• <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Gabor 濾波的并行網(wǎng)絡(luò)無參考圖像質(zhì)量評價

    2023-11-13 16:10:10李國濤楊忠張馳朱儻許昌亮
    應(yīng)用科技 2023年5期
    關(guān)鍵詞:切塊集上邊緣

    李國濤,楊忠,張馳,朱儻,許昌亮

    南京航空航天大學(xué) 自動化學(xué)院,江蘇 南京 211106

    在過去的幾年里,隨著計算機(jī)和互聯(lián)網(wǎng)技術(shù)的發(fā)展速度大大加快,多媒體技術(shù)的發(fā)展也有較大的進(jìn)步。然而,在多媒體系統(tǒng)中,數(shù)字圖像在采集、處理、壓縮、存儲和傳輸?shù)冗^程中存在的失真會導(dǎo)致圖像質(zhì)量的下降[1]。因此,在圖像處理領(lǐng)域中,對一張圖像的質(zhì)量進(jìn)行評分已然成為一個關(guān)鍵的課題研究。

    圖像質(zhì)量評價( image quality assessment,IQA)可用于如圖像去噪、圖像重建、圖像合成和視頻編碼等許多圖像處理應(yīng)用當(dāng)中。根據(jù)利用參考圖信息的情況,IQA 分為全參考(full-reference)、半?yún)⒖迹╮educed-reference)和無參考(no-reference)3 種類型[2]。其中,第3 種無參考的圖像質(zhì)量評價(no-reference image quality assessment, NR-IQA)算法是最具有廣泛適用性的,原因是實際應(yīng)用中往往沒有無失真的圖像可供全參考或半?yún)⒖嫉乃惴ㄗ鳛閰⒖肌?/p>

    早期的NR-IQA 方法利用從圖像中提取的一些基于經(jīng)驗觀察的特征[3-6]來評價圖像質(zhì)量,但這種方法效果一般,這就表明了這些手工特征存在著一定的局限性。而深度學(xué)習(xí)方法可以使用卷積層來提取圖像的特征,然后利用全連接層將特征映射到質(zhì)量分?jǐn)?shù)[7-9]。Kang 等[10]提出的IQA_CNN利用卷積神經(jīng)網(wǎng)絡(luò)獲取圖像特征,并將圖像分割成若干圖像塊來訓(xùn)練模型從而實現(xiàn)圖像質(zhì)量評價。Liu 等[11]提出RankIQA 對網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前,首先對失真圖像集的質(zhì)量進(jìn)行了排序,才用于網(wǎng)絡(luò)的訓(xùn)練,然后為了訓(xùn)練更深的網(wǎng)絡(luò),利用了遷移學(xué)習(xí)技術(shù)。通過生成圖像這一方式,RankIQA模型可以實現(xiàn)訓(xùn)練數(shù)據(jù)的增加。由于NR-IQA 沒有參考圖作對比,Ren 等[12]提出的RAN4IQA 首先生成未失真的原圖,然后用類似全參考的評價方式獲得質(zhì)量分?jǐn)?shù),即利用了生成式對抗網(wǎng)絡(luò)(generative adversarial networks,GAN)的思想,也取得了不錯的效果。Su 等[13]提出了一個自適應(yīng)網(wǎng)絡(luò)架構(gòu)的hyperIQA,該方法為了提取圖像的深層語義特征,用到了ResNet50 網(wǎng)絡(luò),然后利用超網(wǎng)絡(luò)建立起感知規(guī)則,該感知規(guī)則又被應(yīng)用于質(zhì)量預(yù)測網(wǎng)絡(luò)。Yan 等[14]雖然也提出用2 個分流網(wǎng)絡(luò)來增強(qiáng)對圖像特征的提取,取得了一定的效果,但是由于其將圖像分割成32×32 的小圖像塊而過多忽略了整體圖像本身所含有的信息,且為了反映圖像結(jié)構(gòu)而使用的梯度圖在失真程度較弱時變化不明顯,因此存在一定的局限性。

    基于以上分析,考慮到圖像質(zhì)量評價數(shù)據(jù)集的數(shù)據(jù)量不充足以及圖片失真非均勻性的問題,本文針對無參考圖像質(zhì)量評價的問題提出了一種基于Gabor 濾波的并行網(wǎng)絡(luò)深度學(xué)習(xí)算法,并在LIVE 和TID2013 數(shù)據(jù)集上進(jìn)行實驗,以證明該算法的有效性。

    1 圖像預(yù)處理

    考慮圖像的失真可能存在著非均勻性,即在輸入圖像的不同部分中,失真類型和失真程度通常會有所不同。針對該問題,本文利用可提取空間局部頻域特征的Gabor 濾波器[15]來獲取邊緣圖片。同時,針對圖像數(shù)據(jù)量的不足,采取圖片切塊的方式增大數(shù)據(jù)量以便深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)。因此,在網(wǎng)絡(luò)訓(xùn)練之前,要對圖片進(jìn)行邊緣圖像的獲取以及切塊的預(yù)處理。

