• <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Trans-MIR模型的多模態(tài)圖像重建

    2024-10-31 00:00:00李一鳴王昊李然陳泉盧海軍楊暉
    光學(xué)儀器 2024年5期

    文章編號:1005-5630(2024)05-0051-07 DOI:10.3969/j.issn.1005-5630.202303300078

    摘要:圖像重建是光學(xué)計算成像的關(guān)鍵環(huán)節(jié)之一。目前基于深度學(xué)習(xí)的圖像重建主要使用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)或生成對抗網(wǎng)絡(luò)等模型。大多數(shù)研究僅通過單一模態(tài)的數(shù)據(jù)訓(xùn)練模型,難以在保證成像質(zhì)量的同時又具備不同場景的泛化能力。為解決這一問題,提出了一種基于Transformer模塊的多模態(tài)圖像重建模型(multi-modal image reconstruction model based on the Transformer,Trans-MIR)。實驗結(jié)果表明,Trans-MIR能夠從多模態(tài)數(shù)據(jù)中提取圖像特征,實現(xiàn)高質(zhì)量的圖像重建,對二維通用人臉散斑圖像進(jìn)行圖像重建的結(jié)構(gòu)相似度高達(dá)0.93,對三維微管結(jié)構(gòu)圖像的超分辨重建的均方誤差低至10?4量級。Trans-MIR對研究多模態(tài)圖像重建具有一定的啟發(fā)作用。

    關(guān)鍵詞:圖像重建;光學(xué)計算成像;多模態(tài);Transformer模塊

    中圖分類號:TP 391文獻(xiàn)標(biāo)志碼:A

    Multi-modal image reconstruction method based on Trans-MIR model

    LI Yiming1,WANG Hao2,LI Ran2,CHEN Quan2,LU Haijun3,YANG Hui1,2

    (1.School of Medical Instruments,Shanghai University of Medicine and Health Sciences,Shanghai 201318,China;

    2.School of Optical-Electrical and Computer Engineering,University ofShanghai for Science and Technology,Shanghai 200093,China;

    3.Nokia Shanghai Bell Co.,LTD.,Shanghai 201206,China)

    Abstract:Image reconstruction is one of the key steps in the optical computational imaging.At present,image reconstruction based on deep learning mainly uses convolutional neural network,cyclic neural network and generative adversarial network.Most models are only trained through the data of a single mode,which is difficult to ensure the quality of imaging while possessing the generalization ability of different scenes.To solve this problem,a multi-modal image reconstruction model based on the Transformer(Trans-MIR)is proposed in this paper.Experimental results show that Trans-MIR can extract image features from multi-modal data toachieve high-quality image reconstruction.The structural similarity of 2D universal face speckle reconstruction was as high as 0.93 and the mean square error of 3D microtubule reconstruction was as low as 10?4.It provides inspiration for the study of multimodal image reconstruction.

    Keywords:image reconstruction;optical computational imaging;multi-modal;Transformer module

    引言

    隨著深度學(xué)習(xí)與計算機視覺技術(shù)的不斷發(fā)展,光學(xué)計算成像技術(shù)受到了越來越多的關(guān)注。光學(xué)計算成像使用計算機技術(shù)對成像過程中的光學(xué)系統(tǒng)、傳輸介質(zhì)、探測器等關(guān)鍵部分進(jìn)行建模和優(yōu)化,突破了傳統(tǒng)光學(xué)成像技術(shù)的限制。計算成像具有分辨率高,探測距離遠(yuǎn),視場大,成本低和靈活性好等特點,已經(jīng)廣泛應(yīng)用在醫(yī)療影像、工業(yè)檢測、航空航天、智能交通等領(lǐng)域[1-2]。圖像重建是光學(xué)計算成像的核心應(yīng)用,能夠從接收到的失真信號中恢復(fù)出原始目標(biāo)物的圖像。對圖像重建技術(shù)的研究已經(jīng)成為當(dāng)前計算成像重要的一環(huán),對醫(yī)療民生和國家戰(zhàn)略等方面具有重要意義。

