• <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 ?

    顧及特征優(yōu)選的機(jī)載LiDAR測深海底點云底質(zhì)分類

    2023-10-19 02:48:20宿殿鵬黃昱陽凡林趙荻能楊安秀劉驕陽
    遙感學(xué)報 2023年9期
    關(guān)鍵詞:特征提取分類特征

    宿殿鵬,黃昱,陽凡林,2,趙荻能,楊安秀,2,劉驕陽

    1.山東科技大學(xué) 測繪與空間信息學(xué)院,青島 266590;2.自然資源部海洋測繪重點實驗室,青島 266590;3.自然資源部第二海洋研究所 自然資源部海底科學(xué)重點實驗室,杭州 310012

    1 引言

    海底底質(zhì)類型是重要的海洋環(huán)境參數(shù)(趙玉新和趙廷,2020),是進(jìn)行海底科學(xué)研究的基礎(chǔ)。隨著海洋牧場建設(shè)、海洋環(huán)境監(jiān)測、海洋工程應(yīng)用及海底資源調(diào)查等領(lǐng)域發(fā)展,亟需海底底質(zhì)分類為其提供數(shù)據(jù)基礎(chǔ)。因此,探求合理、有效的海底底質(zhì)分類方法對于海上環(huán)境保護(hù)活動和海洋學(xué)科建設(shè)等方面具有重要的實際應(yīng)用價值。

    目前,海底底質(zhì)分類方法大體可分為實地取樣觀測和聲光遙感探測兩類(劉永明 等,2017)。其中,傳統(tǒng)的實地取樣方法精度高,但效率低、成本高,因此該方法難以實現(xiàn)大范圍高密度的海底底質(zhì)取樣(徐超,2014)。相對于取樣方法,海底底質(zhì)遙感手段具有更高探測效率,且主要分為聲學(xué)遙感與光學(xué)遙感兩種方式。

    聲學(xué)遙感方面,側(cè)掃聲吶作為高分辨率的水下聲學(xué)成像設(shè)備,能夠快速獲得大范圍、高分辨率的海底聲學(xué)圖像,在海洋湖泊等水下目標(biāo)探測中應(yīng)用廣泛(Ge 等,2021)。陳佳兵等(2017)基于珠江口側(cè)掃聲吶圖像數(shù)據(jù),采用灰度直方圖和灰度共生矩陣方法提取特征向量,采用PSO-BP 方法,實現(xiàn)了對砂、礁石和泥3 類底質(zhì)樣本的分類,其分類精度達(dá)到90%。然而利用聲吶圖像僅提取了紋理特征,分類特征空間考慮不夠全面,進(jìn)而影響分類精度,需要結(jié)合其他的特征提取方法提高底質(zhì)分類的適用性。另外,多波束探測作為聲學(xué)海洋遙感的重要技術(shù)之一,也經(jīng)常用于海底底質(zhì)分類(陽凡林 等,2021)。唐秋華等(2014)基于多波束反向散射強(qiáng)度數(shù)據(jù),運用改進(jìn)的學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò),實現(xiàn)對海底粉砂質(zhì)砂、黏土質(zhì)砂以及砂—粉砂—黏土3種底質(zhì)類型的快速自動分類識別,相比改進(jìn)前分類精度有所提升。然而船只在淺水區(qū)域易發(fā)生觸礁、擱淺等危險,其系統(tǒng)應(yīng)用受到一定限制(劉焱雄 等,2017)。

    海洋光學(xué)遙感方面,Ayustina 等(2018)運用Landsat 8 獲取的影像和實地數(shù)據(jù)實現(xiàn)對淺海區(qū)域碎石、海草混合沙、珊瑚礁混合碎石、碎石混合死珊瑚、沙混合碎石和沙混合海草的分類,OA 分類精度為80%,分類精度相對較低。機(jī)載LiDAR 測深A(yù)LB(Airborne LiDAR Bathymetry)是一種主動式的海洋探測技術(shù),在淺水區(qū)域具有測量精度高、測量效率高、機(jī)動性高、測量連續(xù)性等優(yōu)點(劉焱雄 等,2017)。Velasco 等(2014)基于輻射傳輸模型矯正機(jī)載LiDAR 測深強(qiáng)度信息并生成強(qiáng)度圖像,利用K-means 方法對強(qiáng)度圖像進(jìn)行無監(jiān)督分類,與驗證數(shù)據(jù)相比分類效果較好,但分類精度受限于單一強(qiáng)度特征數(shù)據(jù)。針對該問題,Eren等(2018)基于機(jī)載LiDAR 測深數(shù)據(jù)提取了11 維波形特征,并利用SVM 監(jiān)督分類器進(jìn)行分類,結(jié)果顯示沙子和巖石分類的總體分類精度為96%,細(xì)砂和粗砂分類的總體分類精度僅為86%,說明僅利用波形特征進(jìn)行分類還不夠全面。為了更全面的利用特征信息,Su 等(2019)對分類特征空間做了進(jìn)一步擴(kuò)展,利用機(jī)載LiDAR 測深系統(tǒng)波形特征和地形特征數(shù)據(jù)建立特征向量,并將其輸入到支持向量機(jī)中,將底質(zhì)分為珊瑚礁和其他兩類,OA 精度達(dá)到了93.57%。綜上所述,多維特征向量往往包含更多特征信息,其分類精度要比單一特征的分類精度高,但特征冗余也會影響分類效果,因此分類之前進(jìn)行特征優(yōu)選就顯得尤為重要(戴莫凡 等,2022)。

