• <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(jìn)GraphSAGE的高光譜圖像分類(lèi)①

    2022-11-07 09:08:16尤晨欣吳向東王雨松歐運(yùn)起
    關(guān)鍵詞:分類(lèi)特征

    尤晨欣,吳向東,王雨松,歐運(yùn)起

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

    2(長(zhǎng)安大學(xué) 公路學(xué)院,西安 710064)

    近年來(lái),高光譜圖像分類(lèi)在軍事目標(biāo)檢測(cè)和災(zāi)害防控等領(lǐng)域受到越來(lái)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(gè)光譜波段組成,有助于更加精細(xì)地實(shí)現(xiàn)地物分類(lèi)和目標(biāo)識(shí)別.高光譜圖像具有較高的空間分辨率,可以識(shí)別各種土地覆蓋類(lèi)型[2].早期的高光譜圖像分類(lèi)方法旨在提升分類(lèi)性能,比如支持向量機(jī)[3]等; 之后,出現(xiàn)一些利用特征提取技術(shù)進(jìn)行高光譜圖像分類(lèi)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(guò)建立函數(shù)映射以期分離高維空間中的光譜信息,實(shí)現(xiàn)地物分類(lèi).早期的高光譜圖像分類(lèi)方法中的圖結(jié)構(gòu)均為人工構(gòu)造,無(wú)法捕捉不同類(lèi)之間的細(xì)微差別和同類(lèi)之間的大差別,普適性差且分類(lèi)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(lèi)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(dòng)態(tài)圖卷積網(wǎng)絡(luò),用于捕獲遠(yuǎn)程上下文關(guān)系,細(xì)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(shí)處理標(biāo)記和未標(biāo)記樣本數(shù)據(jù),對(duì)圖像中的所有像素節(jié)點(diǎn)進(jìn)行分類(lèi)處理; Sellars 等[10]提出一種基于圖論的超像素高光譜圖像分類(lèi)算法,降低了算法復(fù)雜度.此外,通過(guò)多尺度和小批次處理高光譜圖像成為近期研究的熱點(diǎn),建立不同鄰域的多個(gè)輸入圖,利用不同尺度的光譜空間相關(guān)性細(xì)化圖信息[11-13]; Yang 等[14]通過(guò)GraphSAGE 歸納學(xué)習(xí)的方式構(gòu)造圖結(jié)構(gòu),對(duì)于采樣節(jié)點(diǎn)數(shù)不足的情況,采取有放回的節(jié)點(diǎn)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(lèi)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(jìn)GraphSAGE 的高光譜圖像分類(lèi)方法.首先采用簡(jiǎn)單線性迭代聚類(lèi)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(diǎn)數(shù); 再通過(guò)改進(jìn)的GraphSAGE 算法生成目標(biāo)節(jié)點(diǎn)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(diǎn)的信息.通過(guò)提取空間光譜信息來(lái)提高性能,既無(wú)須對(duì)整張圖進(jìn)行節(jié)點(diǎn)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(lèi)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(jìn)行節(jié)點(diǎn)嵌入,無(wú)法為未見(jiàn)節(jié)點(diǎn)或者全新子圖生成快速嵌入.為解決這種問(wèn)題,Hamilton 等[16]提出了GraphSAGE算法,通過(guò)學(xué)習(xí)一個(gè)嵌入函數(shù),利用節(jié)點(diǎn)的局部鄰域取樣和聚合特征,實(shí)現(xiàn)未見(jiàn)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(duì)于已知無(wú)向圖G=(V,E),其中,V表示節(jié)點(diǎn)集,E表示邊集.所有的節(jié)點(diǎn)v∈V,需要學(xué)習(xí)K個(gè)函數(shù)來(lái)聚合當(dāng)前節(jié)點(diǎn)的鄰域特征,具體做法如下.

    (1)采樣: 通過(guò)隨機(jī)游走的方式獲取目標(biāo)節(jié)點(diǎn),考慮到計(jì)算效率,以有放回采樣的方式抽取目標(biāo)節(jié)點(diǎn)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(biāo)節(jié)點(diǎn)的搜索深度.

    (2)聚合: 通過(guò)選取聚合函數(shù)聚合鄰居節(jié)點(diǎn),更新自身節(jié)點(diǎn)信息.本文選取平均聚合的方式對(duì)鄰居節(jié)點(diǎn)進(jìn)行聚合,將目標(biāo)節(jié)點(diǎn)與鄰居節(jié)點(diǎn)的第K-1層向量拼接起來(lái),再對(duì)向量的每個(gè)維度求均值,最終通過(guò)非線性變換產(chǎn)生目標(biāo)節(jié)點(diǎn)的第K層表示向量,具體實(shí)現(xiàn)如下:

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

    通過(guò)聚合后節(jié)點(diǎn)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(diǎn)嵌入需要所有節(jié)點(diǎn)參與訓(xùn)練過(guò)程,而GraphSAGE 算法通過(guò)聚合鄰居節(jié)點(diǎn)的特征信息,為局部圖節(jié)點(diǎn)獲取嵌入向量.新的圖結(jié)構(gòu)的節(jié)點(diǎn)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(jìn)行節(jié)點(diǎn)分類(lèi).

