• <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 ?

    基于特征融合的圖像超分辨率

    2023-04-13 19:36:13端木春江石亮
    計算機時代 2023年4期
    關(guān)鍵詞:特征融合卷積神經(jīng)網(wǎng)絡(luò)

    端木春江 石亮

    摘? 要: 近年深度卷積神經(jīng)網(wǎng)絡(luò)在圖像超分辨率領(lǐng)域取得了巨大成功。然而多數(shù)基于深度卷積神經(jīng)的超分辨率模型不能很好地利用來自低分辨率圖像的各級特征,從而導(dǎo)致相對較差的性能。本文采用全局特征融合的方法,對全局多層次特征進(jìn)行聯(lián)合學(xué)習(xí),充分利用各卷積通道特征,通過全局跳躍連接,使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí),并采用亞像素卷積實現(xiàn)上采樣重建,取得了更好的效果。

    關(guān)鍵詞: 圖像超分辨率; 特征融合; 卷積神經(jīng)網(wǎng)絡(luò); 亞像素卷積

    中圖分類號:TP391.41? ? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ?文章編號:1006-8228(2023)04-120-04

    Abstract: In recent years, deep convolutional neural networks have achieved great success in the field of image super resolution. However, most of the super resolution models based on deep convolutional network cannot make good use of features at all levels from low resolution images, which leads to relatively poor performance. In this paper, we use global feature fusion to jointly learn global multi-level features, make full use of each convolutional channel features, make the network more focused on learning high-frequency information by global skip connection, and use sub-pixel convolution to achieve up-sampling reconstruction. It achieves better results.

    Key words: image super resolution; feature fusion; convolutional neural network; sub-pixel convolution

    0 引言

    如今數(shù)字圖像成為承載信息的一個重要形式,同時人們對圖像視覺清晰度的要求也越來越高。圖像分辨率是指圖像中單位長度所顯示的像素數(shù)目,在使用場景中,高分辨率(High-Resolution,HR)圖像以其豐富的紋理細(xì)節(jié)、清晰的邊緣結(jié)構(gòu)極大地滿足了人們的視覺體驗,因此人們對高分辨率圖像的需求也日益提高。為應(yīng)對高分辨率圖像的使用需求,圖像超分辨率(Super-Resolution,SR)重建技術(shù)顯得尤為重要,即用軟件或硬件的方法提高圖像的分辨率,通過當(dāng)前的低分辨率圖像來獲得對應(yīng)高分辨率圖像的過程。研究者可以從硬件及軟件兩個方面進(jìn)行研究,但由于硬件設(shè)備容易老化,且成本相對較高而受到限制,于是研究者一般通過軟件算法的方法,來實現(xiàn)圖像超分辨率重建的過程。

    1 相關(guān)工作

    按算法原理,超分辨率SR方法基本分為三大類[1]:基于重構(gòu)的方法、基于樣例的方法和基于深度學(xué)習(xí)的方法。2014年,Dong[2]等人率先將深度學(xué)習(xí)應(yīng)用在超分辨率領(lǐng)域,提出了SRCNN網(wǎng)絡(luò),證實基于卷積神經(jīng)網(wǎng)絡(luò)的方法比傳統(tǒng)方法重建效果更好,且速度更快,之后許多學(xué)者提出了一系列超分網(wǎng)絡(luò)。Kim等提出的VDSR[3],通過引入殘差連接,加深網(wǎng)絡(luò),達(dá)到了更好的重建效果;同年DRCN[4]采用參數(shù)共享,減少了網(wǎng)絡(luò)訓(xùn)練參數(shù),但這些方法均使用了預(yù)處理,即在網(wǎng)絡(luò)輸入端使用雙三次插值法將圖像放大,而這會導(dǎo)致丟失一些細(xì)節(jié)信息,并且在高分辨率空間訓(xùn)練會增加網(wǎng)絡(luò)復(fù)雜度。因此,Dong提出FSRCNN[5],直接輸入低分辨率圖像,而在網(wǎng)絡(luò)末端采取了反卷積對圖像進(jìn)行上采樣,這極大地減少了參數(shù)量;而Shi等提出了ESPCN[6],同樣在網(wǎng)絡(luò)末端對圖像放大,具體是采用亞像素卷積(Sub-Pixel Convolution),將特征圖像每個通道重新排列,最終合成高分辨率圖像。實驗證明亞像素卷積效果比反卷積好,因此,如今大多數(shù)圖像超分辨率算法均在網(wǎng)絡(luò)末端使用亞像素卷積作為圖像上采樣。目前基于深度學(xué)習(xí)的SR算法是該領(lǐng)域的研究熱點。