    高維特征信息不僅會增加模型構(gòu)建的復(fù)雜度,還會降低機(jī)器學(xué)習(xí)算法的性能,造成“維數(shù)災(zāi)難”和“過擬合”問題(陳科,2021;喬紀(jì)綱 等,2011)。特征優(yōu)選可移除冗余的干擾特征,有效降低高維數(shù)據(jù)的維數(shù),從而提高分類的準(zhǔn)確度。臧卓等(2014)利用PCA 算法對喬木樹種的高光譜數(shù)據(jù)進(jìn)行降維與分類,實驗結(jié)果表明,適宜的主成分個數(shù)可獲得較高的分類精度,然而無監(jiān)督PCA 投影原則使得不同類別的數(shù)據(jù)混合在一起難以區(qū)分。為找到數(shù)據(jù)中具有判別性的維度,不同類別盡可能區(qū)分開,楊明莉等(2020)利用線性判別分析法對高光譜數(shù)據(jù)降維處理,相比特征降維前分類精度有所提高,然而線性判別分析法不適合對非高斯分布樣本進(jìn)行降維且線性判別分析法最多降維到比類別數(shù)少1的維數(shù)。因此,找到合適的特征選擇方法至關(guān)重要。

    針對海底底質(zhì)分類中存在的特征冗余問題,提出了一種顧及波形和地形特征優(yōu)選的機(jī)載LiDAR海底底質(zhì)分類方法。通過提取9 類波形特征變量(偏態(tài)、峰度、反向散射截面系數(shù)、殘差振幅、殘差波寬等)和9類地形特征變量(粗糙度、高斯曲率、高程熵、變異系數(shù)、凹凸系數(shù)等);基于Relief-F方法構(gòu)建特征優(yōu)選模型,設(shè)置貢獻(xiàn)率閾值,精簡18 類特征中貢獻(xiàn)率低于閾值的特征;最后利用SVM、隨機(jī)森林、BP 神經(jīng)網(wǎng)絡(luò)分類器,將底質(zhì)劃分為珊瑚礁、礫石、砂、植被和海岸帶5類,并對分類結(jié)果進(jìn)行精度評定與分析。

    2 研究方法

    2.1 數(shù)據(jù)預(yù)處理

    波形數(shù)據(jù)預(yù)處理主要包括波形去噪和波形擬合兩部分。數(shù)據(jù)預(yù)處理旨在于更完整和精確地提出波形回波信號各個組分的詳細(xì)信息(Lai 和Zheng,2015)。

    (1)波形去噪。ALB 系統(tǒng)接收的回波信號是海面回波信號、水體后向散射信號、海底回波信號、背景噪聲等回波信號在時間軸上能量的疊加(Abdallah等,2012)。實測波形回波信號各個組分如圖1所示。公式如下:

    式中,PT(t)為ALB 系統(tǒng)接收的總回波信號,PS(t)為海面回波信號,Pc(t)為水體散射信號,Pb(t)為海底回波信號,PBG(t)為背景噪聲,PR(t)為傳感器內(nèi)部噪聲,t為時間。因此,需要在特征提取前對含噪波形信號進(jìn)行去噪處理,本文利用小波自適應(yīng)閾值去噪方法進(jìn)行ALB波形去噪。

    (2)波形擬合。波形擬合是機(jī)載LiDAR 測深數(shù)據(jù)處理的重要環(huán)節(jié),是有效提取波形特征的前提。本文基于分層異構(gòu)算法分別對水面、水體、水底波形進(jìn)行分解(亓超 等,2021,2019)。

    2.2 特征提取與特征優(yōu)選模型構(gòu)建

    (1)波形特征提取。本文基于2.1 節(jié)波形擬合結(jié)果進(jìn)行9 類波形特征的提取,其示意圖如圖2所示。

    圖2 波形特征變量分布圖Fig.2 Schematic illustration of sea bottom waveform variables

    1)振幅(Peak amplitude):回波能量的最大值,表示回波強(qiáng)度(Lee 等,2001)。如圖2(a)所示,波形最高處的能量值。

    2)波寬(Pulse width):回波波形的平展距離。如圖2(a)所示。

    3)半幅波寬(Full width at half maximum):如圖2(a)所示,回波能量為振幅的一半時所對應(yīng)的波寬(Hou 等,2019)。

    式中,GSE為高斯擬合時波形的標(biāo)準(zhǔn)偏差。

    4)波形面積(Area):海底波形響應(yīng)過程中激光脈沖能量的積累。當(dāng)回波高度為振幅高度的20%時,兩者之間對應(yīng)的面積S,如圖2(a)所示。

    式中,Si為第i段回波波形對應(yīng)的采樣面積。

    5)偏態(tài)(Skewness):對回波能量分布的偏移程度,如圖2(b)所示。用式(4)來計算回波能量的分布趨勢對稱性的量度(Joanes和Gill,1998)。

    式中,Pi為回波波形采樣點的能量,為波形采樣點處回波能量的平均值,n為采樣點個數(shù)。

    6)峰度(Kurtosis):表示回波波峰的尖銳程度,如圖2(b)所示。由下式可計算出(Matsatsinis和Samaras,2000):

    7)反向散射截面系數(shù)(Backscatter crosssection):如圖2(c)所示,反映出海底水波和回波信號之間的有效碰撞面積(Alexander等,2010)。

    式中,Ccal為校準(zhǔn)常數(shù),,R為激光發(fā)射器中心到海底的距離,βt為激光束發(fā)射角,P為振幅,W為脈寬,ρ為海底發(fā)射率。