    1.1 基于二維Gabor 濾波器的邊緣圖像獲取

    Gabor 濾波器實質(zhì)上是一種小波。早在1946 年,一維Gabor 函數(shù)便由英國物理學(xué)家Gabor 率先提出。直到1980 年,將Gabor 的一維形式擴(kuò)展到二維[16]才被DAUGMAN 提出。通過設(shè)置不同的參數(shù),Gabor 濾波器可以在不同尺度、不同方向上的進(jìn)行濾波,能有效地提取圖像的邊緣特征,感知紋理信息。文獻(xiàn)[17]中的生物研究表明,哺乳動物大腦皮層存在著用于實現(xiàn)視覺機(jī)制的感受細(xì)胞,而Gabor 小波也具有這樣的性質(zhì),這和NR-IQA 領(lǐng)域追求質(zhì)量評分與人類視覺系統(tǒng)一致的目的有了共同的特性。由復(fù)正弦波調(diào)制的橢圓高斯包絡(luò)線組成的二維Gabor 濾波器,不僅對輸入圖像局部區(qū)域的頻率有著一定的敏感程度,對空間頻率也有著一定的敏感性。Gabor 函數(shù)表達(dá)式如下:

    式中:

    實數(shù)部分表達(dá)式為

    虛數(shù)部分表達(dá)式為

    不同的Gabor 參數(shù)生成的濾波器不同。本文各參數(shù)取值如下: λ為濾波器波長,取值為3; θ為濾波器方向,取值范圍是0~π; ψ為正余弦因子參數(shù)的相位偏移,取值為0; σ為Gabor 函數(shù)的高斯因子標(biāo)準(zhǔn)差,取值為1.5; γ為空間縱橫比,取值為1.2。

    從圖1 和圖2 可以看出,未失真圖片在經(jīng)過Gabor 濾波器之后,獲得的邊緣特征更為細(xì)致,而失真圖像的邊緣特征相對來說就缺失了許多,這就說明了Gabor 濾波對圖像失真引起的邊緣損失比較敏感。

    圖1 失真圖及其邊緣圖

    圖2 未失真圖及其邊緣圖

    1.2 圖像切塊

    獲取灰度圖和邊緣圖片后,考慮深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要充足的數(shù)據(jù)量,對圖像進(jìn)行切塊處理,且一張圖上切塊形成的多張新圖像塊的對應(yīng)質(zhì)量分?jǐn)?shù)也取原圖像的分?jǐn)?shù),以此達(dá)到增強(qiáng)數(shù)據(jù)集的目的。同時為了保證原圖像的每一部分都能夠作為切塊后的數(shù)據(jù)集使用,并且切塊后的圖像相互之間沒有重疊的部分。那么,切塊圖像的尺寸大小應(yīng)該是原圖像長寬的公約數(shù),所以切塊后的尺寸設(shè)為128×128。圖像切塊方式如圖3 所示,若一個數(shù)據(jù)集的圖像大小為384×384,經(jīng)切塊處理得到128×128 大小的圖像塊,可使得整體數(shù)據(jù)量擴(kuò)為原來的9 倍,便于深度網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)。

    訓(xùn)練完成的模型對一張圖片進(jìn)行分?jǐn)?shù)預(yù)測時,整張圖像的質(zhì)量分?jǐn)?shù)是取其所有圖像塊分?jǐn)?shù)的平均值,公式如下:

    式中:q為預(yù)測圖片的分?jǐn)?shù),Np為該圖像切割的圖像塊數(shù),xi、gi分別為輸入圖像塊的灰度圖與邊緣圖,f為由圖像塊xi、gi到質(zhì)量分?jǐn)?shù)q的映射關(guān)系。

    2 并行網(wǎng)絡(luò)結(jié)構(gòu)

    本文旨在通過一個并行網(wǎng)絡(luò)來學(xué)習(xí)視覺外觀與圖像質(zhì)量間的復(fù)雜關(guān)系。目前,大多數(shù)的NRIQA 方法只是使用圖片的灰度圖像或者RGB 圖像作為輸入。相比之下,本文考慮了大多數(shù)失真可能導(dǎo)致圖片邊緣結(jié)構(gòu)信息損失的問題,在以灰度圖片為輸入的分支網(wǎng)絡(luò)主要學(xué)習(xí)圖像各像素的強(qiáng)度等特征的同時,也利用另一個分支網(wǎng)絡(luò)去重點學(xué)習(xí)邊緣圖像的結(jié)構(gòu)特征。由于邊緣圖像更能反映圖片中高頻分量由于失真導(dǎo)致的損失情況,如此一來,利用并行網(wǎng)絡(luò)學(xué)習(xí)到的多重融合的特征則更能反映圖像質(zhì)量的情況,再回歸預(yù)測后得到的分?jǐn)?shù)也就更貼合人類的視覺感知。

    2.1 特征提取網(wǎng)絡(luò)

    本文的特征提取網(wǎng)絡(luò)是選取改進(jìn)后的VGG16。為了在提高網(wǎng)絡(luò)擬合能力的同時,進(jìn)一步減少參數(shù),經(jīng)典的VGG16 網(wǎng)絡(luò)[18]采用了多個較小卷積核(3×3)的卷積層來增加非線性映射的數(shù)量,但是其要求輸入圖片大小224×224,而本文圖像塊大小為128×128。因此,本文只采用VGG16網(wǎng)絡(luò)前面的圖像特征提取部分。

    本文的特征提取網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示。該網(wǎng)絡(luò)共包含了13 個卷積層和5 個最大池化層,針對輸入128×128 大小的圖像塊,充分提取其圖像特征,最終得到圖4 中4×4×512 的圖像特征。