    2 特征融合與信息蒸餾網(wǎng)絡(luò)

    2.1 所提出的網(wǎng)絡(luò)模型結(jié)構(gòu)(FFDN)

    本文所提出的網(wǎng)絡(luò)包含四個部分:淺層特征提取、深層特征提取、特征融合以及重建模塊。我們使用兩個卷積層提取淺層特征,深層特征提取部分則是采用多個信息蒸餾模塊(IDBlock)級聯(lián),其中每個IDBlock內(nèi)包含一個增強單元和一個壓縮單元,這可以有效地提取局部長路徑特征和局部短路徑特征。針對網(wǎng)絡(luò)不能很好地利用各卷積層特征,采用全局特征融合的方法,將每個IDBlock的輸出都與經(jīng)淺層特征提取的LR進(jìn)行融合,并通過全局跳躍連接使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí),網(wǎng)絡(luò)末端采用亞像素卷積來實現(xiàn)上采樣重建。

    整個網(wǎng)絡(luò)模型如圖1所示,我們用ILR和IHR分別表示為網(wǎng)絡(luò)的輸入與輸出,兩個3*3的卷積層從原始低分辨率圖像LR中提取圖像淺層特征F0,此過程可以表示為:

    其中,[HSF]表示淺層特征提取操作,它是由兩次3*3卷積以及激活函數(shù)(ReLU)組成,得到[F0]之后用作信息蒸餾模塊(IDBlock)的輸入,通過n個IDBlock模塊來提取深層特征FD:

    其中,[HIDB,n]表示第n個信息蒸餾塊IDBlock的操作,它是由諸如卷積層以及激活函數(shù)等運算組合而成的復(fù)合函數(shù),其具體結(jié)構(gòu)將會在下一小節(jié)中給出。

    在用一組IDBlocks提取分層深層特征后,進(jìn)一步將每個IDBlock提取的特征圖進(jìn)行深層特征融合,再使用全局殘差連接,充分利用每一層的特征,此過程分別表示為:

    其中,[HDFF]表示深層特征融合操作,具體是將之前每一層的特征進(jìn)行concate操作,再經(jīng)過一次1*1卷積進(jìn)行通道降維,然后再經(jīng)過3*3卷積后得到深層融合特征[FDF],之后與原始淺層特征F0相加得到[FGF]。

    在低分辨率空間提取淺層和深層特征后,受文獻(xiàn)ESPCN[6]啟發(fā),我們在重建模塊中使用亞像素卷積操作進(jìn)行上采樣,此過程表示為:

    整個網(wǎng)絡(luò)模型可表示為:

    其中,[HFFDN]表示所提出的特征融合的信息蒸餾網(wǎng)絡(luò)模型。

    2.2 信息蒸餾塊(IDBlock)

    對于單個IDBlock,本文采用與文獻(xiàn)[7]中蒸餾模塊相同的結(jié)構(gòu),其內(nèi)部可分為兩個單元:增強單元和壓縮單元,具體結(jié)構(gòu)如圖2所示。

    如圖2所示,增強單元大致分為兩個部分,均為由三個3*3的卷積層所構(gòu)成,每個卷積層后都有一個激活函數(shù)(LReLU),圖中省略。第三個卷積層的輸出被分為兩部分,即通道切片操作,將其中的[1s]個通道與增強單元的輸入拼接在一起,并直接輸出到增強單元末端。上半部分剩余的[1-1s]個通道則輸入到第四個卷積層,并經(jīng)過三次卷積后,與前面拼接部分的通道相加,其作為壓縮單元的輸入。這樣做的目的是將先前的信息與當(dāng)前的信息相結(jié)合,充分利用局部長路徑以及短路徑上特征,再由1*1卷積壓縮通道,減小計算量。假設(shè)單個信息蒸餾塊的輸入、輸出分別是Fi、Fi+1,該過程可以表示為:

    其中,[HIDB,i]表示第i個信息蒸餾塊(IDBlock)操作。

    2.3 實驗細(xì)節(jié)