    2 改進(jìn)GraphSAGE 的高光譜圖像分類(lèi)算法

    2.1 總體架構(gòu)

    本文總體架構(gòu)流程如圖2 所示.對(duì)于給定的高光譜圖像,先對(duì)其進(jìn)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(jìn)的GraphSAGE 算法對(duì)這些超像素進(jìn)行平均采樣并聚合節(jié)點(diǎn)信息,使同類(lèi)的超像素聚合到一起,再對(duì)輸入圖生成節(jié)點(diǎn)嵌入; 最后將生成的低維向量輸入到全連接層進(jìn)行分類(lèi),再輸出分類(lèi)結(jié)果.

    圖2 改進(jìn)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(wàn)像素,且某些像素的差別不明顯,在節(jié)點(diǎn)嵌入和分類(lèi)過(guò)程中容易增大計(jì)算復(fù)雜度.為了解決這個(gè)問(wèn)題,采用SLIC 算法實(shí)現(xiàn)超像素分割,實(shí)現(xiàn)過(guò)程如下: 首先將原始圖像數(shù)據(jù)進(jìn)行均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化,再將其分割成空間連通且光譜相似性很強(qiáng)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(gè)圖節(jié)點(diǎn),并通過(guò)梯度下降法更新節(jié)點(diǎn)矩陣;最后通過(guò)建立超像素之間的鄰接關(guān)系,將高光譜圖像轉(zhuǎn)換成無(wú)向圖,構(gòu)造超像素圖像的特征以及標(biāo)簽.將高光譜圖像分割為超像素能顯著減少圖節(jié)點(diǎn)的個(gè)數(shù),有助于保存局部結(jié)構(gòu)信息,提高計(jì)算效率.

    2.3 改進(jìn)的GraphSAGE 算法

    由于在采集高光譜圖像的過(guò)程中不可避免地會(huì)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(jī)性.針對(duì)傳統(tǒng)GraphSAGE 算法中圖像邊界采樣節(jié)點(diǎn)數(shù)不足以及有放回的采樣引起特征誤差的問(wèn)題,本文提出平均采樣的GraphSAGE 模型,采樣過(guò)程的具體實(shí)現(xiàn)流程如算法1 所示.

    算法1 改進(jìn)GraphSAGE 算法的平均采樣具體思想是: 每一次迭代,對(duì)目標(biāo)節(jié)點(diǎn)v的k階鄰居節(jié)點(diǎn)進(jìn)行采樣,V(k)表示第k層的節(jié)點(diǎn),K表示采樣的層數(shù).對(duì)目標(biāo)節(jié)點(diǎn)采樣時(shí)按照k=K,···,1的順序,以達(dá)到聚合過(guò)程中按照k=1,···,K的順序聚合的目的.若節(jié)點(diǎn)u是V(k)的鄰居,則取為鄰居節(jié)點(diǎn).若階層節(jié)點(diǎn)個(gè)數(shù)達(dá)不到采樣值,取本階層節(jié)點(diǎn)的平均光譜特征作為補(bǔ)充,此過(guò)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(shí)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(diǎn),然后學(xué)習(xí)聚合函數(shù)對(duì)鄰居節(jié)點(diǎn)的信息進(jìn)行聚合得到信息; 最后獲得圖中每個(gè)節(jié)點(diǎn)的低維向量表示供下游學(xué)習(xí).經(jīng)過(guò)改進(jìn)的GraphSAGE 層得到的低維向量作為全連接層的輸入,經(jīng)過(guò)Softmax 激活函數(shù),預(yù)測(cè)目標(biāo)節(jié)點(diǎn)的標(biāo)簽,從而得到真實(shí)值與分類(lèi)輸出值之間的差異; 最后使用NLL loss 損失函數(shù)進(jìn)行反向傳播.

    NLL loss 函數(shù)如式(4)所示:

    算法2.平均GraphSAGE 節(jié)點(diǎn)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(yàn)證本文所提網(wǎng)絡(luò)模型的有效性,在公開(kāi)的Pavia University 和Kenndy Space Center 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),并和其他算法的分類(lèi)結(jié)果進(jìn)行了對(duì)比.

    (1)Pavia University 數(shù)據(jù)集,見(jiàn)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(gè)像素以及115 個(gè)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(gè)波段,包含9 個(gè)地物類(lèi)別.