    2.2 回歸預(yù)測網(wǎng)絡(luò)

    針對并行的特征提取網(wǎng)絡(luò)獲得的多重融合的特征,需要將其映射到與人的視覺感觀相一致的質(zhì)量分?jǐn)?shù)。NR-IQA 并行網(wǎng)絡(luò)結(jié)構(gòu)如圖5 所示,針對特征提取網(wǎng)絡(luò)從灰度圖像塊和邊緣圖像塊獲得的2 個4×4×512 的特征量,將其擴(kuò)展成2 個1×1×8 192的特征向量后,分別各自通過1 個8 192×512 的全連接層獲得2 個1×1×512 的特征向量,將2 者連接起來形成1 個1×1×1 024 的特征向量;然后經(jīng)過1 個1 024×256 的全連接層,得到1×1×256 的特征向量;最后經(jīng)過256×1 的全連接層,獲得最終的圖像質(zhì)量預(yù)測分?jǐn)?shù)。

    圖5 NR-IQA 并行網(wǎng)絡(luò)

    3 實驗結(jié)果與數(shù)據(jù)分析

    本節(jié)將所提出的NR-IQA 并行網(wǎng)絡(luò)算法在公開數(shù)據(jù)集LIVE[19]和TID2013[20]上進(jìn)行實驗來驗證其有效性。

    3.1 數(shù)據(jù)集與評估指標(biāo)

    數(shù)據(jù)集LIVE 共包含779 張失真圖像,大多數(shù)圖像大小為768×512,這些失真圖像是由25 張未失真圖像經(jīng)過5 種不同類型失真在不同失真級別上所生成的,所有圖像質(zhì)量的平均意見得分(direrential mean opin-ion score,DMOS)都在一個[0,100]范圍,如圖6 所示。其中DMOS 越高,表示失真程度越高,也就說明圖像質(zhì)量越低。數(shù)據(jù)集TID2013 共有3 000 張失真圖像,大多數(shù)圖像大小為512×384,這些失真圖像是由25 張原始圖像通過非偏心圖像噪聲、壓縮失真(如JPEG)等24 類不同失真所形成的,如圖7 所示。每張圖像的平均意見得分(mean opin-ion score,MOS)值都在[0,9]內(nèi),其中較低的MOS 表示失真程度較高,也就說明圖像質(zhì)量越低。

    圖6 LIVE 數(shù)據(jù)集圖像

    圖7 TID2013 數(shù)據(jù)集圖像

    評價指標(biāo)采用了用于評價模型預(yù)測準(zhǔn)確性的斯皮爾曼秩相關(guān)系數(shù)(Spearman rank order coefficient,SROCC)、評價單調(diào)性的皮爾森線性相關(guān)系數(shù)(Pearson linear correlation coefficient,PLCC)、評價相關(guān)一致性的肯德爾秩次相關(guān)系數(shù)(Kendall rankorder correlation coefficient,KROCC)和評價偏差程度的均方根誤差(root mean squared error,RMSE)。其中,SROCC 和PLCC 這2 點指標(biāo)最為重要,兩者取值范圍均為[0,1],值越接近1,表明模型效果與人眼主觀視覺的一致性越好。

    3.2 實驗配置

    本文實驗平臺的配置如表1 所示。

    表1 實驗平臺相關(guān)配置

    根據(jù)平臺硬件設(shè)備性能,本實驗將訓(xùn)練集與測試集比例設(shè)為8∶2,網(wǎng)絡(luò)輸入圖像大小設(shè)為128×128,將網(wǎng)絡(luò)訓(xùn)練的批尺寸(batch size)、迭代次數(shù)(epoch)和初始學(xué)習(xí)率(learning rate)分別設(shè)為32、150 和0.000 1,更新一次學(xué)習(xí)率的步長(step size)為30,更新學(xué)習(xí)率的乘法因子(gamma)為0.9。

    3.3 消融實驗

    利用所提出的基于Gabor 濾波的并行網(wǎng)絡(luò)NR-IQA 算法在LIVE 數(shù)據(jù)集上進(jìn)行消融實驗,以證明使用128×128 的圖像塊作為輸入、采用邊緣圖像的并行網(wǎng)絡(luò)以及利用Gabor 濾波獲取邊緣圖像這3 點對圖像質(zhì)量預(yù)測是積極有效的。

    實驗數(shù)據(jù)如表2 所示。消融實驗一共分為4 組,分別為:1)G_Net_128:表示采用128×128 大小的灰度圖像塊作輸入的單分支網(wǎng)絡(luò)模型;2)GS_PNet_128:表示采用128×128 大小的灰度圖像塊和經(jīng)Sobel 算子所獲得的邊緣圖像塊作為輸入的并行網(wǎng)絡(luò)模型;3)GG_PNet_32:表示采用32×32 大小的灰度圖像塊和經(jīng)Gabor 濾波所得的邊緣圖像塊作為輸入的并行網(wǎng)絡(luò)模型;4)作為本文提出的GG_PNet_128:表示采用128×128 大小的灰度圖像塊和經(jīng)Gabor 濾波所得的邊緣圖像塊作為輸入的并行網(wǎng)絡(luò)模型。