    通過多次實驗,最終設(shè)定信息蒸餾塊(IDBlock)的數(shù)量n為6,通道設(shè)定為64,切片比例s設(shè)定為4,除特征融合模塊以及信息蒸餾塊中的壓縮單元使用1*1卷積外,其他所有的卷積核大小均設(shè)置為3。本文使用超分辨率領(lǐng)域常用的數(shù)據(jù)集,以及91圖像集和BSD200圖像集作為訓(xùn)練數(shù)據(jù)。為了充分利用訓(xùn)練數(shù)據(jù),實驗采取了三種數(shù)據(jù)增強方法:①分別以90°、180°旋轉(zhuǎn)圖像;②水平翻轉(zhuǎn)圖像;③使用系數(shù)為0.9,0.8,0.7和0.6等比例縮放訓(xùn)練圖像。實驗訓(xùn)練選用Adam優(yōu)化器,初始學(xué)習(xí)率為0.0001,損失函數(shù)使均方誤差(MSE),它被廣泛用于圖像恢復(fù)的任務(wù),其表達(dá)式如下:

    其中,[Ii]表示真實圖像,[Ii]表示預(yù)測圖像,上式衡量了真實圖像與預(yù)測圖像之間的差異。

    3 實驗結(jié)果與分析

    本文選用了廣泛使用的基準(zhǔn)數(shù)據(jù)集Set5和Set14作為測試集,分別與經(jīng)典算法Bicubic、SRCNN、VDSR以及IDN進(jìn)行對比,表1為在Set5數(shù)據(jù)集三倍放大下不同算法的峰值信噪比(PSNR)結(jié)果。

    如表1所示,在Set5數(shù)據(jù)集三倍放大的情況下,本文所提出的算法FFDN在五張測試圖的PSNR值均要高于對比算法結(jié)果,圖3是各個算法的可視化重建結(jié)果對比。

    表2是在Set14數(shù)據(jù)集三倍放大下,各算法的峰值信噪比(PSNR)結(jié)果。

    可以看到,無論是Set5還是Set14數(shù)據(jù)集,本文提出的算法在峰值信噪比指標(biāo)上均要高于先前的算法。在測試集Set5中,本文算法的平均PSNR比IDN高0.26dB,而在Set14數(shù)據(jù)集下,這一指標(biāo)高了0.28dB。且從主觀視覺上看,其他算法并不能很好地恢復(fù)出圖像的細(xì)節(jié),有模糊的現(xiàn)象。與之相比,本文算法能夠較好地恢復(fù)出更多的細(xì)節(jié)紋理,達(dá)到更好的視覺效果。無論是從客觀指標(biāo)還是主觀視覺上比較,我們提出的算法均要優(yōu)于先前的網(wǎng)絡(luò),從而也證實了本算法的有效性。

    4 總結(jié)與展望

    本文提出了基于特征融合與信息蒸餾的圖像超分辨率網(wǎng)絡(luò)模型(FFDN),模型采用全局特征融合的方法對全局多層次特征進(jìn)行聯(lián)合學(xué)習(xí),并結(jié)合信息蒸餾模塊,通過全局跳躍連接,允許大量低頻信息直接越過主干網(wǎng)絡(luò),使網(wǎng)絡(luò)更注重高頻信息的學(xué)習(xí)。實驗表明,本文算法相比之前的模型算法,無論是主觀視覺還是客觀指標(biāo)上都達(dá)到了更好的效果,具有更好的表征能力。受計算資源的限制,本文訓(xùn)練集較小,在今后的工作中,可考慮選用更大的數(shù)據(jù)集,同時考慮結(jié)合注意力機制加深網(wǎng)絡(luò)結(jié)構(gòu),追求更高的性能。

    參考文獻(xiàn)(References):

    [1] 蘇衡,周杰,張志浩.超分辨率圖像重建方法綜述[J].自動化學(xué)報,2013,39(8):1202-1213

    [2] Dong C, Loy C C, He K, et al. Learning a deep convolutional network for image super-resolution[A]. European Conference on Computer Vision[C]. Springer, Cham,2014:184-199

    [3] J. Kim, J. K. Lee and K. M. Lee, "Accurate Image Super-Resolution Using Very Deep Convolutional Networks," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1646-1654

    [4] J. Kim, J. K. Lee and K. M. Lee, "Deeply-Recursive Convolutional Network for Image Super-Resolution," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1637-1645

    [5] C. Dong, C. C. Loy, and X. Tang, "Accelerating the super-resolution convolutional neural network,"Eur. Conf. Comput. Vis. Cham, Switzerland: Springer,2016:391-407

    [6] W. Shi et al., "Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network,"2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1874-1883

    [7] Z. Hui, X. Wang and X. Gao, "Fast and Accurate Single Image Super-Resolution via Information Distillation Network," 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition,2018:723-731