    8)殘差振幅(Residual amplitude):是殘差信號的振幅值。在75%峰值強(qiáng)度點處用于平均斜率擬合,所形成的多余線性回歸與底部收益之間的面積作為殘差信號,交點處的振幅值與底部收益點處的振幅值之差就是殘差振幅(Li 等,2012),如圖2(a)所示。

    式中,PRES是殘差振幅,PCL是交點處線性回歸的振幅值,PCW是對應(yīng)的底部收益點處的振幅值。

    9)殘差波寬(Residual pulse width):模擬底部收益率的線性部分頂部處的脈沖寬度,如圖2(a)所示。

    式中,WRES是殘差波寬,WCR是右側(cè)頂點處的脈沖寬度,WCL是左側(cè)頂點處的脈沖寬度。

    (2)地形特征提取。地形特征則采用局部二次曲面擬合算法進(jìn)行提取。其主要步驟為:首先,設(shè)定擬合半徑r,并基于LM 算法建立海底點的二次曲面擬合模型,根據(jù)擬合時間和擬合精度確定最優(yōu)半徑為2 m,進(jìn)而得到最優(yōu)半徑下的最佳擬合參數(shù);然后,根據(jù)最優(yōu)擬合參數(shù)確定地形模型,依據(jù)表1 中的特征定義獲取9 類地形特征數(shù)據(jù)。其中部分地形特征變量分布圖如圖3所示。

    表1 海底地形特征參數(shù)表Table1 Description of sea bottom geometric variables

    圖3 部分地形特征變量分布圖Fig.3 Schematic illustration of partial geometric variables

    (3)特征優(yōu)選模型構(gòu)建。為精簡并優(yōu)化特征空間,分類之前需要進(jìn)行特征優(yōu)選處理,本文采用Relief-F 算法進(jìn)行特征優(yōu)選?;舅枷胧菫閷嶒灁?shù)據(jù)特征集中的每一個特征賦予不同的權(quán)重,隨后遵循“聚集同類樣本,離散異類樣本”的原則迭代更新權(quán)值,即根據(jù)其權(quán)值大小進(jìn)行排序,并設(shè)立閾值舍棄貢獻(xiàn)率較小的特征,最后得到優(yōu)選的特征子集(黃莉莉 等,2012)。

    首先找出k個與任意特征xi同類的最近鄰樣本集合H,其中表示特征xi與H內(nèi)各特征在特征集A上的差異量化表達(dá)為式(9):

    式中,j=1,2,3,…,k。然后找出與xi不同類的k個最近鄰特征樣本集合M(c),其中n行1列表示特征xi與M(c)各特征在特征集A上的差異量化表達(dá)為公式(10)(張鴻,2012):

    2.3 分類器構(gòu)建

    隨機(jī)森林分類器構(gòu)建,首先利用Bootstrap 隨機(jī)有放回的選取M個訓(xùn)練集且每個的大小約占原始數(shù)據(jù)的三分之二;然后訓(xùn)練每個樣本集為單個決策樹,根據(jù)Gini 系數(shù)的最小原則隨機(jī)選取最優(yōu)特征進(jìn)行分裂,直到該節(jié)點訓(xùn)練樣例都屬于同一類;最后,按照決策樹投票結(jié)果決定最終分類結(jié)果。隨機(jī)森林分類輸出判別式如下式所示:

    式中,H(x)為最終分類結(jié)果;hi(x)表示單一決策樹分類結(jié)果;argmax 表示函數(shù)取得最大值時的參數(shù)值;Y表示目標(biāo)向量;I()為示性函數(shù)(表示當(dāng)集合內(nèi)有此數(shù)時該函數(shù)值為1,無此數(shù)時該函數(shù)值為0)(陳進(jìn) 等,2020)。

    2.4 算法流程

    本文是顧及波形特征和地形特征優(yōu)選的海底底質(zhì)分類,具體流程包括:

    (1)對原始回波信號進(jìn)行小波去噪,對原始點云進(jìn)行點云去噪處理;

    (2)對去噪后的回波信號進(jìn)行峰值探測,然后分別利用高斯函數(shù)擬合水面反射回波,利用韋伯函數(shù)擬合水底反射回波,利用雙指數(shù)函數(shù)擬合水體反射回波,進(jìn)而提取出波形特征;

    (3)對去噪后的點云數(shù)據(jù)采用LM 算法建立二次曲面擬合模型,迭代尋優(yōu)獲得最優(yōu)化的擬合參數(shù),提取出地形特征;

    (4)基于提取的波形和地形特征,利用Relief-F 算法計算其貢獻(xiàn)率排序,保留貢獻(xiàn)率較大的特征;

    (5)利用隨機(jī)森林分類器提取出珊瑚礁、砂、海岸帶、礫石、植被5類底質(zhì)類型。

    3 實驗與分析

    3.1 實驗數(shù)據(jù)

    實驗所用數(shù)據(jù)采集自中國西沙群島永樂環(huán)礁西北側(cè)的甘泉島水域,南海西沙群島區(qū)域。該島是典型的珊瑚島且島內(nèi)環(huán)境相對比較原始,擁有豐富的海底底質(zhì)類型,有利于開展淺水環(huán)境下的海底底質(zhì)分類研究。

    實驗中機(jī)載LiDAR測深數(shù)據(jù)由Optech Aquarius ALB 系統(tǒng)采用532 nm,70 kHz 綠激光采集,飛機(jī)飛行高度為300 m,激光掃描最低角為15°,激光發(fā)射角為1 mrad,脈沖寬度為8.3 ns。經(jīng)數(shù)據(jù)預(yù)處理后,共獲得1.8×107個海底點,海底點云密度約為4 pts/m2。同時采集了部分高清數(shù)碼相片,分辨率5 cm,以此為參考進(jìn)行訓(xùn)練樣本和驗證樣本的選擇,樣本采集區(qū)域如圖4(a)A區(qū)所示。