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

    (2)Kenndy Space Center 數(shù)據(jù)集,見(jiàn)表2.該數(shù)據(jù)集是在美國(guó)肯尼迪航天中心上空獲得的,圖像包含224 個(gè)波段和614×512 個(gè)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(gè)波段,包含13 個(gè)地物類(lèi)別.

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

    3.2 仿真實(shí)現(xiàn)

    本文采用改進(jìn)GraphSAGE 算法對(duì)Pavia University和Kenndy Space Center 兩個(gè)數(shù)據(jù)集進(jìn)行分類(lèi)實(shí)驗(yàn),取數(shù)據(jù)集的10%作為訓(xùn)練樣本,剩余90%作為測(cè)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(guò)程中,設(shè)置采樣層數(shù)K=2,聚合二階鄰居特征,對(duì)一階鄰居抽樣5,二階鄰居抽樣15.

    Pavia University 數(shù)據(jù)集分類(lèi)實(shí)驗(yàn)的訓(xùn)練樣本和測(cè)試樣本數(shù)見(jiàn)表1.將標(biāo)準(zhǔn)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(jì)算效率,將原始圖像進(jìn)行2 500 次分割,得到1 487 個(gè)超像素.將得到的超像素作為改進(jìn)GraphSAGE 算法的節(jié)點(diǎn),最終特征數(shù)設(shè)置為9,經(jīng)訓(xùn)練后輸出9 個(gè)數(shù)目為1 487 的張量,從而進(jìn)行分類(lèi)

    圖3 為不同方法的Pavia University 數(shù)據(jù)集分類(lèi)結(jié)果,基于RDF 的支持向量機(jī)(RDF-SVM)需手動(dòng)設(shè)置專(zhuān)業(yè)的參數(shù)提取特征,可能產(chǎn)生較多的誤分類(lèi); 二維卷積神經(jīng)網(wǎng)絡(luò)(2DCNN)無(wú)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(wú)法表示其內(nèi)在相似性.分類(lèi)結(jié)果表明,本文方法的分類(lèi)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(lèi)型,具有較強(qiáng)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(lèi)方法的分類(lèi)評(píng)價(jià)指標(biāo)表明,在總體分類(lèi)精度(OA)、平均分類(lèi)精度(AA)和Kappa 系數(shù)3 個(gè)精度指標(biāo)上,本文分類(lèi)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(lèi)評(píng)價(jià)指標(biāo)對(duì)比 (%)

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

    Kenndy Space Center 數(shù)據(jù)集分類(lèi)實(shí)驗(yàn)的訓(xùn)練樣本和測(cè)試樣本數(shù)見(jiàn)表2.訓(xùn)練過(guò)程與Pavia University 數(shù)據(jù)集訓(xùn)練過(guò)程相同,原始圖像分割后得到1 462 個(gè)超像素,最終輸出13 個(gè)數(shù)目為1 462 的張量用于圖像分類(lèi)過(guò)程.

    對(duì)比圖4 的樣本分布圖與其他算法分類(lèi)圖,可以發(fā)現(xiàn)部分算法的分類(lèi)結(jié)果存在誤差.將每一張分類(lèi)圖的關(guān)鍵區(qū)域放大,其中,圖4(a)紅色圓圈中的地物類(lèi)別是“Swamp”,圖4(b)中是“Mud flats”,這兩種地物類(lèi)別具有相似的光譜特征.在所有的分類(lèi)圖中,“Swamp”的部分像素被誤分類(lèi)為“Mud flats”,其中,圖4(d)中的誤分類(lèi)區(qū)域最小.結(jié)果表明,和Pavia University 數(shù)據(jù)集分類(lèi)結(jié)果相似,分類(lèi)結(jié)果和實(shí)際分類(lèi)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(lèi)型.在算法精度方面,表4 中各種分類(lèi)方法的分類(lèi)評(píng)價(jià)指標(biāo)表明,本文分類(lèi)方法的精度遠(yuǎn)高于GCN,略?xún)?yōu)于RDF-SVM 和2DCNN,改良效果明顯.

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

    表4 Kenndy Space Center 數(shù)據(jù)集分類(lèi)評(píng)價(jià)指標(biāo)對(duì)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(duì)Pavia University 和Kenndy Space Center原始圖像進(jìn)行了2 500 次分割,將擁有數(shù)十萬(wàn)像素的高光譜圖像降維成僅有數(shù)千個(gè)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(lái)降低圖像維度,減少了圖節(jié)點(diǎn)個(gè)數(shù),進(jìn)而降低后續(xù)計(jì)算復(fù)雜度.