    *基金項目:浙江省自然科學(xué)基金項目(LY15F010007、Y1110510)

    作者簡介:端木春江(1974-),男,江蘇南京人,博士,副教授,主要研究方向:圖像處理,視頻通信。

    通訊作者:石亮(1998-),男,四川廣安人,碩士研究生,主要研究方向:圖像超分辨率。

    猜你喜歡
    特征融合卷積神經(jīng)網(wǎng)絡(luò)
    基于多特征融合的圖像匹配算法
    人體行為特征融合與行為識別的分析
    基于移動端的樹木葉片識別方法的研究
    科技資訊(2017年11期)2017-06-09 18:28:13
    基于SIFT特征的港口內(nèi)艦船檢測方法
    融合整體與局部特征的車輛型號識別方法
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    黄色视频在线播放观看不卡| 久久 成人 亚洲| 99国产精品一区二区三区| 纯流量卡能插随身wifi吗| 亚洲成人国产一区在线观看| 欧美亚洲 丝袜 人妻 在线| 色综合欧美亚洲国产小说| 99久久99久久久精品蜜桃| 国产亚洲一区二区精品| 80岁老熟妇乱子伦牲交| 1024视频免费在线观看| 免费av中文字幕在线| 夜夜骑夜夜射夜夜干| 自线自在国产av| 99精品欧美一区二区三区四区| cao死你这个sao货| 免费av中文字幕在线| 亚洲午夜精品一区,二区,三区| 一个人免费看片子| 黄色视频,在线免费观看| 黄色片一级片一级黄色片| 2018国产大陆天天弄谢| 两性午夜刺激爽爽歪歪视频在线观看 | 麻豆国产av国片精品| av一本久久久久| 欧美精品啪啪一区二区三区| 精品一区二区三卡| 国产亚洲欧美在线一区二区| 精品国产乱码久久久久久小说| 高潮久久久久久久久久久不卡| 日韩一区二区三区影片| 99在线人妻在线中文字幕 | 亚洲欧美日韩高清在线视频 | 精品久久久久久电影网| 成人精品一区二区免费| 久久久国产欧美日韩av| 狠狠狠狠99中文字幕| 色婷婷av一区二区三区视频| 丝袜美足系列| 国产一区有黄有色的免费视频| 午夜福利在线免费观看网站| 国产97色在线日韩免费| 下体分泌物呈黄色| 久久亚洲精品不卡| 亚洲精品自拍成人| 久久国产精品人妻蜜桃| 999久久久精品免费观看国产| 欧美午夜高清在线| 高清毛片免费观看视频网站 | 1024视频免费在线观看| 高清在线国产一区| 久热爱精品视频在线9| 久久亚洲精品不卡| 视频在线观看一区二区三区| 伦理电影免费视频| 在线观看www视频免费| 欧美黄色片欧美黄色片| 一区在线观看完整版| 两个人看的免费小视频| 女人被躁到高潮嗷嗷叫费观| 国产午夜精品久久久久久| 汤姆久久久久久久影院中文字幕| 亚洲精品久久午夜乱码| 久久久久久人人人人人| 日韩欧美免费精品| 成人国产av品久久久| 露出奶头的视频| 久久这里只有精品19| 9191精品国产免费久久| 亚洲 国产 在线| 露出奶头的视频| 色婷婷av一区二区三区视频| 搡老熟女国产l中国老女人| 自线自在国产av| 国产男女超爽视频在线观看| 色婷婷av一区二区三区视频| 精品福利观看| 日韩视频在线欧美| 久久久久国内视频| xxxhd国产人妻xxx| 99国产极品粉嫩在线观看| 俄罗斯特黄特色一大片| svipshipincom国产片| av免费在线观看网站| 亚洲国产毛片av蜜桃av| 母亲3免费完整高清在线观看| 成人三级做爰电影| 亚洲精品中文字幕在线视频| 啦啦啦 在线观看视频| 在线观看免费午夜福利视频| 丝袜喷水一区| 欧美日韩亚洲综合一区二区三区_| 两人在一起打扑克的视频| 在线观看舔阴道视频| 天天躁狠狠躁夜夜躁狠狠躁| 最近最新中文字幕大全免费视频| 中文字幕最新亚洲高清| 午夜视频精品福利| 高清黄色对白视频在线免费看| 