    圖4 研究區(qū)域圖Fig.4 Study area

    3.2 特征提取結(jié)果與特征優(yōu)選分析

    (1)波形和地形特征提取結(jié)果。根據(jù)波形和地形特征的提取方法,對ALB數(shù)據(jù)進(jìn)行9維波形和9 維地形特征變量的特征提取,波形特征提取結(jié)果如圖5所示,地形特征提取結(jié)果如圖6所示。

    圖5 波形特征提取結(jié)果圖Fig.5 Result diagram of waveform feature extraction

    圖6 地形特征提取結(jié)果圖Fig.6 Result diagram of terrain feature extraction

    (2)特征優(yōu)選結(jié)果與分析。采用Relief-F 算法對9 類波形特征和9 類地形特征,根據(jù)其貢獻(xiàn)率值由高到低進(jìn)行排序。依據(jù)選取的特征輸入到分類器內(nèi)分類精度最高的原則,人工設(shè)置貢獻(xiàn)率閾值為0.0048,貢獻(xiàn)率小于此閾值的特征被去除。

    如圖7 所示,特征優(yōu)選后,保留了13 類特征,其中波形特征有4個,分別是波寬、半幅波寬、波形面積、后向散射截面系數(shù);地形特征有9個,分別是高斯曲率、坡度、水深標(biāo)準(zhǔn)差、平均偏差、高程熵、海底起伏度、粗糙度、凹凸系數(shù)、變異系數(shù)。進(jìn)一步分析可知:地形特征貢獻(xiàn)率占3/4 左右,證明了地形特征對于底質(zhì)分類的重要性,但僅僅使用地形特征缺乏詳細(xì)的空間尺度過程信息,需結(jié)合波形特征,波形特征約占比1/4,證明波形特征在此特征空間中對分類的有效性。

    圖7 特征優(yōu)選結(jié)果貢獻(xiàn)率分布圖Fig.7 Distribution diagram of contribution rate of feature optimization results

    3.3 分類結(jié)果與精度評定

    如圖9(a)所示,將實驗區(qū)域劃分為5種底質(zhì)類型,并從實驗區(qū)域A 中選取總訓(xùn)練樣本,其中珊瑚礁點8601 個、植被點8104 個、海岸帶點3976個、砂點8727 個、礫石點6323 個。在分類過程中,隨機(jī)選取總訓(xùn)練樣本的70%、20%和10%分別作為訓(xùn)練樣本、驗證樣本和測試樣本,3 個樣本集之間沒有重疊的點。為了減小分類特征過多或過少對分類精度產(chǎn)生的負(fù)面影響,本實驗采用Relief-F 算法對18 類波形和地形特征進(jìn)行特征優(yōu)選,并設(shè)計對照實驗對比分析。

    由圖8 可知,特征優(yōu)選后,3 種分類方法的總體精度均有所提升,表明使用Relief-F 算法能夠減少特征冗余度帶來的不利影響,進(jìn)而達(dá)到提高分類精度的目的。

    圖8 特征優(yōu)選前后精度對比圖Fig.8 Comparison diagram of accuracy before and after feature optimization

    將最優(yōu)的13 類特征輸入到SVM,BPNN,RF 3 種經(jīng)典分類器算法中進(jìn)行分類,并利用用戶精度、生產(chǎn)者精度、總精度OA 和Kappa 系數(shù)對分類精度進(jìn)行精度評定,結(jié)果如表2所示。

    表2 特征優(yōu)選后分類精度對比結(jié)果Table2 Comparison of classification accuracy

    由表2 實驗結(jié)果分析可知,實驗比對3 種分類方法中,隨機(jī)森林分類器泛化性強(qiáng)且分類精度最高,總體精度達(dá)到95.36%,Kappa系數(shù)為0.94。

    最后基于上述分類過程中訓(xùn)練好的SVM,BPNN,RF 共3 個分類器模型,對測區(qū)A 進(jìn)行預(yù)測,預(yù)測結(jié)果如圖9(b)、圖9(c)、圖9(d)所示,RF 分類器的預(yù)測結(jié)果與圖9(a)最為相近;其次為SVM,BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果較差。

    圖9 實驗區(qū)域預(yù)測結(jié)果圖Fig.9 Diagram of prediction results in the experimental area

    4 結(jié)論

    針對海底底質(zhì)分類中存在的冗余特征問題,提出了一種顧及波形和地形特征優(yōu)選的機(jī)載LiDAR 測深海底底質(zhì)分類方法。將所提算法應(yīng)用于實測機(jī)載LiDAR 測深數(shù)據(jù),通過對分類結(jié)果進(jìn)行精度評定與分析,得出以下結(jié)論:

    (1)基于9 類波形特征和9 類地形特征變量,利用構(gòu)建的特征優(yōu)選模型進(jìn)行特征優(yōu)選?;趦?yōu)選特征,利用3種分類器進(jìn)行分類。實驗結(jié)果表明Relief-F 特征優(yōu)選模型減小了冗余特征對分類精度的負(fù)面影響,基于優(yōu)選特征進(jìn)行分類可獲取更高的分類精度。