    表2 在LIVE 數(shù)據(jù)集上的消融實驗

    從表2 實驗結(jié)果可知,采用本文所提算法的第4 組實驗GG_PNet_128 在4 個指標(biāo)上均獲得了消融實驗中最好的數(shù)值,這也證明了在本文所提算法中這3 點改進(jìn)均使得模型效果與人眼主觀視覺的一致性得到了提升。

    實驗GG_PNet_128 的訓(xùn)練曲線如圖8 所示。由圖8 中的Loss 曲線可以看出,網(wǎng)絡(luò)訓(xùn)練過程中較快地達(dá)到了收斂,并且較為平穩(wěn)。

    3.4 對比實驗

    這一節(jié)選擇了基于深度學(xué)習(xí)的代表性算法在LIVE 數(shù)據(jù)集和TID2013 數(shù)據(jù)集上的性能表現(xiàn)來做對比實驗,如DIQaM-NR[9]、DIIVINE[5]、CORNIA[21]、BIQI[4]、RankIQA[11]、hyperIQA[13]等算法,實驗結(jié)果如表3 所示。

    由表3 實驗結(jié)果可知,在LIVE 數(shù)據(jù)集和TID2013 數(shù)據(jù)集上,本文所提算法都基本取得最好的效果,雖然在LIVE 數(shù)據(jù)集上的SROCC 指標(biāo)比RankIQA 小了0.002,但是在TID2013 數(shù)據(jù)集上的SROCC 指標(biāo)卻高出其0.88。

    要評估一個算法的好壞,算法的泛化能力也是一個很重要指標(biāo),為了評估模型性能,本文以SROCC 作為主要指標(biāo),并與以下多種經(jīng)典算法進(jìn)行比較:如BRISQUE[22]、BLIINDS-II[23]、DIIVINE[5]、CORNIA[21]和DIQaM-NR[9]。將在LIVE 數(shù)據(jù)集上訓(xùn)練的模型放在TID2013 數(shù)據(jù)集上進(jìn)行測試,以及將TID2013 數(shù)據(jù)集上訓(xùn)練得到的模型放在LIVE 數(shù)據(jù)集上進(jìn)行測試,實驗結(jié)果如表4 所示。

    表4 跨數(shù)據(jù)集性能評估的SROCC 指標(biāo)

    由表4 實驗結(jié)果可知,LIVE 上訓(xùn)練的模型在TID2013 數(shù)據(jù)集上的測試效果明顯不佳,而TID2013 上訓(xùn)練的模型在LIVE 數(shù)據(jù)集上的測試效果明顯較好。這是因為LIVE 數(shù)據(jù)集只有5 種失真類型,而TID2013 數(shù)據(jù)集卻有24 種失真類型。那么在數(shù)據(jù)更豐富且失真類型更多的TID2013數(shù)據(jù)集上進(jìn)行訓(xùn)練,所得模型自然泛化能力也要更優(yōu)秀。

    在LIVE 數(shù)據(jù)集上,以SROCC 為評價指標(biāo),針對數(shù)據(jù)集單一失真類型進(jìn)行本文算法與主流算法的性能對比實驗,如DIIVINE[5]、BRISQUE[22]、NIQE[6]、HOSA[24]、MCNN[25]、BIECON[26]。實驗結(jié)果如表5 所示。

    由表5 實驗結(jié)果可知,在LIVE 數(shù)據(jù)集中的5 種失真類型里,在JP2K、WN、BLUR 和FF 這4 個失真類型圖像上的質(zhì)量預(yù)測均取得最優(yōu)異的效果,而JPEG 這一失真類型圖像上的質(zhì)量預(yù)測也僅次于BIECON。

    4 結(jié)束語

    本文提出了一種基于Gabor 濾波的并行網(wǎng)絡(luò)無參考圖像質(zhì)量評價算法,該算法通過增加一個輸入大小為128×128 邊緣圖像的分支網(wǎng)絡(luò)提取圖像質(zhì)量特征,一定程度上彌補(bǔ)了以灰度圖像輸入的單支網(wǎng)絡(luò)提取圖像質(zhì)量特征不足的缺陷;同時,可提取空間局部頻域特征的Gabor 濾波器也在一定程度上解決了圖像失真非均勻性導(dǎo)致的質(zhì)量評價不準(zhǔn)確的缺陷。實驗結(jié)果也表明所提算法的圖像質(zhì)量評分與人類主觀視覺有較高的一致性。由于不同的失真有著不同的特性,圖像的失真類型也是多樣且復(fù)雜,因此,提高NR-IQA 算法的通用性是今后的研究重點。