欧美成人免费av一区二区三区 | 亚洲国产欧美日韩在线播放| 亚洲av日韩精品久久久久久密| 国产精品秋霞免费鲁丝片| 天天躁日日躁夜夜躁夜夜| videos熟女内射| 亚洲欧美一区二区三区黑人| 国产高清videossex| 一区二区三区激情视频| 女人久久www免费人成看片| 亚洲人成电影免费在线| 精品国产国语对白av| 亚洲欧美色中文字幕在线| 欧美精品一区二区大全| 最新美女视频免费是黄的| 热re99久久精品国产66热6| av有码第一页| 亚洲综合色网址| 国产亚洲av高清不卡| 免费在线观看完整版高清| 后天国语完整版免费观看| av国产精品久久久久影院| 18禁观看日本| 男女免费视频国产| 两个人看的免费小视频| 日韩欧美国产一区二区入口| 日韩欧美免费精品| 9色porny在线观看| 亚洲成人免费av在线播放| 啪啪无遮挡十八禁网站| 色视频在线一区二区三区| 在线亚洲精品国产二区图片欧美| 亚洲精品中文字幕一二三四区 | 日韩三级视频一区二区三区| 亚洲国产欧美在线一区| 精品国产超薄肉色丝袜足j| 日韩三级视频一区二区三区| 亚洲精品乱久久久久久| 757午夜福利合集在线观看| 两个人免费观看高清视频| 欧美精品一区二区免费开放| 国产亚洲精品一区二区www | 十八禁人妻一区二区| 午夜免费鲁丝| 国产精品麻豆人妻色哟哟久久| 最近最新免费中文字幕在线| 99九九在线精品视频| 久久精品熟女亚洲av麻豆精品| 一边摸一边抽搐一进一小说 | 国产成人欧美| 国产精品自产拍在线观看55亚洲 | 下体分泌物呈黄色| www.999成人在线观看| 国产麻豆69| 欧美激情久久久久久爽电影 | 久久国产亚洲av麻豆专区| 亚洲美女黄片视频| 老鸭窝网址在线观看| 欧美精品av麻豆av| 丝袜在线中文字幕| 男女下面插进去视频免费观看| 精品第一国产精品| 日本五十路高清| 国产成人精品无人区| 制服人妻中文乱码| 欧美av亚洲av综合av国产av| 十八禁人妻一区二区| 国产成人精品久久二区二区免费| 巨乳人妻的诱惑在线观看| 亚洲精品自拍成人| 日日摸夜夜添夜夜添小说| 男女午夜视频在线观看| 亚洲精华国产精华精| 精品国内亚洲2022精品成人 | 少妇被粗大的猛进出69影院| 一区二区av电影网| 在线观看免费视频日本深夜| 国产三级黄色录像| 亚洲精品国产色婷婷电影| 999精品在线视频| 视频区欧美日本亚洲| 熟女少妇亚洲综合色aaa.| 黄网站色视频无遮挡免费观看| 午夜福利在线免费观看网站| 久久人人爽av亚洲精品天堂| 男女午夜视频在线观看| a在线观看视频网站| 一级毛片女人18水好多| 国产野战对白在线观看| 亚洲av第一区精品v没综合| 9色porny在线观看| 一区福利在线观看| 视频区图区小说| 国产精品国产高清国产av | 又大又爽又粗| 午夜日韩欧美国产| 深夜精品福利| 人妻久久中文字幕网| 精品国产超薄肉色丝袜足j| 叶爱在线成人免费视频播放| 黄色a级毛片大全视频| 91字幕亚洲| 电影成人av| 美女福利国产在线| 日韩欧美三级三区| 一本色道久久久久久精品综合| 午夜激情av网站| 久久久精品免费免费高清| 精品国产乱码久久久久久小说| 一边摸一边抽搐一进一出视频| 国产一区二区三区综合在线观看| 成人18禁在线播放| 亚洲美女黄片视频| 女警被强在线播放| 黄色视频在线播放观看不卡| 亚洲人成77777在线视频| av一本久久久久| 国产精品影院久久| av超薄肉色丝袜交足视频| 精品少妇内射三级| 亚洲av美国av| 久久久精品94久久精品| 免费黄频网站在线观看国产| 国产精品偷伦视频观看了| 日韩免费高清中文字幕av| 一本一本久久a久久精品综合妖精| e午夜精品久久久久久久| 久热爱精品视频在线9| 国产精品自产拍在线观看55亚洲 | 超碰97精品在线观看| 