    此外,對(duì)GraphSAGE 算法的采樣過(guò)程進(jìn)行改進(jìn),引入平均采樣的思想.圖3 與圖4 可以看出,改進(jìn)后的GraphSAGE 算法在Pavia University 和Kenndy Space Center 數(shù)據(jù)集上的分類(lèi)結(jié)果與真實(shí)標(biāo)簽結(jié)果十分相近,誤分類(lèi)區(qū)域較少,尤其是在模型邊界處的分類(lèi)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(wèn)題,以階層節(jié)點(diǎn)的平均光譜特征補(bǔ)充采樣值,能解決圖像邊界采樣節(jié)點(diǎn)數(shù)不足的問(wèn)題.由表3 與表4可知,改進(jìn)的算法模型分類(lèi)精度高于其他分類(lèi)方法,在大部分物體上獲得了比較好的分類(lèi)精度值.分析表明,改進(jìn)的GraphSAGE 算法對(duì)各類(lèi)物的識(shí)別具有很強(qiáng)的適用性,模型分類(lèi)結(jié)果和實(shí)際分類(lèi)結(jié)果高度一致,具有較強(qiáng)的空間相關(guān)性,進(jìn)一步驗(yàn)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(lèi)精度,本文提出了一種改進(jìn)GraphSAGE 算法的高光譜圖像分類(lèi)網(wǎng)絡(luò)模型.為減少圖節(jié)點(diǎn)個(gè)數(shù),降低計(jì)算復(fù)雜度,該模型引入了超像素分割算法對(duì)原始圖像進(jìn)行預(yù)處理; 針對(duì)圖像邊界采樣節(jié)點(diǎn)個(gè)數(shù)不足和有放回采樣引起的特征誤差問(wèn)題,通過(guò)平均采樣的方式補(bǔ)充邊界缺少的節(jié)點(diǎn),降低了提取特征的誤差,提高了分類(lèi)準(zhǔn)確度.該模型在Pavia University 和Kenndy Space Center 數(shù)據(jù)集上達(dá)到了較高的分類(lèi)精度,能有效降低計(jì)算復(fù)雜度,提高分類(lèi)效率.通過(guò)一系列對(duì)比實(shí)驗(yàn)評(píng)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(jìn)的GraphSAGE算法彌補(bǔ)了邊界部分采樣節(jié)點(diǎn)不足的缺陷,提高了分類(lèi)準(zhǔn)確度.但本文網(wǎng)絡(luò)對(duì)鄰域大小的確定模式單一,下一步將會(huì)借助注意力機(jī)制自適應(yīng)的學(xué)習(xí)鄰居節(jié)點(diǎn)的個(gè)數(shù),加快網(wǎng)絡(luò)訓(xùn)練速度.