    猜你喜歡
    切塊集上邊緣
    比薩切塊
    費(fèi)烏瑞它切塊與整薯播栽的性狀和產(chǎn)量
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    魔芋切塊繁殖的生長特性及產(chǎn)量分析
    長江蔬菜(2018年10期)2018-06-23 03:37:30
    復(fù)扇形指標(biāo)集上的分布混沌
    一張圖看懂邊緣計算
    馬鈴薯種薯切塊技術(shù)要點
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    在邊緣尋找自我
    雕塑(1999年2期)1999-06-28 05:01:42
    内地一区二区视频在线| 精品一区二区免费观看| 午夜精品一区二区三区免费看| 狠狠狠狠99中文字幕| 国产三级在线视频| 中文资源天堂在线| 国产麻豆成人av免费视频| 搡老妇女老女人老熟妇| 亚洲av成人av| 亚洲国产欧洲综合997久久,| 日韩一本色道免费dvd| 婷婷亚洲欧美| 国产精品电影一区二区三区| 国产在视频线在精品| 国产色婷婷99| 亚洲avbb在线观看| 国产 一区 欧美 日韩| 成人性生交大片免费视频hd| 欧美zozozo另类| 亚洲黑人精品在线| 男人的好看免费观看在线视频| 亚洲图色成人| 狠狠狠狠99中文字幕| 99久久久亚洲精品蜜臀av| 久久精品国产鲁丝片午夜精品 | 成人无遮挡网站| 成人特级黄色片久久久久久久| 欧美日韩综合久久久久久 | 黄色女人牲交| 精品久久久久久,| 色吧在线观看| 国产av在哪里看| 伦精品一区二区三区| 国产av一区在线观看免费| 久久午夜亚洲精品久久| 淫秽高清视频在线观看| www日本黄色视频网| 全区人妻精品视频| 国产精品野战在线观看| 如何舔出高潮| 国产欧美日韩一区二区精品| 免费大片18禁| 亚洲自偷自拍三级| 日本色播在线视频| 亚洲中文字幕一区二区三区有码在线看| 国产亚洲精品综合一区在线观看| 亚洲精品乱码久久久v下载方式| 热99re8久久精品国产| 精品一区二区三区视频在线| 岛国在线免费视频观看| 丰满的人妻完整版| 午夜免费成人在线视频| 亚洲精品一卡2卡三卡4卡5卡| 国产精品野战在线观看| 日本一本二区三区精品| 老熟妇乱子伦视频在线观看| 色在线成人网| 国产私拍福利视频在线观看| 精品免费久久久久久久清纯| 久久精品国产亚洲网站| 亚洲三级黄色毛片| 国内精品一区二区在线观看| 人人妻,人人澡人人爽秒播| 免费电影在线观看免费观看| 九色成人免费人妻av| 欧美日韩乱码在线| 欧美色视频一区免费| 国产av一区在线观看免费| 国产综合懂色| 啦啦啦啦在线视频资源| 亚洲aⅴ乱码一区二区在线播放| 日韩精品有码人妻一区| 看免费成人av毛片| 精品久久久噜噜| 天堂av国产一区二区熟女人妻| 国产毛片a区久久久久| 国产aⅴ精品一区二区三区波| 黄色欧美视频在线观看| 能在线免费观看的黄片| 国产不卡一卡二| 搡女人真爽免费视频火全软件 | 国产精品人妻久久久久久| 久久久久久久久久成人| h日本视频在线播放| 精品一区二区三区人妻视频| 91午夜精品亚洲一区二区三区 | 极品教师在线视频| 久久久久精品国产欧美久久久| 久久久久久久亚洲中文字幕| 精品久久久久久久久久免费视频| 99久久精品一区二区三区| 国产伦一二天堂av在线观看| 变态另类成人亚洲欧美熟女| 女生性感内裤真人,穿戴方法视频| 久久午夜亚洲精品久久| 伦精品一区二区三区| 精品久久久久久久久亚洲 | 日本黄色视频三级网站网址| 国产高清视频在线观看网站| 又爽又黄无遮挡网站| 欧美激情久久久久久爽电影| 色综合亚洲欧美另类图片| 亚洲va在线va天堂va国产| 男女那种视频在线观看| 午夜免费成人在线视频| 日韩欧美精品免费久久| 国产亚洲精品综合一区在线观看| 美女大奶头视频| 搡老妇女老女人老熟妇| 天堂影院成人在线观看| 欧美又色又爽又黄视频| 一区二区三区四区激情视频 | 男人狂女人下面高潮的视频| 99视频精品全部免费 在线| 精品午夜福利在线看| 午夜爱爱视频在线播放| 国产成人一区二区在线| 高清日韩中文字幕在线| 非洲黑人性xxxx精品又粗又长| 伦精品一区二区三区| 久久久精品欧美日韩精品| 别揉我奶头~嗯~啊~动态视频| 亚洲av成人精品一区久久| 91午夜精品亚洲一区二区三区 | 久久香蕉精品热| 国产精品一区二区三区四区久久| 美女高潮的动态| 国产黄片美女视频| 久久精品综合一区二区三区| 免费黄网站久久成人精品| 亚洲电影在线观看av| 99在线人妻在线中文字幕| 