欧美激情高清一区二区三区| 窝窝影院91人妻| 久热这里只有精品99| 久久人人爽av亚洲精品天堂| 国产主播在线观看一区二区| 老司机午夜福利在线观看视频 | 高清毛片免费观看视频网站 | 一级片'在线观看视频| 老司机靠b影院| 天天操日日干夜夜撸| 一区二区三区国产精品乱码| 国产精品香港三级国产av潘金莲| 99精品久久久久人妻精品| 午夜激情av网站| 日韩视频一区二区在线观看| 免费在线观看日本一区| 国产精品免费一区二区三区在线 | 青青草视频在线视频观看| 巨乳人妻的诱惑在线观看| 欧美乱妇无乱码| 精品国产国语对白av| 午夜福利,免费看| 亚洲精品乱久久久久久| 亚洲少妇的诱惑av| 99久久国产精品久久久| 亚洲三区欧美一区| 亚洲精华国产精华精| 美国免费a级毛片| 老汉色av国产亚洲站长工具| 黄色丝袜av网址大全| 乱人伦中国视频| 欧美成狂野欧美在线观看| 久久精品亚洲熟妇少妇任你| 国产男女超爽视频在线观看| 91精品国产国语对白视频| 91麻豆精品激情在线观看国产 | 成人手机av| 免费日韩欧美在线观看| 巨乳人妻的诱惑在线观看| 天天操日日干夜夜撸| 99九九在线精品视频| 国产真人三级小视频在线观看| 交换朋友夫妻互换小说| 亚洲va日本ⅴa欧美va伊人久久| 美女高潮到喷水免费观看| 中文字幕最新亚洲高清| 考比视频在线观看| 成人三级做爰电影| 在线观看一区二区三区激情| 成人国语在线视频| www.自偷自拍.com| 日本av免费视频播放| 老熟妇乱子伦视频在线观看| 露出奶头的视频| 高清在线国产一区| 国产精品香港三级国产av潘金莲| 色综合欧美亚洲国产小说| 三上悠亚av全集在线观看| 久久久久久久精品吃奶| 国产精品熟女久久久久浪| 午夜福利在线免费观看网站| 亚洲成人手机| 在线天堂中文资源库| 久久午夜综合久久蜜桃| 美女午夜性视频免费| 精品国产一区二区久久| 天天躁夜夜躁狠狠躁躁| 中文字幕人妻熟女乱码| 欧美日韩亚洲高清精品| 午夜精品久久久久久毛片777| 一边摸一边抽搐一进一出视频| 99精国产麻豆久久婷婷| 精品国产乱子伦一区二区三区| 天天躁夜夜躁狠狠躁躁| 在线观看免费午夜福利视频| 亚洲国产成人一精品久久久| 久久午夜亚洲精品久久| 国产精品久久久久久精品古装| 亚洲av国产av综合av卡| 女同久久另类99精品国产91| 久久久久国内视频| 亚洲精品成人av观看孕妇| 狠狠狠狠99中文字幕| 欧美乱码精品一区二区三区| 久久中文字幕一级| 夜夜骑夜夜射夜夜干| 午夜福利在线免费观看网站| 99久久99久久久精品蜜桃| 欧美激情极品国产一区二区三区| 亚洲精品av麻豆狂野| 亚洲男人天堂网一区| 亚洲国产中文字幕在线视频| 在线观看免费视频网站a站| 亚洲色图 男人天堂 中文字幕| 色老头精品视频在线观看| √禁漫天堂资源中文www| 肉色欧美久久久久久久蜜桃| 在线播放国产精品三级| 中文字幕色久视频| 淫妇啪啪啪对白视频| 麻豆成人av在线观看| 国产精品麻豆人妻色哟哟久久| 亚洲熟妇熟女久久| 电影成人av| 91麻豆av在线| 久久国产精品人妻蜜桃| 精品久久久精品久久久| 久久久久久久国产电影| 欧美日韩亚洲综合一区二区三区_| 亚洲人成伊人成综合网2020| 久久精品国产综合久久久| 老司机在亚洲福利影院| 人人妻,人人澡人人爽秒播| 老鸭窝网址在线观看| 亚洲精品久久午夜乱码| 老熟妇仑乱视频hdxx| 香蕉丝袜av| 一级片'在线观看视频| 欧美国产精品va在线观看不卡| 悠悠久久av| 久久久国产精品麻豆| 男女高潮啪啪啪动态图| 麻豆国产av国片精品| 精品一区二区三区av网在线观看 | 亚洲中文字幕日韩| 国产成人精品无人区| 国产精品久久久人人做人人爽| 日韩视频一区二区在线观看| 久久天躁狠狠躁夜夜2o2o| 日韩熟女老妇一区二区性免费视频| 成人亚洲精品一区在线观看| 