    當(dāng)前,圖像重建已經(jīng)形成了一些比較成熟的技術(shù)路線和算法,如壓縮感知、小波變換、全變分正則化、支持向量回歸和深度學(xué)習(xí)等方法?;谏疃葘W(xué)習(xí)的圖像重建方法主要使用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)和生成對抗網(wǎng)絡(luò)(generative adversarial network,GAN)等技術(shù),可以直接從數(shù)據(jù)中學(xué)習(xí)特征和模式,實現(xiàn)高質(zhì)量的圖像重建,在散射介質(zhì)成像、超分辨成像、低光子成像和無透鏡成像等多個場景都取得了令人矚目的成果[3]。例如,Li等[4]提出了一種可以學(xué)習(xí)散射介質(zhì)宏觀結(jié)構(gòu)統(tǒng)計特性的CNN模型,實現(xiàn)了稀疏目標(biāo)散斑圖像的散射成像;Dong等[5]提出了端到端的超分辨率卷積神經(jīng)網(wǎng)絡(luò)(super-resolution convolutional neural network,SRCNN)可以實時的將低分辨率圖像轉(zhuǎn)換為高分辨率圖像;Qiao等[6]提出了基于頻域注意力機制的生成對抗網(wǎng)絡(luò)(deep Fourier channel attention network,DFCAN),實現(xiàn)了低光子條件下的顯微成像;Yang等[7]提出了一種能實時校正點擴散函數(shù)測量中的系統(tǒng)誤差的RNN模型,實現(xiàn)了高質(zhì)量的無透鏡成像。但是,這些方法都僅使用單一模態(tài)的數(shù)據(jù)訓(xùn)練模型,通常泛化能力較差,一旦切換應(yīng)用場景就必須對模型進(jìn)行微調(diào),操作較為復(fù)雜,并且準(zhǔn)確性也會受到限制[8-11]。

    因此,本文提出一種新型的基于Transformer模塊[12]的多模態(tài)圖像重建模型(multi-modal image reconstruction model based on the Transformer,Trans-MIR)。Trans-MIR使用多個數(shù)據(jù)源的信息來增強泛化性,擴展應(yīng)用范圍,提高圖像重建的質(zhì)量和效果,并且采用輕量化設(shè)計,參數(shù)量僅有2 M。在對二維通用人臉散斑圖像和STORM采集的三維微管結(jié)構(gòu)超分辨圖像進(jìn)行圖像重建的實驗中,Trans-MIR表現(xiàn)出高質(zhì)量圖像重建能力和良好的泛化性能。其中,不同景深和散射程度的二維通用人臉散斑圖像重建結(jié)果的結(jié)構(gòu)相似度(structural similarity,SSIM)指數(shù)均高達(dá)0.93,三維微管結(jié)構(gòu)超分辨圖像重建結(jié)果的均方誤差(mean squared error,MSE)低至10?4量級。該方法具有進(jìn)一步擴展至低光子成像、無透鏡成像的潛力。

    1圖像重建方法

    1.1模型架構(gòu)

    本文提出的Trans-MIR的模型架構(gòu)如圖1所示。該模型采用了編解碼器結(jié)構(gòu),整體呈現(xiàn)U型。模型的前半部分為編碼器,可以接受不同模態(tài)的數(shù);后半部分為解碼器,解碼器的最后一層是模型的輸出結(jié)果?;疑^的方向代表數(shù)據(jù)流動的方向,其中D,H,W和C分別代表數(shù)據(jù)的維度數(shù)、高、寬和通道數(shù)。在模型的前向過程中,圖像嵌入模塊負(fù)責(zé)將不同維度數(shù)的輸入圖像轉(zhuǎn)換為包含64個通道的特征圖,從而將輸入數(shù)據(jù)嵌入到模型之中;Transformer模塊能夠自適應(yīng)地調(diào)整對特征圖中不同信息的關(guān)注度,從而高效地提取特征圖中所蘊含的全局信息;卷積采樣模塊使用了殘差連接和瓶頸結(jié)構(gòu),能夠?qū)崿F(xiàn)高性能地特征圖采樣;隱編碼模塊對深層特征進(jìn)行了線性變換,能夠強化模型的表征能力;特征壓縮模塊將64個通道的特征圖變換為僅具有前后景2個通道的特征圖;最后通過Softmax模塊的非線性函數(shù)激活得到輸出結(jié)果。