国产中年淑女户外野战色| 日韩国内少妇激情av| 国产伦精品一区二区三区视频9| 国产亚洲精品久久久com| 国产激情偷乱视频一区二区| 久久亚洲精品不卡| 18禁黄网站禁片午夜丰满| 国产精品亚洲美女久久久| 草草在线视频免费看| 日本欧美国产在线视频| 伦精品一区二区三区| 国产蜜桃级精品一区二区三区| 在现免费观看毛片| 少妇熟女aⅴ在线视频| 日日撸夜夜添| 桃色一区二区三区在线观看| 中文亚洲av片在线观看爽| 国产精品日韩av在线免费观看| 亚洲一区高清亚洲精品| 日本黄大片高清| 久久久精品欧美日韩精品| 欧美日韩亚洲国产一区二区在线观看| 日韩中文字幕欧美一区二区| 国国产精品蜜臀av免费| 91精品国产九色| 国产精品亚洲一级av第二区| 有码 亚洲区| 欧美中文日本在线观看视频| 国内精品一区二区在线观看| 日韩精品有码人妻一区| 99热6这里只有精品| 亚洲欧美日韩高清在线视频| 日韩一本色道免费dvd| 狠狠狠狠99中文字幕| 最近最新中文字幕大全电影3| 在线观看av片永久免费下载| 中亚洲国语对白在线视频| 免费观看精品视频网站| 亚洲成人精品中文字幕电影| 久久久国产成人免费| av在线亚洲专区| 色综合亚洲欧美另类图片| 日韩 亚洲 欧美在线| 天天一区二区日本电影三级| 国产一区二区激情短视频| 欧美中文日本在线观看视频| 成人毛片a级毛片在线播放| 在线观看美女被高潮喷水网站| 国产精品永久免费网站| 亚洲专区中文字幕在线| 99riav亚洲国产免费| 国产精品人妻久久久久久| 国产伦精品一区二区三区视频9| 99精品久久久久人妻精品| 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美三级三区| 成人亚洲精品av一区二区| 亚洲一区二区三区色噜噜| 黄色视频,在线免费观看| 99久久成人亚洲精品观看| 中文字幕av成人在线电影| 女人十人毛片免费观看3o分钟| 国产色婷婷99| 国产精品久久久久久精品电影| 可以在线观看的亚洲视频| 欧美精品啪啪一区二区三区| 亚洲无线在线观看| 中文字幕人妻熟人妻熟丝袜美| 成人国产一区最新在线观看| 俺也久久电影网| 国产精品人妻久久久久久| 国产免费av片在线观看野外av| 国产美女午夜福利| 国产精品亚洲一级av第二区| 国产伦人伦偷精品视频| 十八禁国产超污无遮挡网站| 日韩精品有码人妻一区| 美女高潮的动态| 亚洲第一区二区三区不卡| 日本免费a在线| 午夜精品一区二区三区免费看| 久久国产乱子免费精品| 非洲黑人性xxxx精品又粗又长| 黄色日韩在线| 欧美日韩乱码在线| 午夜免费男女啪啪视频观看 | 国产亚洲av嫩草精品影院| 国产伦在线观看视频一区| 久久久久久伊人网av| 久久99热6这里只有精品| 亚洲第一区二区三区不卡| 天美传媒精品一区二区| 成人欧美大片| 亚洲自偷自拍三级| 久久精品国产鲁丝片午夜精品 | 尤物成人国产欧美一区二区三区| 精品人妻视频免费看| 国产欧美日韩一区二区精品| 亚洲人成网站在线播放欧美日韩| 欧美zozozo另类| 赤兔流量卡办理| 国产免费av片在线观看野外av| 亚洲欧美激情综合另类| ponron亚洲| 性插视频无遮挡在线免费观看| 午夜日韩欧美国产| 有码 亚洲区| 国产精品永久免费网站| 黄片wwwwww| 无人区码免费观看不卡| 亚洲成人久久性| 色播亚洲综合网| 日韩欧美在线乱码| 成人国产麻豆网| 欧美激情在线99| 在现免费观看毛片| 99热网站在线观看| 中国美女看黄片| 国产视频内射| 亚洲人成网站在线播放欧美日韩| 久久精品国产清高在天天线| 美女cb高潮喷水在线观看| 夜夜夜夜夜久久久久| 波多野结衣高清作品| 中文字幕精品亚洲无线码一区| 亚洲午夜理论影院| 精品人妻视频免费看| 久久亚洲真实| 十八禁国产超污无遮挡网站| 91久久精品电影网| 国产精品爽爽va在线观看网站| 亚洲av不卡在线观看| 精品福利观看| 我的女老师完整版在线观看| 给我免费播放毛片高清在线观看| 免费观看精品视频网站| 国产精品久久久久久亚洲av鲁大| 久久久精品欧美日韩精品| 91精品国产九色| 黄色丝袜av网址大全| av在线亚洲专区| 国产不卡一卡二| 一区二区三区免费毛片| 真实男女啪啪啪动态图| 久久热精品热| 最近视频中文字幕2019在线8| 老司机午夜福利在线观看视频| 国产精品一区二区三区四区免费观看 | 成年女人毛片免费观看观看9| 亚洲国产精品合色在线| 最新中文字幕久久久久| 色精品久久人妻99蜜桃| 黄色配什么色好看| 最近视频中文字幕2019在线8| 亚洲三级黄色毛片| 亚洲自偷自拍三级| 国产精品一区二区免费欧美| 