    猜你喜歡
    分類(lèi)特征
    抓住特征巧觀察
    分類(lèi)算一算
    垃圾分類(lèi)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(rèn)識(shí)
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    分類(lèi)討論求坐標(biāo)
    數(shù)據(jù)分析中的分類(lèi)討論
    教你一招:數(shù)的分類(lèi)
    抓住特征巧觀察
    精品卡一卡二卡四卡免费| 丝袜喷水一区| 熟女人妻精品中文字幕| 国内精品宾馆在线| 免费日韩欧美在线观看| 九色亚洲精品在线播放| 久久久国产一区二区| 99热国产这里只有精品6| 人人妻人人澡人人爽人人夜夜| 国产精品.久久久| 女人久久www免费人成看片| 日韩,欧美,国产一区二区三区| www.av在线官网国产| av视频免费观看在线观看| 18+在线观看网站| 亚洲丝袜综合中文字幕| 国产色婷婷99| 男人舔女人的私密视频| 久久久国产欧美日韩av| 国产在视频线精品| 看非洲黑人一级黄片| 婷婷色麻豆天堂久久| 欧美xxⅹ黑人| 免费大片黄手机在线观看| 黄色配什么色好看| 女人久久www免费人成看片| 久久女婷五月综合色啪小说| 天堂中文最新版在线下载| 中文字幕另类日韩欧美亚洲嫩草| 国产免费福利视频在线观看| 成人毛片60女人毛片免费| 免费观看在线日韩| 国产成人精品久久久久久| 免费高清在线观看视频在线观看| 国产熟女午夜一区二区三区| 亚洲av男天堂| 在线观看国产h片| 热99国产精品久久久久久7| 久久精品国产鲁丝片午夜精品| 国产成人精品福利久久| 亚洲美女视频黄频| 少妇猛男粗大的猛烈进出视频| 国产精品久久久久久精品古装| 高清视频免费观看一区二区| 欧美日韩精品成人综合77777| 青青草视频在线视频观看| 免费黄色在线免费观看| 国产又色又爽无遮挡免| 亚洲一区二区三区欧美精品| 久久久久人妻精品一区果冻| 日韩一区二区三区影片| 国产不卡av网站在线观看| 欧美精品一区二区大全| 精品一区在线观看国产| 妹子高潮喷水视频| 免费在线观看完整版高清| 国产免费一级a男人的天堂| 成人国语在线视频| 国产 精品1| 午夜视频国产福利| 大话2 男鬼变身卡| 男女国产视频网站| 蜜桃国产av成人99| 亚洲经典国产精华液单| 亚洲综合色惰| 国产精品一区www在线观看| 欧美97在线视频| 大香蕉久久网| 插逼视频在线观看| 日韩中文字幕视频在线看片| videossex国产| 我要看黄色一级片免费的| 天美传媒精品一区二区| 午夜久久久在线观看| 亚洲国产看品久久| 欧美 亚洲 国产 日韩一| 国产永久视频网站| 91久久精品国产一区二区三区| 国产爽快片一区二区三区| 亚洲精品日本国产第一区| 人妻人人澡人人爽人人| 久久综合国产亚洲精品| 午夜激情久久久久久久| 各种免费的搞黄视频| 亚洲av男天堂| 国产熟女午夜一区二区三区| 亚洲av中文av极速乱| 国产免费福利视频在线观看| 黄色一级大片看看| 国产精品一区二区在线观看99| 日本免费在线观看一区| 久久99蜜桃精品久久| 欧美性感艳星| 熟女人妻精品中文字幕| 男人添女人高潮全过程视频| 人成视频在线观看免费观看| 日韩av不卡免费在线播放| 啦啦啦在线观看免费高清www| 在线观看免费高清a一片| 日韩免费高清中文字幕av| 新久久久久国产一级毛片| 亚洲人成网站在线观看播放| 国产在线视频一区二区| 波多野结衣一区麻豆| 久久久国产一区二区| 成年人午夜在线观看视频| 国产欧美日韩一区二区三区在线| 搡老乐熟女国产| 两个人看的免费小视频| www日本在线高清视频| 国产乱人偷精品视频| 亚洲三级黄色毛片| 高清毛片免费看| 欧美最新免费一区二区三区| 人人妻人人澡人人看| 在线观看免费高清a一片| 新久久久久国产一级毛片| 亚洲av日韩在线播放| 黑人猛操日本美女一级片| 侵犯人妻中文字幕一二三四区| 精品人妻在线不人妻| av网站免费在线观看视频| 国产麻豆69| 一级,二级,三级黄色视频| 国产精品无大码| 日本欧美国产在线视频| 亚洲精品视频女| 成年人免费黄色播放视频| 国产爽快片一区二区三区| 街头女战士在线观看网站| 国产一区亚洲一区在线观看| 国产欧美日韩一区二区三区在线| 欧美xxⅹ黑人| 天堂俺去俺来也www色官网| 国产成人91sexporn| 插逼视频在线观看| 久久久久精品人妻al黑| 亚洲欧美色中文字幕在线| 十八禁高潮呻吟视频| 亚洲国产精品国产精品| 