99国产精品免费福利视频| 国产成人影院久久av| 搡老乐熟女国产| 色老头精品视频在线观看| 欧美变态另类bdsm刘玥| 男人操女人黄网站| 亚洲色图综合在线观看| 嫩草影视91久久| 99精国产麻豆久久婷婷| 欧美日韩亚洲国产一区二区在线观看 | 亚洲专区国产一区二区| a级毛片黄视频| 在线观看免费视频网站a站| 成人手机av| 99国产精品一区二区三区| av欧美777| 午夜福利在线观看吧| svipshipincom国产片| 日韩中文字幕欧美一区二区| 99国产精品免费福利视频| 亚洲一区二区三区欧美精品| 天堂8中文在线网| 在线观看人妻少妇| 狠狠狠狠99中文字幕| 欧美久久黑人一区二区| 国产高清视频在线播放一区| 少妇被粗大的猛进出69影院| 国产免费视频播放在线视频| 色播在线永久视频| 亚洲精品在线美女| 99国产极品粉嫩在线观看| 欧美黑人精品巨大| 一区在线观看完整版| 香蕉久久夜色| 国产xxxxx性猛交| 老鸭窝网址在线观看| 色视频在线一区二区三区| 一级a爱视频在线免费观看| 国产主播在线观看一区二区| 一区在线观看完整版| 免费在线观看视频国产中文字幕亚洲| 他把我摸到了高潮在线观看 | 青青草视频在线视频观看| 久久久国产欧美日韩av| 久久天躁狠狠躁夜夜2o2o| 久久精品国产综合久久久| 黄色视频不卡| 人人澡人人妻人| 国产又色又爽无遮挡免费看| 99久久国产精品久久久| 亚洲欧美精品综合一区二区三区| videosex国产| 亚洲欧美日韩高清在线视频 | 天天躁夜夜躁狠狠躁躁| 涩涩av久久男人的天堂| 中文字幕人妻丝袜制服| av国产精品久久久久影院| tube8黄色片| 在线观看免费日韩欧美大片| 50天的宝宝边吃奶边哭怎么回事| 亚洲伊人色综图| 99香蕉大伊视频| 日韩一区二区三区影片| 男女免费视频国产| 久久青草综合色| 一本一本久久a久久精品综合妖精| 亚洲国产中文字幕在线视频| 新久久久久国产一级毛片| 人人妻人人澡人人看| 欧美性长视频在线观看| 欧美日本中文国产一区发布| 91麻豆av在线| 精品国产超薄肉色丝袜足j| videosex国产| 黄片播放在线免费| 搡老熟女国产l中国老女人| 欧美日韩亚洲高清精品| 亚洲一码二码三码区别大吗| 国产99久久九九免费精品| 日韩中文字幕欧美一区二区| 精品少妇内射三级| 宅男免费午夜| 亚洲综合色网址| 久久久久久久国产电影| 麻豆av在线久日| 99国产精品一区二区三区| 十八禁网站免费在线| 亚洲精品美女久久久久99蜜臀| 欧美日韩中文字幕国产精品一区二区三区 | 欧美午夜高清在线| 国产麻豆69| 91字幕亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| 成年版毛片免费区| 精品免费久久久久久久清纯 | 色婷婷久久久亚洲欧美| 性高湖久久久久久久久免费观看| 一本—道久久a久久精品蜜桃钙片| 女同久久另类99精品国产91| 亚洲性夜色夜夜综合| 国产成人免费无遮挡视频| 亚洲精品美女久久久久99蜜臀| 亚洲情色 制服丝袜| 蜜桃在线观看..| 丰满人妻熟妇乱又伦精品不卡| 两个人免费观看高清视频| 2018国产大陆天天弄谢| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成a人片在线一区二区| 亚洲专区中文字幕在线| 久久午夜亚洲精品久久| 又紧又爽又黄一区二区| 色精品久久人妻99蜜桃| 欧美精品啪啪一区二区三区| 视频区欧美日本亚洲| 淫妇啪啪啪对白视频| 亚洲成人国产一区在线观看| 国产片内射在线| 国产又色又爽无遮挡免费看| e午夜精品久久久久久久| 老司机靠b影院| 久久99一区二区三区| 黄色a级毛片大全视频| 午夜福利视频在线观看免费| 久久精品亚洲av国产电影网| 香蕉久久夜色| 