99久久中文字幕三级久久日本| 精品久久久久久成人av| eeuss影院久久| 国产视频内射| 亚洲精品亚洲一区二区| 国产人妻一区二区三区在| 国产亚洲精品久久久久久毛片| 成人午夜高清在线视频| 伊人久久精品亚洲午夜| 一级毛片久久久久久久久女| 麻豆一二三区av精品| 久久精品国产清高在天天线| 亚洲精品乱码久久久v下载方式| 国产真实伦视频高清在线观看 | 在线观看一区二区三区| 中出人妻视频一区二区| 亚洲欧美日韩无卡精品| 桃色一区二区三区在线观看| av在线观看视频网站免费| 麻豆成人午夜福利视频| 99久久久亚洲精品蜜臀av| 日本一二三区视频观看| 国产亚洲精品久久久久久毛片| 欧美在线一区亚洲| 少妇高潮的动态图| 国产精品久久久久久av不卡| 欧美不卡视频在线免费观看| 夜夜爽天天搞| 国产精品98久久久久久宅男小说| 日本 欧美在线| 欧美日韩瑟瑟在线播放| 欧美日韩乱码在线| 一个人看视频在线观看www免费| 噜噜噜噜噜久久久久久91| 99热精品在线国产| 亚洲精品粉嫩美女一区| 99久久精品一区二区三区| 长腿黑丝高跟| 联通29元200g的流量卡| 国产一区二区激情短视频| 国产色婷婷99| 国产黄a三级三级三级人| 亚洲在线自拍视频| 精品乱码久久久久久99久播| 国产高清三级在线| 国产男人的电影天堂91| 日本一本二区三区精品| 长腿黑丝高跟| 看片在线看免费视频| 99在线人妻在线中文字幕| 天堂网av新在线| 美女黄网站色视频| 最近最新中文字幕大全电影3| 日本五十路高清| 国产成人福利小说| 色吧在线观看| 最近在线观看免费完整版| 内射极品少妇av片p| av国产免费在线观看| 最近最新免费中文字幕在线| 亚洲三级黄色毛片| 99国产极品粉嫩在线观看| а√天堂www在线а√下载| 日本在线视频免费播放| 日韩一本色道免费dvd| 69av精品久久久久久| 黄色欧美视频在线观看| 国产真实伦视频高清在线观看 | 欧美日韩国产亚洲二区| 日本 av在线| 亚洲人与动物交配视频| 精品福利观看| 麻豆国产97在线/欧美| 日韩欧美在线二视频| 欧美又色又爽又黄视频| 日韩欧美精品免费久久| 麻豆成人av在线观看| 欧美成人一区二区免费高清观看| 日本黄色视频三级网站网址| av女优亚洲男人天堂| 国产高清视频在线播放一区| 在线免费观看不下载黄p国产 | 九九爱精品视频在线观看| 国产高清激情床上av| 国内久久婷婷六月综合欲色啪| 国产精品av视频在线免费观看| 欧美国产日韩亚洲一区| 深夜精品福利| 中文字幕久久专区| 欧美一区二区国产精品久久精品| av在线亚洲专区| 少妇裸体淫交视频免费看高清| 内射极品少妇av片p| 亚洲七黄色美女视频| 日韩国内少妇激情av| 一区二区三区四区激情视频 | 国产免费男女视频| 亚洲国产精品成人综合色| 网址你懂的国产日韩在线| 色精品久久人妻99蜜桃| 国产午夜福利久久久久久| 亚洲欧美日韩高清专用| 男人舔奶头视频| 久久99热6这里只有精品| 精品久久久久久,| 中出人妻视频一区二区| 精品一区二区免费观看| 午夜精品一区二区三区免费看| 变态另类丝袜制服| 日韩欧美在线乱码| 日日干狠狠操夜夜爽| 国产乱人伦免费视频| 午夜福利在线观看吧| 在线天堂最新版资源| 在现免费观看毛片| 波多野结衣高清无吗| 两人在一起打扑克的视频| 91av网一区二区| 欧美另类亚洲清纯唯美| 国产精品国产三级国产av玫瑰| 精品久久久久久久久久免费视频| 欧美日韩中文字幕国产精品一区二区三区| 午夜日韩欧美国产| 日日干狠狠操夜夜爽| 亚洲av二区三区四区| 在线观看午夜福利视频| 两个人的视频大全免费| 久久久久性生活片| 国产一区二区在线观看日韩| 老女人水多毛片| 国产av不卡久久| 波多野结衣巨乳人妻| 国产精品精品国产色婷婷| 一个人看视频在线观看www免费| 91久久精品国产一区二区成人| 小说图片视频综合网站| 午夜爱爱视频在线播放| 无遮挡黄片免费观看| 欧美极品一区二区三区四区| 我的女老师完整版在线观看| 国产伦精品一区二区三区四那| 国产精品自产拍在线观看55亚洲| 老熟妇乱子伦视频在线观看| 亚洲av免费高清在线观看| 中文字幕av成人在线电影| 久久99热6这里只有精品| 黄片wwwwww| 中文字幕人妻熟人妻熟丝袜美| 亚洲熟妇中文字幕五十中出| 国产精品不卡视频一区二区| 免费搜索国产男女视频| 国产午夜福利久久久久久| 国产成人aa在线观看| 日本五十路高清| 精品日产1卡2卡| 香蕉av资源在线| 亚洲欧美日韩高清在线视频| 嫩草影院精品99| 黄色配什么色好看| 禁无遮挡网站| 99国产极品粉嫩在线观看| bbb黄色大片| 