日日啪夜夜爽| 日韩电影二区| 两个人免费观看高清视频| 欧美老熟妇乱子伦牲交| 男人添女人高潮全过程视频| 亚洲国产精品999| 国产xxxxx性猛交| 色5月婷婷丁香| 一级毛片黄色毛片免费观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 久久韩国三级中文字幕| 亚洲五月色婷婷综合| 美女国产高潮福利片在线看| 熟妇人妻不卡中文字幕| 久久亚洲国产成人精品v| 亚洲人成77777在线视频| 亚洲精品日韩在线中文字幕| 国产精品国产三级国产av玫瑰| 日韩av不卡免费在线播放| 搡老乐熟女国产| 免费黄色在线免费观看| 亚洲在久久综合| 国产国语露脸激情在线看| 亚洲情色 制服丝袜| 亚洲成人一二三区av| 成年动漫av网址| 香蕉丝袜av| av播播在线观看一区| 高清av免费在线| 日韩中文字幕视频在线看片| 最近最新中文字幕大全免费视频 | 亚洲人成77777在线视频| 欧美 日韩 精品 国产| a级毛片黄视频| 久久精品久久精品一区二区三区| 狂野欧美激情性xxxx在线观看| 在线观看三级黄色| 亚洲一级一片aⅴ在线观看| 欧美精品一区二区大全| 精品福利永久在线观看| 两性夫妻黄色片 | 国产精品偷伦视频观看了| 超色免费av| 纵有疾风起免费观看全集完整版| 欧美激情国产日韩精品一区| 欧美日本中文国产一区发布| 国产精品.久久久| 午夜日本视频在线| 亚洲美女视频黄频| 天堂8中文在线网| 国产乱人偷精品视频| 久久久久久久久久成人| 69精品国产乱码久久久| 王馨瑶露胸无遮挡在线观看| 欧美成人午夜免费资源| 国产日韩欧美在线精品| 国产av精品麻豆| 亚洲av男天堂| 中文字幕精品免费在线观看视频 | 亚洲欧美成人综合另类久久久| 国产成人av激情在线播放| av女优亚洲男人天堂| 免费黄网站久久成人精品| 免费大片黄手机在线观看| 波多野结衣一区麻豆| 亚洲国产精品一区三区| 热99国产精品久久久久久7| 97超碰精品成人国产| 超色免费av| 少妇猛男粗大的猛烈进出视频| 久久精品国产a三级三级三级| 黑丝袜美女国产一区| 各种免费的搞黄视频| av电影中文网址| www日本在线高清视频| 熟女人妻精品中文字幕| 日韩 亚洲 欧美在线| 99热6这里只有精品| 亚洲国产精品成人久久小说| 久久午夜福利片| 亚洲美女黄色视频免费看| 蜜臀久久99精品久久宅男| 国语对白做爰xxxⅹ性视频网站| 日韩熟女老妇一区二区性免费视频| 免费大片黄手机在线观看| 熟女电影av网| 母亲3免费完整高清在线观看 | 天堂中文最新版在线下载| 午夜日本视频在线| 亚洲成人av在线免费| 99精国产麻豆久久婷婷| 成人亚洲欧美一区二区av| 国产一区二区在线观看av| 国产精品一区二区在线不卡| 夜夜骑夜夜射夜夜干| 中文字幕制服av| 欧美变态另类bdsm刘玥| 女性生殖器流出的白浆| 天美传媒精品一区二区| 日本午夜av视频| 亚洲激情五月婷婷啪啪| av有码第一页| 久久久国产一区二区| 菩萨蛮人人尽说江南好唐韦庄| 美女xxoo啪啪120秒动态图| 又黄又粗又硬又大视频| 久久人人爽人人片av| 在线观看人妻少妇| 人人妻人人爽人人添夜夜欢视频| 成人免费观看视频高清| 国产永久视频网站| 十分钟在线观看高清视频www| 日本欧美国产在线视频| 国产精品一二三区在线看| 久久精品国产鲁丝片午夜精品| 国产精品人妻久久久久久| 亚洲精品,欧美精品| 看非洲黑人一级黄片| 啦啦啦在线观看免费高清www| 少妇猛男粗大的猛烈进出视频| 亚洲精品成人av观看孕妇| 男人舔女人的私密视频| 巨乳人妻的诱惑在线观看| 亚洲中文av在线| 国产成人精品久久久久久| xxx大片免费视频| 欧美另类一区| 一级毛片我不卡| 丝袜在线中文字幕| 亚洲成av片中文字幕在线观看 | 日韩制服骚丝袜av| 亚洲精品久久午夜乱码| 久久久久久人人人人人| 日韩欧美一区视频在线观看| 五月开心婷婷网| 美女大奶头黄色视频| 欧美人与性动交α欧美精品济南到 | 人人澡人人妻人| 人妻人人澡人人爽人人| 久久精品国产亚洲av天美| 国产不卡av网站在线观看| 亚洲欧美一区二区三区黑人 | 久久99一区二区三区| 波多野结衣一区麻豆| 色哟哟·www| 国产免费一区二区三区四区乱码| 夜夜爽夜夜爽视频| 国产有黄有色有爽视频| 91aial.com中文字幕在线观看| 亚洲国产欧美在线一区| 中文字幕av电影在线播放| 欧美精品亚洲一区二区| 亚洲美女搞黄在线观看| 亚洲人成网站在线观看播放| 汤姆久久久久久久影院中文字幕| 亚洲人与动物交配视频| 少妇人妻精品综合一区二区| 又黄又爽又刺激的免费视频.