    (2)為了選擇有效的分類器,進(jìn)行特征優(yōu)選后,基于隨機(jī)森林,SVM,BP神經(jīng)網(wǎng)絡(luò)3種分類器分別提取珊瑚礁、砂、礫石、海岸帶、植被5 種底質(zhì)。實驗結(jié)果表明隨機(jī)森林分類器的分類效果最好,OA精度和Kappa系數(shù)分別達(dá)到了95.36%和0.94。

    通過本文顧及波形和地形特征優(yōu)選的機(jī)載LiDAR 測深底質(zhì)分類方法研究,相關(guān)成果能夠為海洋工程等領(lǐng)域?qū)5椎踪|(zhì)分類需求提供有效的技術(shù)支撐。

    猜你喜歡
    特征提取分類特征
    分類算一算
    如何表達(dá)“特征”
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    不忠誠的四個特征
    分類討論求坐標(biāo)
    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
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    国产精品久久电影中文字幕| 国产av一区在线观看免费| 一区二区三区国产精品乱码| 一级a爱视频在线免费观看| 免费看a级黄色片| 国产精品二区激情视频| 亚洲色图 男人天堂 中文字幕| x7x7x7水蜜桃| 欧美日韩国产mv在线观看视频| 777久久人妻少妇嫩草av网站| 伊人久久大香线蕉亚洲五| 91麻豆精品激情在线观看国产 | 精品国内亚洲2022精品成人| 久久久久久免费高清国产稀缺| 国产av在哪里看| 五月开心婷婷网| 国产成人影院久久av| 亚洲免费av在线视频| 免费观看精品视频网站| 一边摸一边做爽爽视频免费| 国产精品国产av在线观看| 久久久久久久精品吃奶| 亚洲欧美精品综合久久99| 咕卡用的链子| 天天躁狠狠躁夜夜躁狠狠躁| 久久中文字幕一级| 成熟少妇高潮喷水视频| 午夜福利影视在线免费观看| 神马国产精品三级电影在线观看 | 一区二区三区国产精品乱码| 女人高潮潮喷娇喘18禁视频| 日本免费a在线| 99久久精品国产亚洲精品| 日日夜夜操网爽| 久久婷婷成人综合色麻豆| 欧美激情 高清一区二区三区| 日韩欧美免费精品| 中出人妻视频一区二区| 91九色精品人成在线观看| 一进一出抽搐gif免费好疼 | 看片在线看免费视频| 丝袜在线中文字幕| 国产精品日韩av在线免费观看 | 熟女少妇亚洲综合色aaa.| 精品卡一卡二卡四卡免费| 久久人人97超碰香蕉20202| 啦啦啦 在线观看视频| 91国产中文字幕| 最新美女视频免费是黄的| 黑人巨大精品欧美一区二区mp4| 最好的美女福利视频网| 亚洲av电影在线进入| 在线观看日韩欧美| 成人精品一区二区免费| 91成人精品电影| 99国产综合亚洲精品| x7x7x7水蜜桃| 亚洲av片天天在线观看| 丁香欧美五月| 免费搜索国产男女视频| 最新美女视频免费是黄的| 一级黄色大片毛片| 成年人免费黄色播放视频| 99精品久久久久人妻精品| 怎么达到女性高潮| 日韩免费av在线播放| 女生性感内裤真人,穿戴方法视频| 亚洲人成77777在线视频| 美女 人体艺术 gogo| 精品卡一卡二卡四卡免费| 国产av在哪里看| 亚洲九九香蕉| 国产成人啪精品午夜网站| 亚洲 欧美一区二区三区| 老熟妇仑乱视频hdxx| 亚洲男人天堂网一区| 两性夫妻黄色片| 精品一区二区三区av网在线观看| 亚洲一区二区三区色噜噜 | 成人国语在线视频| 9热在线视频观看99| 精品一品国产午夜福利视频| 桃红色精品国产亚洲av| 50天的宝宝边吃奶边哭怎么回事| 亚洲精品国产区一区二| 亚洲中文av在线| 日本一区二区免费在线视频| 男男h啪啪无遮挡| 久久久久亚洲av毛片大全| 天天添夜夜摸| 久久伊人香网站| 侵犯人妻中文字幕一二三四区| 久久亚洲精品不卡| 欧美色视频一区免费| 久久青草综合色| 老司机靠b影院| 欧美激情极品国产一区二区三区| 国产精品秋霞免费鲁丝片| 亚洲国产欧美网| 国产av在哪里看| 日本a在线网址| 亚洲欧美精品综合久久99| 欧美精品亚洲一区二区| 欧美日本中文国产一区发布| 国产精品亚洲av一区麻豆| 99国产精品一区二区三区| 欧美在线黄色| 欧美精品一区二区免费开放| 午夜福利影视在线免费观看| 亚洲成人国产一区在线观看| 欧美日韩福利视频一区二区| 欧美性长视频在线观看| 国产精品免费一区二区三区在线| 又大又爽又粗| 热re99久久国产66热| 国产男靠女视频免费网站| 性色av乱码一区二区三区2| 成熟少妇高潮喷水视频| 亚洲国产欧美日韩在线播放| 久久中文字幕一级| 久久国产精品人妻蜜桃| 