脱女人内裤的视频| 99国产综合亚洲精品| 国产精品98久久久久久宅男小说| 国产精品成人在线| 亚洲 国产 在线| 首页视频小说图片口味搜索| 亚洲国产看品久久| 欧美大码av| 丰满的人妻完整版| 黄片播放在线免费| 色94色欧美一区二区| 又紧又爽又黄一区二区| 精品久久久久久电影网| 免费在线观看完整版高清| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲人成电影免费在线| 精品一区二区三卡| 一区二区三区国产精品乱码| 十八禁人妻一区二区| 国产在线观看jvid| 日日摸夜夜添夜夜添小说| 1024视频免费在线观看| 免费看a级黄色片| 国产精品一区二区免费欧美| 满18在线观看网站| www.自偷自拍.com| 久久国产精品人妻蜜桃| 高清黄色对白视频在线免费看| 久久人人97超碰香蕉20202| 欧美日韩亚洲国产一区二区在线观看 | 久9热在线精品视频| 一区福利在线观看| 91在线观看av| 成人黄色视频免费在线看| 久久精品aⅴ一区二区三区四区| netflix在线观看网站| 两性夫妻黄色片| 国产xxxxx性猛交| 亚洲中文日韩欧美视频| 99riav亚洲国产免费| 成人国产一区最新在线观看| 久久人妻av系列| 大型av网站在线播放| 国产精品影院久久| 50天的宝宝边吃奶边哭怎么回事| 亚洲黑人精品在线| 国产在线一区二区三区精| 精品一区二区三区av网在线观看| 大型av网站在线播放| 日本五十路高清| 久久青草综合色| 亚洲一区二区三区欧美精品| 亚洲欧美色中文字幕在线| 美女福利国产在线| 十八禁人妻一区二区| 国产不卡一卡二|