| 成人午夜精彩视频在线观看| 国产 一区精品| 亚洲精品国产色婷婷电影| 久久国内精品自在自线图片| 国产精品久久久久久久久免| 80岁老熟妇乱子伦牲交| 国产免费一级a男人的天堂| 精品一区二区免费观看| 久久午夜福利片| 内地一区二区视频在线| 蜜桃在线观看..| 亚洲久久久国产精品| 日日撸夜夜添| 亚洲欧美日韩卡通动漫| 人妻少妇偷人精品九色| 精品人妻一区二区三区麻豆| 男女啪啪激烈高潮av片| 亚洲美女视频黄频| 久久综合国产亚洲精品| av在线app专区| 精品少妇黑人巨大在线播放| 在线观看免费日韩欧美大片| 国产精品人妻久久久影院| 国产免费视频播放在线视频| av在线老鸭窝| 国产精品.久久久| 国产成人精品在线电影| 成年美女黄网站色视频大全免费| 久久这里只有精品19| 久久久久人妻精品一区果冻| 另类精品久久| 久久毛片免费看一区二区三区| 成人亚洲欧美一区二区av| 日韩精品有码人妻一区| 观看美女的网站| a 毛片基地| 久久精品国产亚洲av天美| 亚洲欧美成人精品一区二区| a级毛片在线看网站| 男女边吃奶边做爰视频| 91精品伊人久久大香线蕉| 日韩视频在线欧美| 亚洲成人av在线免费| 免费播放大片免费观看视频在线观看| 午夜久久久在线观看| 午夜精品国产一区二区电影| 亚洲在久久综合| 超色免费av| 亚洲内射少妇av| 妹子高潮喷水视频| 秋霞伦理黄片| 亚洲激情五月婷婷啪啪| 亚洲内射少妇av| 日本欧美国产在线视频| 久久久久久久亚洲中文字幕| 国产成人精品无人区| 亚洲一级一片aⅴ在线观看| 中文字幕精品免费在线观看视频 | 九九在线视频观看精品| 国产亚洲最大av| 亚洲国产精品成人久久小说| 午夜福利乱码中文字幕| 免费观看a级毛片全部| 久久99热这里只频精品6学生| 青春草国产在线视频| a级片在线免费高清观看视频| 香蕉国产在线看| 在线观看美女被高潮喷水网站| 熟女人妻精品中文字幕| 亚洲国产看品久久| 国产成人精品福利久久| 99热网站在线观看| 一级毛片我不卡| 久久久久久久国产电影| 性高湖久久久久久久久免费观看| 欧美精品人与动牲交sv欧美| 久久久国产一区二区| 国产成人a∨麻豆精品| 香蕉精品网在线| 色网站视频免费| av免费观看日本| 免费观看性生交大片5| 亚洲精品第二区| 免费av不卡在线播放| 亚洲熟女精品中文字幕| 国产亚洲最大av| 国产 精品1| 又黄又爽又刺激的免费视频.| 欧美亚洲 丝袜 人妻 在线| 激情五月婷婷亚洲| 亚洲av免费高清在线观看| 亚洲五月色婷婷综合| 成人亚洲欧美一区二区av| 人人妻人人澡人人看| 黄片播放在线免费| 亚洲精品456在线播放app| 亚洲精品一二三| 国产精品国产三级专区第一集| 中国三级夫妇交换| 亚洲色图综合在线观看| 亚洲精品一区蜜桃| kizo精华| 高清黄色对白视频在线免费看| 国产一区亚洲一区在线观看| 2021少妇久久久久久久久久久| 亚洲国产欧美日韩在线播放| videosex国产| 99香蕉大伊视频| 精品午夜福利在线看| 午夜福利影视在线免费观看| 久久精品国产鲁丝片午夜精品| 日产精品乱码卡一卡2卡三| 丝袜美足系列| 国产精品国产av在线观看| 日本av免费视频播放| 一区二区三区乱码不卡18| 婷婷色综合www| 王馨瑶露胸无遮挡在线观看| 在线亚洲精品国产二区图片欧美| 免费看光身美女| 亚洲国产精品一区二区三区在线| 视频中文字幕在线观看| 国产一级毛片在线| 夫妻性生交免费视频一级片| 亚洲国产av影院在线观看| 欧美日韩国产mv在线观看视频| 国产日韩欧美视频二区| 免费黄频网站在线观看国产| 中文字幕另类日韩欧美亚洲嫩草| 免费不卡的大黄色大毛片视频在线观看| 丝袜美足系列| 如何舔出高潮| 巨乳人妻的诱惑在线观看| 久久av网站| 国产成人精品久久久久久| 日本爱情动作片www.在线观看| 尾随美女入室| 少妇的丰满在线观看| 亚洲精品456在线播放app| 日产精品乱码卡一卡2卡三| 在线观看www视频免费| 高清黄色对白视频在线免费看| 精品国产国语对白av| 欧美日本中文国产一区发布| 免费大片18禁| 久久精品国产鲁丝片午夜精品| 十分钟在线观看高清视频www| 韩国精品一区二区三区 | 亚洲美女视频黄频| 国产在视频线精品| 乱人伦中国视频| videos熟女内射| 国产精品欧美亚洲77777| 毛片一级片免费看久久久久| 精品亚洲乱码少妇综合久久| 久久国产精品大桥未久av| 看非洲黑人一级黄片| 王馨瑶露胸无遮挡在线观看| 99热6这里只有精品| 免费人成在线观看视频色| 免费观看在线日韩| 少妇的丰满在线观看| 亚洲精品日本国产第一区| 