精品人妻偷拍中文字幕| 国产单亲对白刺激| 99久久中文字幕三级久久日本| 窝窝影院91人妻| 我要搜黄色片| 女同久久另类99精品国产91| 可以在线观看的亚洲视频| 色在线成人网| 亚洲天堂国产精品一区在线| 丰满乱子伦码专区| 久久久久国产精品人妻aⅴ院| 99riav亚洲国产免费| 老熟妇仑乱视频hdxx| 国产69精品久久久久777片| 久久亚洲精品不卡| 免费观看精品视频网站| 国产黄色小视频在线观看| 又紧又爽又黄一区二区| 国产成人av教育| av国产免费在线观看| 国产aⅴ精品一区二区三区波| 成年女人永久免费观看视频| 欧美日韩瑟瑟在线播放| 久久久色成人| 亚洲欧美日韩无卡精品| 观看免费一级毛片| 亚洲最大成人av| 白带黄色成豆腐渣| 午夜精品久久久久久毛片777| 亚洲美女黄片视频| 国产aⅴ精品一区二区三区波| 成人特级av手机在线观看| 亚洲最大成人中文| 久久国内精品自在自线图片| 日本五十路高清| 亚洲国产精品久久男人天堂| 色哟哟·www| 欧美精品啪啪一区二区三区| 久久久色成人| 91av网一区二区| 国产色爽女视频免费观看| 91久久精品国产一区二区三区| 婷婷亚洲欧美| 99精品久久久久人妻精品| 美女大奶头视频| 久久国产精品人妻蜜桃| 欧美性感艳星| 亚洲成人免费电影在线观看| aaaaa片日本免费| 久久99热这里只有精品18| 免费人成在线观看视频色| 日韩欧美免费精品| av.在线天堂| 国产视频内射| 久久中文看片网| 亚洲午夜理论影院| 午夜老司机福利剧场| 91午夜精品亚洲一区二区三区 | 天堂√8在线中文| 日日摸夜夜添夜夜添av毛片 | 日韩欧美国产一区二区入口| 日本在线视频免费播放| 淫秽高清视频在线观看| av天堂中文字幕网| 久久精品国产亚洲网站| 亚洲av.av天堂| 91在线观看av| 亚洲欧美清纯卡通| 亚洲成人精品中文字幕电影| 久久久久久久亚洲中文字幕| 国产黄色小视频在线观看| 亚洲第一区二区三区不卡| 成人鲁丝片一二三区免费| 免费电影在线观看免费观看| 国产精品亚洲美女久久久| 春色校园在线视频观看| 亚洲精品一区av在线观看| 国产aⅴ精品一区二区三区波| 91久久精品国产一区二区三区| .国产精品久久| x7x7x7水蜜桃| 91麻豆精品激情在线观看国产| 亚洲国产日韩欧美精品在线观看| 桃红色精品国产亚洲av| 国产真实伦视频高清在线观看 | 观看美女的网站| 999久久久精品免费观看国产| 成人二区视频| 国产亚洲91精品色在线| 成人国产综合亚洲| 简卡轻食公司| 亚洲美女视频黄频| 在线国产一区二区在线| 一边摸一边抽搐一进一小说| 亚洲乱码一区二区免费版| 九色国产91popny在线| 我要搜黄色片| 我的老师免费观看完整版| 欧美极品一区二区三区四区| 国国产精品蜜臀av免费| 国产一区二区三区在线臀色熟女| 日韩欧美一区二区三区在线观看| 欧美人与善性xxx| 日韩人妻高清精品专区| 最新中文字幕久久久久| 91久久精品国产一区二区成人| 亚洲av电影不卡..在线观看| 麻豆一二三区av精品| 国产三级在线视频| 欧美在线一区亚洲| 赤兔流量卡办理| 99久久中文字幕三级久久日本| 国产视频内射| 午夜福利在线观看免费完整高清在 | 麻豆精品久久久久久蜜桃| 欧美区成人在线视频| 深爱激情五月婷婷| 精品人妻一区二区三区麻豆 | 嫁个100分男人电影在线观看| 国产精品电影一区二区三区| 亚洲 国产 在线| 人人妻人人澡欧美一区二区| 午夜精品在线福利| av天堂中文字幕网| 制服丝袜大香蕉在线| 国内久久婷婷六月综合欲色啪| 此物有八面人人有两片| 日韩亚洲欧美综合| 国产白丝娇喘喷水9色精品| 极品教师在线免费播放| 国产色婷婷99| 亚洲美女视频黄频| 免费看日本二区| 又粗又爽又猛毛片免费看| 欧美色视频一区免费| 亚洲国产高清在线一区二区三| 亚洲aⅴ乱码一区二区在线播放| av在线亚洲专区| 亚洲精品粉嫩美女一区| 最近最新中文字幕大全电影3| 欧美日韩精品成人综合77777| 一级黄片播放器| 22中文网久久字幕| 好男人在线观看高清免费视频| 三级男女做爰猛烈吃奶摸视频| 亚洲aⅴ乱码一区二区在线播放| 国产精品亚洲美女久久久| 成人特级av手机在线观看| 国产在线精品亚洲第一网站| 黄色女人牲交| 色播亚洲综合网| 一个人看视频在线观看www免费| 亚洲熟妇熟女久久| 亚洲人成网站高清观看| 久久精品国产自在天天线| 性欧美人与动物交配| av天堂在线播放| 午夜爱爱视频在线播放| 欧美日韩黄片免| 禁无遮挡网站| 女同久久另类99精品国产91| 中亚洲国语对白在线视频| 网址你懂的国产日韩在线| 校园人妻丝袜中文字幕|