    1.2 Transformer模塊

    Trans-MIR中最核心的Transformer模塊如圖2所示。該模塊由批歸一化(batch normalization,BN)層、位置編碼(positional encoding,PE)層、多頭稀疏注意力(multi-head sparse attention,MHSA)機制、線性層和丟棄層等通過級聯(lián)和殘差方式組成。

    BN是一種正則化技術(shù),可以增強模型的非線性建模能力和表示能力。使用BN可以有效地改善梯度消失和爆炸問題,提高模型的訓(xùn)練速度和穩(wěn)定性,同時降低模型對超參數(shù)設(shè)置的敏感性。以輸入數(shù)據(jù)中第i個批次的第k個特征xik為例

    BN(xik)=γk xiσk(k一)μk+βk(1)

    式中:μk和σk分別代表第k個特征在輸入數(shù)據(jù)的全部m個批次中的均值和標(biāo)準(zhǔn)差;γk和βk是相應(yīng)的可學(xué)習(xí)的參數(shù),用于調(diào)整輸出值的范圍和均值,實現(xiàn)重構(gòu)的操作。

    PE是一種為數(shù)據(jù)增加位置編碼的技術(shù)。為Transformer模塊引入PE可以提供數(shù)據(jù)中各個位置之間的相對距離信息,以便更好地進(jìn)行注意力計算和建模。位置編碼的數(shù)學(xué)表達(dá)式為

    PE(pos;2i)=sin(2)

    PE(pos;2i+1)=cos(3)

    式中:PE(pos;2i)和PE(pos;2i+1)分別表示輸入數(shù)據(jù)中位置pos的偶數(shù)和奇數(shù)維度的位置編碼向量;dm是模型的通道數(shù)。

    MHSA是一種基于注意力機制的算法,可以提高模型對于不同特征的抽取能力。針對多模態(tài)數(shù)據(jù)的特點,多頭稀疏注意力機制引入了多個頭(head),每個頭可關(guān)注輸入數(shù)據(jù)的不同部分,計算不同的稀疏注意力(sparse attention,SA)分布,并將它們在通道維度組合(concat)起來以獲得更加準(zhǔn)確和全面的特征表示。計算公式為

    式中:X代表輸入的特征數(shù)據(jù);head i代表多頭稀疏注意力機制第i個頭,WiQ、Wi(K)、WiV分別是第i個頭中的三次線性映射,d是一個縮放因子,一般設(shè)置為512,Softmax函數(shù)將輸入映射到(0,1)區(qū)間內(nèi),且所有輸出的和為1,對于給定的n個輸入x1;x2;···;xn計算式為

    Softmax(xi)=Σ1(i)ex i;i=1;2;···;n(7)

    1.3數(shù)據(jù)設(shè)置

    圖3為獲取二維通用人臉散斑圖像的散射成像系統(tǒng)。激光器(Thorlabs HNL210L,波長為632.8 nm)發(fā)出的激光照射到加載了Face-LWF通用人臉圖像數(shù)據(jù)集[13]的相位型空間光調(diào)制器(Thorlabs EXULUS-HD2,像素尺寸為8μm,1 920 x 1 200)上進(jìn)行調(diào)制。通過CMOS相機(Thorlabs DCC645C,像素尺寸為3.6μm,1 280 x 1 024)依次采集透過4種不同粒度的毛玻璃散射介質(zhì)(Thorlabs,DG10-120-MD,125μm;DG10-220-MD,70μm;DG10-600-MD,25μm;DG10-1500-MD,10μm)的人臉散斑圖像。

    如圖3(b)所示,從Face-LWF通用人臉圖像數(shù)據(jù)集中隨機選取1 500張不同的人臉圖像,在空間光調(diào)制器上進(jìn)行調(diào)制,并通過組合4種不同粒度(125μm,70μm,25μm,10μm)的毛玻璃散射介質(zhì)與3種不同的CMOS相機位置(離焦面0,20和40 mm)采集了18 000組散斑圖像,選取CMOS相機中心區(qū)域的800 x 800像素作為有效數(shù)據(jù),并按照6∶2∶2劃分訓(xùn)練、驗證和測試數(shù)據(jù)集。