99re6热这里在线精品视频| 欧美日韩视频高清一区二区三区二| av线在线观看网站| freevideosex欧美| 啦啦啦视频在线资源免费观看| 亚洲中文av在线| 男女边吃奶边做爰视频| 亚洲精品一二三| 七月丁香在线播放| 成年av动漫网址| 成人国产av品久久久| 成年女人在线观看亚洲视频| 日本猛色少妇xxxxx猛交久久| 精品99又大又爽又粗少妇毛片| 免费大片黄手机在线观看| 深夜精品福利| 国产又爽黄色视频| 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 | 在线观看免费视频网站a站| 热99久久久久精品小说推荐| 飞空精品影院首页| 国产av一区二区精品久久| 免费看光身美女| 中文字幕另类日韩欧美亚洲嫩草| 日韩制服丝袜自拍偷拍| 九色亚洲精品在线播放| 亚洲精品一二三| 美女主播在线视频| 国产片特级美女逼逼视频| 欧美+日韩+精品| 色婷婷av一区二区三区视频| 在现免费观看毛片| 女的被弄到高潮叫床怎么办| 99视频精品全部免费 在线| 国产男人的电影天堂91| 黄网站色视频无遮挡免费观看| 日韩电影二区| 精品一品国产午夜福利视频| 香蕉国产在线看| 国产精品熟女久久久久浪| 赤兔流量卡办理| 欧美人与性动交α欧美精品济南到 | 看免费成人av毛片| 69精品国产乱码久久久| 亚洲高清免费不卡视频| 亚洲图色成人| 免费看av在线观看网站| 欧美成人午夜免费资源| 国产免费现黄频在线看| 蜜臀久久99精品久久宅男| 国产男女内射视频| 国产老妇伦熟女老妇高清| 在线观看免费视频网站a站| 一级,二级,三级黄色视频| 免费观看性生交大片5| 一级毛片我不卡| 人妻 亚洲 视频| 亚洲美女黄色视频免费看| 性色avwww在线观看| 国产精品麻豆人妻色哟哟久久| 日韩av在线免费看完整版不卡| 91久久精品国产一区二区三区| 久久久精品区二区三区| 最近2019中文字幕mv第一页| 黄色配什么色好看| 青春草亚洲视频在线观看| 男女无遮挡免费网站观看| 亚洲综合色网址| 国产色婷婷99| 最近最新中文字幕免费大全7| 纯流量卡能插随身wifi吗| 亚洲精品色激情综合| 欧美精品高潮呻吟av久久| 国产精品三级大全| av视频免费观看在线观看| 久久午夜综合久久蜜桃| 久久久久久久久久成人| 久久久久人妻精品一区果冻| 国产伦理片在线播放av一区| 自拍欧美九色日韩亚洲蝌蚪91| 欧美精品高潮呻吟av久久| 国产男女内射视频| 精品亚洲成国产av| 日本vs欧美在线观看视频| 国产日韩欧美亚洲二区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品久久成人aⅴ小说| 久久久久人妻精品一区果冻| 人妻一区二区av| 亚洲熟女精品中文字幕| 久久久a久久爽久久v久久| 有码 亚洲区| 国产成人精品一,二区| 一级片'在线观看视频| 自线自在国产av| 男女高潮啪啪啪动态图| 尾随美女入室| 久久精品久久精品一区二区三区| 久久久欧美国产精品| 精品国产国语对白av| 在线天堂最新版资源| 国内精品宾馆在线| 全区人妻精品视频| 国产亚洲一区二区精品| 黄片无遮挡物在线观看| 婷婷色av中文字幕| 黄片无遮挡物在线观看| 久久人人97超碰香蕉20202| 制服丝袜香蕉在线| 精品少妇久久久久久888优播| 美女视频免费永久观看网站| 国产精品久久久久久久久免| 亚洲精品aⅴ在线观看| 欧美精品av麻豆av| 国产亚洲av片在线观看秒播厂| 国产国语露脸激情在线看| 欧美xxxx性猛交bbbb| 日韩人妻精品一区2区三区| 黄色毛片三级朝国网站| 成年动漫av网址| 你懂的网址亚洲精品在线观看| 老司机亚洲免费影院| 欧美老熟妇乱子伦牲交| 国产男人的电影天堂91| 黑人巨大精品欧美一区二区蜜桃 | 男人操女人黄网站| 国产精品久久久久久久久免| 香蕉丝袜av| 少妇猛男粗大的猛烈进出视频| 久久久久久久亚洲中文字幕| 黑人高潮一二区| 狠狠精品人妻久久久久久综合| 日本黄大片高清| 有码 亚洲区| 99re6热这里在线精品视频| 久久久久人妻精品一区果冻| 国产爽快片一区二区三区| 肉色欧美久久久久久久蜜桃| 久久精品久久精品一区二区三区| 国产成人精品久久久久久| 韩国av在线不卡| 在线观看三级黄色| 人人妻人人澡人人爽人人夜夜| 国产69精品久久久久777片| 九色成人免费人妻av| 欧美日韩综合久久久久久| 黄色 视频免费看| 高清av免费在线| 亚洲成色77777| 国产无遮挡羞羞视频在线观看| 欧美精品国产亚洲| 久久国产精品大桥未久av| 婷婷成人精品国产| 久久久精品94久久精品|