十八禁网站网址无遮挡| 一区二区av电影网| 757午夜福利合集在线观看| 一二三四社区在线视频社区8| 欧美中文综合在线视频| 在线观看免费高清a一片| 精品少妇内射三级| 亚洲精品一二三| 亚洲综合色网址| 欧美+亚洲+日韩+国产| 国产色视频综合| 一级黄色大片毛片| 69av精品久久久久久 | 女人被躁到高潮嗷嗷叫费观| 亚洲一码二码三码区别大吗| 天天躁日日躁夜夜躁夜夜| 老汉色av国产亚洲站长工具| 欧美成人免费av一区二区三区 | 欧美另类亚洲清纯唯美| 9色porny在线观看| 在线永久观看黄色视频| 精品午夜福利视频在线观看一区 | 国产精品久久久av美女十八| 夜夜夜夜夜久久久久| 丝瓜视频免费看黄片| 国产熟女午夜一区二区三区| 国产一区二区三区视频了| 中亚洲国语对白在线视频| 久久久久网色| 天天操日日干夜夜撸| av不卡在线播放| 国产精品一区二区在线观看99| 脱女人内裤的视频| 18禁国产床啪视频网站| 亚洲欧美日韩高清在线视频 | 97人妻天天添夜夜摸| 一区在线观看完整版| 免费少妇av软件| 怎么达到女性高潮| 亚洲av美国av| 国产精品免费大片| 亚洲国产毛片av蜜桃av| 国产熟女午夜一区二区三区| 一级a爱视频在线免费观看| 日韩三级视频一区二区三区| 欧美在线黄色| 日本wwww免费看| 亚洲av成人不卡在线观看播放网| 国产国语露脸激情在线看| 国产一区二区三区视频了| 久久精品亚洲av国产电影网| 亚洲专区国产一区二区| 香蕉国产在线看| 女人被躁到高潮嗷嗷叫费观| 国产国语露脸激情在线看| 亚洲 国产 在线| 99精品久久久久人妻精品| 国产精品98久久久久久宅男小说| 国产精品 国内视频| 欧美精品亚洲一区二区| 69av精品久久久久久 | av视频免费观看在线观看| 午夜成年电影在线免费观看| 欧美黑人精品巨大| 久久ye,这里只有精品| 日韩欧美三级三区| 啦啦啦在线免费观看视频4| 人人妻人人澡人人爽人人夜夜| 亚洲国产欧美网| 国产av精品麻豆| 热99国产精品久久久久久7| 高清毛片免费观看视频网站 | 免费在线观看视频国产中文字幕亚洲| 后天国语完整版免费观看| 国产高清视频在线播放一区| 国产一区二区在线观看av| 巨乳人妻的诱惑在线观看| 三级毛片av免费| 国产亚洲精品第一综合不卡| 成人国语在线视频| 少妇精品久久久久久久| aaaaa片日本免费| 老熟女久久久| 精品一品国产午夜福利视频| 国产精品 国内视频| 美女国产高潮福利片在线看| 久久99一区二区三区| 国产精品1区2区在线观看. | 欧美日韩国产mv在线观看视频| 欧美黄色片欧美黄色片| 色综合欧美亚洲国产小说| 久久精品国产亚洲av香蕉五月 | 国产精品一区二区免费欧美| 精品人妻熟女毛片av久久网站| 久久99热这里只频精品6学生| 欧美激情极品国产一区二区三区| 啦啦啦中文免费视频观看日本| av不卡在线播放| 国产一区有黄有色的免费视频| 午夜激情久久久久久久| 日韩 欧美 亚洲 中文字幕| 免费av中文字幕在线| 他把我摸到了高潮在线观看 | 国产精品影院久久| 大片电影免费在线观看免费| 久久av网站| 99久久99久久久精品蜜桃| 国产成人精品久久二区二区91| 黄网站色视频无遮挡免费观看| 在线观看免费午夜福利视频| 天天躁狠狠躁夜夜躁狠狠躁| 久久午夜综合久久蜜桃| 欧美日本中文国产一区发布| 成人永久免费在线观看视频 | 精品久久久精品久久久| 国产精品 国内视频| 每晚都被弄得嗷嗷叫到高潮| e午夜精品久久久久久久| 日韩欧美一区二区三区在线观看 | 桃花免费在线播放| 国产主播在线观看一区二区| 久久99热这里只频精品6学生| 一个人免费在线观看的高清视频| 欧美 亚洲 国产 日韩一| 日韩人妻精品一区2区三区| 丰满饥渴人妻一区二区三| 一区二区av电影网| 深夜精品福利| 九色亚洲精品在线播放|