男人舔女人的私密视频| 香蕉丝袜av| 校园春色视频在线观看| 老熟妇仑乱视频hdxx| 极品教师在线免费播放| 制服人妻中文乱码| 国产亚洲精品第一综合不卡| 十八禁人妻一区二区| 精品国产乱子伦一区二区三区| 身体一侧抽搐| 久久久精品欧美日韩精品| 成年女人毛片免费观看观看9| 日韩免费高清中文字幕av| 亚洲国产毛片av蜜桃av| 欧美日韩视频精品一区| 亚洲va日本ⅴa欧美va伊人久久| 天天躁狠狠躁夜夜躁狠狠躁| 在线观看午夜福利视频| 欧美日韩国产mv在线观看视频| av天堂在线播放| 18禁美女被吸乳视频| 亚洲男人的天堂狠狠| 国产精品亚洲一级av第二区| 嫩草影院精品99| 亚洲精品国产一区二区精华液| 一边摸一边抽搐一进一出视频| avwww免费| 又大又爽又粗| 久久 成人 亚洲| 久久国产乱子伦精品免费另类| 日本a在线网址| 国产高清国产精品国产三级| 女人高潮潮喷娇喘18禁视频| 成人手机av| 精品高清国产在线一区| 免费av毛片视频| 99在线视频只有这里精品首页| 久久 成人 亚洲| 亚洲国产毛片av蜜桃av| 亚洲一卡2卡3卡4卡5卡精品中文| 91精品国产国语对白视频| 亚洲成人免费av在线播放| av超薄肉色丝袜交足视频| 丰满迷人的少妇在线观看| 97碰自拍视频| 欧美成人性av电影在线观看| 淫妇啪啪啪对白视频| 婷婷精品国产亚洲av在线| 啪啪无遮挡十八禁网站| 真人做人爱边吃奶动态| 国产精品久久久人人做人人爽| 久久性视频一级片| 91九色精品人成在线观看| 两个人免费观看高清视频| 制服诱惑二区| 老司机在亚洲福利影院| 日韩视频一区二区在线观看| 久久久久精品国产欧美久久久| 精品一区二区三区视频在线观看免费 | 精品久久久久久,| 色精品久久人妻99蜜桃| 好看av亚洲va欧美ⅴa在| 日韩欧美一区视频在线观看| 一区在线观看完整版| 午夜福利影视在线免费观看| 老汉色av国产亚洲站长工具| 成人亚洲精品av一区二区 | 人人妻人人澡人人看| 无限看片的www在线观看| 国产一卡二卡三卡精品| 精品无人区乱码1区二区| a级毛片黄视频| 99在线人妻在线中文字幕| 可以免费在线观看a视频的电影网站| 午夜激情av网站| 91精品三级在线观看| 中文字幕色久视频| 18禁观看日本| 亚洲aⅴ乱码一区二区在线播放 | а√天堂www在线а√下载| 91大片在线观看| 久久欧美精品欧美久久欧美| 超色免费av| 黑人操中国人逼视频| 婷婷六月久久综合丁香| 女人精品久久久久毛片| 亚洲精品国产区一区二| 色精品久久人妻99蜜桃| 搡老熟女国产l中国老女人| 日韩欧美一区视频在线观看| 成人国语在线视频| 一进一出抽搐gif免费好疼 | 午夜两性在线视频| 叶爱在线成人免费视频播放| 50天的宝宝边吃奶边哭怎么回事| 亚洲成av片中文字幕在线观看| 亚洲国产欧美一区二区综合| av电影中文网址| 亚洲精品一二三| 美女 人体艺术 gogo| 岛国在线观看网站| 亚洲av日韩精品久久久久久密| 99久久精品国产亚洲精品| 亚洲av五月六月丁香网| 啦啦啦 在线观看视频| 99久久综合精品五月天人人| 韩国精品一区二区三区| 青草久久国产| 在线十欧美十亚洲十日本专区| 91麻豆精品激情在线观看国产 | 久久国产精品男人的天堂亚洲| 高清黄色对白视频在线免费看| 亚洲avbb在线观看| 久久人人精品亚洲av| 国产色视频综合| 国产免费男女视频| 91成年电影在线观看| 91大片在线观看| 亚洲国产精品999在线| 91国产中文字幕| 不卡av一区二区三区| 国产黄a三级三级三级人| 老司机福利观看| 免费在线观看影片大全网站| 色精品久久人妻99蜜桃| 757午夜福利合集在线观看| 久久精品影院6| www.精华液| 女人高潮潮喷娇喘18禁视频| 18禁黄网站禁片午夜丰满| 国产精品98久久久久久宅男小说| 久久中文字幕一级| 亚洲av片天天在线观看| 国产一区二区三区综合在线观看| 中出人妻视频一区二区| 男女午夜视频在线观看| bbb黄色大片| 又紧又爽又黄一区二区| 人成视频在线观看免费观看| 亚洲专区字幕在线| 91成年电影在线观看| 黑人欧美特级aaaaaa片| 在线永久观看黄色视频| www国产在线视频色| 少妇粗大呻吟视频| 两性夫妻黄色片| 曰老女人黄片| 狠狠狠狠99中文字幕| 50天的宝宝边吃奶边哭怎么回事| 欧美日本亚洲视频在线播放| 精品国产一区二区久久| 成人av一区二区三区在线看| 欧美精品一区二区免费开放| 国产视频一区二区在线看| 免费观看人在逋| 免费一级毛片在线播放高清视频 | 久久人妻熟女aⅴ| 欧美最黄视频在线播放免费 | 国产成人欧美在线观看| av天堂在线播放| 99在线视频只有这里精品首页| 久久久久国产精品人妻aⅴ院| 国产精品二区激情视频| 高清在线国产一区| 