    為了獲取三維微管結(jié)構(gòu)圖像,本文使用SMLM挑戰(zhàn)賽2016數(shù)據(jù)集[14]。將微管寬場圖像與STORM超分辨圖像組成的三維超分辨數(shù)據(jù)對進(jìn)行縮放對齊、隨機裁剪、旋轉(zhuǎn)變換,共得到1 400組尺寸為4 x 64 x 64的有效數(shù)據(jù),并按照6∶2∶2劃分訓(xùn)練、驗證和測試數(shù)據(jù)集。

    1.4訓(xùn)練細(xì)節(jié)

    為了高效地訓(xùn)練Trans-MIR,并使其收斂到最優(yōu),本文使用雙線性插值算法將二維通用人臉散斑圖像采樣為200 x 200,除以圖像最大灰度值255,將其歸一化到0~1,并將三維微管結(jié)構(gòu)圖像4個平面的灰度值分別映射到原本灰度值的1%~99%。使用自適應(yīng)動量估算(adaptive moment estimation,Adam)作為訓(xùn)練優(yōu)化器,使用交叉熵函數(shù)(cross-entropy,CE)作為訓(xùn)練損失函數(shù)。模型在NVIDIA GeForce RTX 3 090圖形計算卡上訓(xùn)練了100個周期,每個周期輸入2個批次的圖像數(shù)據(jù),前50個周期的學(xué)習(xí)率固定為10-5,后50個周期的學(xué)習(xí)率通過余弦退火算法下降為10-6。

    1.5評估指標(biāo)

    本文使用SSIM和MSE來評估Trans-MIR的性能。SSIM通過計算2個圖像x和y的亮度、對比度、結(jié)構(gòu)的差異來表示相似度,計算式

    SSIM(x;y)=l(x;y)ac(x;y)bs(x;y)c(8)

    式中:a,b,c為常數(shù);根據(jù)實際應(yīng)用場景確定l(x;y),c(x;y)和s(x;y)分別表示亮度相似度、對比度相似度和結(jié)構(gòu)相似度。

    MSE通過計算2個圖像x和y的強度誤差來表示相似度,計算式為

    MSE(x;y)=Σi(m)Σj(n)[x(i;j)-y(i;j)]2(9)

    式中:x和y分別表示2個圖像;m和n分別表示圖像的高和寬;x(i;j)和x(i;j)分別表示兩個圖像在位置(i;j)處的像素值。

    2實驗結(jié)果與分析

    為了客觀評價Trans-MIR的真實表現(xiàn),本文將2種模態(tài)的測試集數(shù)據(jù)分別輸入到訓(xùn)練好的模型中進(jìn)行圖像重建。圖4展示了CMOS相機在離焦面40 mm處采集的二維通用人臉散斑圖像的重建結(jié)果,圖像重建結(jié)果中白色代表陽性,黑色代表陰性,綠色代表假陽性,紅色代表假陰性。

    可以看出,Trans-MIR對不同散射程度的通用人臉圖像都能實現(xiàn)高質(zhì)量的圖像重建,重建圖像和前景、背景都相當(dāng)干凈,僅在一些復(fù)雜紋理的邊緣細(xì)節(jié)上出現(xiàn)微小的誤差。從整體上看,重建圖像與真實圖像的眼睛、鼻子、嘴巴、耳朵和頭發(fā)等圖像細(xì)節(jié)和紋理幾乎一致。這充分說明了Trans-MIR具有不錯的圖像重建能力和泛化能力。

    表1給出了人臉圖像在COMS相機距離焦平面不同位置的重建結(jié)果。分析表1中的數(shù)據(jù)可知,對于CMOS相機在離焦面0 mm處采集的二維通用人臉圖像,Trans-MIR重建結(jié)果的SSIM達(dá)到0.942,遠(yuǎn)好于Guo等[15]在相似任務(wù)上約0.8的重建結(jié)果。并且可以發(fā)現(xiàn),該模型對于CMOS相機在不同位置下采集的二維通用人臉圖像都能高質(zhì)量的重建,SSIM均高于0.93,進(jìn)一步說明了Trans-MIR具有很好的圖像重建能力和泛化能力。