午夜a级毛片| 欧美黄色淫秽网站| 欧美+亚洲+日韩+国产| 国产精品偷伦视频观看了| 欧美精品啪啪一区二区三区| 天堂中文最新版在线下载| 热re99久久国产66热| 中文字幕人妻丝袜一区二区| 成人影院久久| 在线观看一区二区三区| 亚洲一区高清亚洲精品| av天堂在线播放| 亚洲人成电影免费在线| 国产高清视频在线播放一区| 69精品国产乱码久久久| 亚洲一区二区三区色噜噜 | 怎么达到女性高潮| 99精品欧美一区二区三区四区| 欧美丝袜亚洲另类 | 女生性感内裤真人,穿戴方法视频| 午夜成年电影在线免费观看| 亚洲片人在线观看| 国产亚洲欧美精品永久| 韩国精品一区二区三区| 在线观看免费午夜福利视频| 999精品在线视频| 这个男人来自地球电影免费观看| 美女国产高潮福利片在线看| 一夜夜www| 看片在线看免费视频| 亚洲,欧美精品.| www.精华液| 韩国精品一区二区三区| 精品国产一区二区久久| 亚洲成人久久性| 久久性视频一级片| 热re99久久精品国产66热6| 一级片免费观看大全| 亚洲va日本ⅴa欧美va伊人久久| 国产精品免费一区二区三区在线| 多毛熟女@视频| 天天躁狠狠躁夜夜躁狠狠躁| 97超级碰碰碰精品色视频在线观看| 久久婷婷成人综合色麻豆| 大香蕉久久成人网| 亚洲人成网站在线播放欧美日韩| 久久久久久久精品吃奶| 超碰成人久久| 叶爱在线成人免费视频播放| 中文字幕精品免费在线观看视频| 国产精品九九99| 亚洲欧美日韩高清在线视频| 国产成年人精品一区二区 | 午夜福利,免费看| www.熟女人妻精品国产| av欧美777| 欧美成人免费av一区二区三区| 国产一区二区三区视频了| 欧美成人性av电影在线观看| 搡老熟女国产l中国老女人| 久久久久久久午夜电影 | 黄片小视频在线播放| 黑人猛操日本美女一级片| 亚洲国产精品999在线| 最新在线观看一区二区三区| 亚洲av成人不卡在线观看播放网| 欧美日韩视频精品一区| 一区二区三区激情视频| 成人手机av| 天堂俺去俺来也www色官网| 在线观看午夜福利视频| 精品国产亚洲在线| 如日韩欧美国产精品一区二区三区| 一边摸一边抽搐一进一出视频| 久久人妻福利社区极品人妻图片| 国产成人精品久久二区二区免费| 19禁男女啪啪无遮挡网站| 免费在线观看日本一区| 久久久久久久午夜电影 | 少妇裸体淫交视频免费看高清 | 人人妻人人爽人人添夜夜欢视频| 制服人妻中文乱码| 国产精品二区激情视频| 日日摸夜夜添夜夜添小说| 日韩三级视频一区二区三区| 丁香六月欧美| 亚洲人成77777在线视频| 亚洲av成人一区二区三| 叶爱在线成人免费视频播放| www日本在线高清视频| 亚洲一码二码三码区别大吗| 亚洲色图av天堂| 日韩av在线大香蕉| 在线观看免费视频日本深夜| 丝袜人妻中文字幕| 身体一侧抽搐| 午夜老司机福利片| 免费观看精品视频网站| 久久精品人人爽人人爽视色| 久久精品国产综合久久久| 午夜福利免费观看在线| 国产亚洲精品一区二区www| 国内毛片毛片毛片毛片毛片| 日韩精品中文字幕看吧| 亚洲精华国产精华精| 九色亚洲精品在线播放| 久久性视频一级片| 每晚都被弄得嗷嗷叫到高潮| 三级毛片av免费| 日韩欧美国产一区二区入口| www国产在线视频色| 啦啦啦免费观看视频1| 美女扒开内裤让男人捅视频| 国产又色又爽无遮挡免费看| 国产人伦9x9x在线观看| 久久精品影院6| 在线观看免费高清a一片| 色综合站精品国产| 亚洲自偷自拍图片 自拍| 欧美成人性av电影在线观看| 又紧又爽又黄一区二区| 男人操女人黄网站| 伊人久久大香线蕉亚洲五| 操美女的视频在线观看| 丁香欧美五月| 黄色丝袜av网址大全| 欧美激情 高清一区二区三区| 精品久久久久久成人av| 亚洲视频免费观看视频| xxxhd国产人妻xxx| 亚洲人成77777在线视频| 久久精品亚洲精品国产色婷小说| 91av网站免费观看| 国产精品99久久99久久久不卡| 一个人观看的视频www高清免费观看 | 夜夜夜夜夜久久久久| 免费看a级黄色片| 大码成人一级视频| 丰满的人妻完整版| 人妻丰满熟妇av一区二区三区| 久久狼人影院| 精品日产1卡2卡| av视频免费观看在线观看| 成人影院久久| 天堂√8在线中文| 免费一级毛片在线播放高清视频 | 久9热在线精品视频| 99久久久亚洲精品蜜臀av| 美女 人体艺术 gogo| 亚洲少妇的诱惑av| 亚洲成国产人片在线观看| 久久亚洲精品不卡| 亚洲在线自拍视频| 大陆偷拍与自拍| 欧美性长视频在线观看| 9热在线视频观看99| а√天堂www在线а√下载| 午夜激情av网站| 国产精品偷伦视频观看了| 妹子高潮喷水视频| 日韩一卡2卡3卡4卡2021年| 亚洲精品一区av在线观看| 在线观看免费午夜福利视频| 村上凉子中文字幕在线| av网站在线播放免费| 黄色女人牲交| 国产成人av激情在线播放| 国产免费现黄频在线看| 午夜福利影视在线免费观看| 日韩人妻精品一区2区三区| 中文亚洲av片在线观看爽| 在线观看免费日韩欧美大片| 好男人电影高清在线观看| 操美女的视频在线观看| 日本 av在线| 亚洲在线自拍视频| videosex国产| 久久精品亚洲熟妇少妇任你| 亚洲黑人精品在线| 色哟哟哟哟哟哟| 国产成人一区二区三区免费视频网站| 乱人伦中国视频| 精品午夜福利视频在线观看一区| 精品人妻在线不人妻| 亚洲欧洲精品一区二区精品久久久| 亚洲激情在线av| 免费在线观看日本一区| 欧美日韩乱码在线| 午夜激情av网站| tocl精华| 亚洲伊人色综图| 亚洲第一欧美日韩一区二区三区| 男女下面进入的视频免费午夜 | 久久人妻熟女aⅴ| 色婷婷久久久亚洲欧美| 国产精华一区二区三区| 乱人伦中国视频| 精品午夜福利视频在线观看一区| 亚洲精品久久成人aⅴ小说| 夜夜躁狠狠躁天天躁| 久久久国产精品麻豆| 欧美日韩瑟瑟在线播放| 国产色视频综合| 精品人妻1区二区| 校园春色视频在线观看| 长腿黑丝高跟| 两性午夜刺激爽爽歪歪视频在线观看 | 精品一区二区三区av网在线观看| 亚洲男人天堂网一区| 国产1区2区3区精品| 51午夜福利影视在线观看| 一级a爱视频在线免费观看| 在线观看日韩欧美| 免费少妇av软件| 久久人妻av系列| av有码第一页| 国产精品乱码一区二三区的特点 | av天堂久久9| 五月开心婷婷网| 欧美日韩瑟瑟在线播放| 国产欧美日韩一区二区精品| 亚洲国产毛片av蜜桃av| 91老司机精品| 国产有黄有色有爽视频| 午夜两性在线视频| e午夜精品久久久久久久| 黄色女人牲交| 一级毛片高清免费大全| 高清黄色对白视频在线免费看| 国产精品免费视频内射| 一区二区三区精品91| 伊人久久大香线蕉亚洲五| 久久久国产一区二区| 深夜精品福利| 又黄又粗又硬又大视频| 欧美精品一区二区免费开放| 久久久国产欧美日韩av| 黄片播放在线免费| 99精国产麻豆久久婷婷| 在线观看66精品国产| bbb黄色大片| 国产主播在线观看一区二区| 91精品国产国语对白视频| 18禁美女被吸乳视频| 超碰97精品在线观看| 久久久国产成人精品二区 | 我的亚洲天堂| 免费女性裸体啪啪无遮挡网站| 亚洲一区中文字幕在线| 别揉我奶头~嗯~啊~动态视频| 91成人精品电影| 天堂影院成人在线观看| 精品久久久久久久毛片微露脸| 不卡av一区二区三区| 亚洲色图 男人天堂 中文字幕| 嫩草影视91久久| 老司机福利观看| 亚洲精品粉嫩美女一区| 国产精品99久久99久久久不卡| 久久99一区二区三区| 久久久久久免费高清国产稀缺| 国产精品美女特级片免费视频播放器 | 亚洲成人免费av在线播放| 制服人妻中文乱码| 久久人妻福利社区极品人妻图片| 国产精品久久久久成人av| 18禁裸乳无遮挡免费网站照片 | 国产精品野战在线观看 | 在线十欧美十亚洲十日本专区| a级毛片在线看网站| 老司机靠b影院| 久久精品国产99精品国产亚洲性色 | 亚洲精品一区av在线观看| 天堂影院成人在线观看| 国产精品av久久久久免费| 成人特级黄色片久久久久久久| 操出白浆在线播放| 日韩欧美一区二区三区在线观看| 免费观看精品视频网站| 精品福利永久在线观看| 99久久人妻综合| 中文字幕最新亚洲高清| 欧美激情高清一区二区三区| 亚洲欧美激情在线| 国产精品亚洲av一区麻豆| 黄片小视频在线播放| 超碰成人久久| 午夜精品久久久久久毛片777| 欧美另类亚洲清纯唯美| 亚洲av成人av| 国产精品99久久99久久久不卡| 欧美日韩视频精品一区| 国产又爽黄色视频| 中文字幕av电影在线播放| 夜夜爽天天搞| 午夜免费成人在线视频| 淫妇啪啪啪对白视频| 亚洲av熟女| 三上悠亚av全集在线观看| 成人18禁在线播放| 欧美激情高清一区二区三区| 国产成人欧美| 欧美另类亚洲清纯唯美| 美女高潮到喷水免费观看| 黄色成人免费大全| 无人区码免费观看不卡| 在线免费观看的www视频| 亚洲va日本ⅴa欧美va伊人久久| 91国产中文字幕| 精品久久久久久,| 日日夜夜操网爽| 1024视频免费在线观看| 男女午夜视频在线观看| 日韩大尺度精品在线看网址 | aaaaa片日本免费| 人人妻人人爽人人添夜夜欢视频| 国产熟女xx| 别揉我奶头~嗯~啊~动态视频| 国产亚洲精品第一综合不卡| 看免费av毛片| 免费女性裸体啪啪无遮挡网站| 国产无遮挡羞羞视频在线观看| 少妇的丰满在线观看| 亚洲精品国产精品久久久不卡| 免费日韩欧美在线观看| 国产成人一区二区三区免费视频网站| 一区二区日韩欧美中文字幕| 日韩免费高清中文字幕av| 欧美人与性动交α欧美精品济南到| 亚洲成人免费av在线播放|