    Trans-MIR對三維微管結(jié)構(gòu)超分辨圖像的重建結(jié)果準(zhǔn)確度同樣很高,在測試數(shù)據(jù)集的280組圖像上的平均MSE為5.8×10?4,達(dá)到了10?4量級,在相似的任務(wù)上DFGAN的表現(xiàn)僅為10?3量級。圖5為一組三維微管結(jié)構(gòu)超分辨圖像的重建結(jié)果,其中D1,D2,D3,D4分別代表三維數(shù)據(jù)在不同平面的二維切片。

    通過觀察可以發(fā)現(xiàn),Trans-MIR對三維微管結(jié)構(gòu)圖像的各個平面的重建結(jié)果都很好,相較于原始模糊的輸入圖像,重建結(jié)果的清晰度得到大幅提高,已經(jīng)可以準(zhǔn)確地分辨微管結(jié)構(gòu),并且得益于多模態(tài)模型,重建結(jié)果抑制了部分在真實圖像中微管結(jié)構(gòu)末尾處的噪聲信號。實驗結(jié)果充分表明,Trans-MIR同樣可以實現(xiàn)三維微管結(jié)構(gòu)圖像的高質(zhì)量重建。

    3結(jié)論

    在計算成像領(lǐng)域,當(dāng)前大多數(shù)的圖像重建方法都集中在針對單一模態(tài)的數(shù)據(jù)上,而對于多模態(tài)圖像重建方向的研究則相對較少。本文提出一種基于Transformer模塊的多模態(tài)的圖像重建模型Trans-MIR。Trans-MIR使用二維通用人臉散斑圖像和三維微管結(jié)構(gòu)超分辨圖像2種模態(tài)的數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練好的Trans-MIR實現(xiàn)了對多模態(tài)的圖像數(shù)據(jù)的高質(zhì)量圖像重建。Trans-MIR在模型架構(gòu)上做出了一定的改進(jìn),使用輕量化設(shè)計的Transformer模塊匹配多模態(tài)圖像重建任務(wù),對于研究多模態(tài)圖像重建有一定的啟發(fā)作用。Trans-MIR可以進(jìn)一步擴展至低光子成像、無透鏡成像場景。

    參考文獻(xiàn):

    [1]左超,陳錢.計算光學(xué)成像:何來,何處,何去,何從?[J].紅外與激光工程,2022,51(2):20220110.

    [2]邵曉鵬,劉飛,李偉,等.計算成像技術(shù)及應(yīng)用最新進(jìn)展[J].激光與光電子學(xué)進(jìn)展,2020,57(2):020001.

    [3]BARBASTATHIS G,OZCAN A,SITU G.On the use of deep learning for computational imaging[J].Optica,2019,6(8):921–943.

    [4]LI S,DENG M,LEE J,et al.Imaging through glass diffusers using densely connected convolutional networks[J].Optica,2018,5(7):803–813.

    [5]DONG C,LOY C C,TANG X O.Accelerating the super-resolution convolutional neural network[C]//Proceedings of the 14th European Conference on Computer Vision.Amsterdam,The Netherlands:Springer,2016:391–407.

    [6]QIAO C,LI D,GUO Y T,et al.Evaluation and development of deep neural networks for image super-resolution in optical microscopy[J].Nature Methods,2021,18(2):194–202.

    [7]YANG J Y,YIN X J,ZHANG M X,et al.Learning image formation and regularization in unrolling AMP for lensless image reconstruction[J].IEEE Transactions on Computational Imaging,2022,8:479–489.

    [8]KNOLL F,HOLLER M,KOESTERS T,et al.Joint MR-PET reconstruction using a multi-channel image regularizer[J].IEEE Transactions on Medical Imaging,2017,36(1):1–16.

    [9]BOUSSE A,BERTOLLI O,ATKINSON D,et al.Maximum-likelihood joint image reconstruction/motion estimation in attenuation-corrected respiratory gated PET/CT using a single attenuation map[J].IEEE Transactions on Medical Imaging,2016,35(1):217–228.

    [10]ZANFIR A,ZANFIR M,GORBAN A,et al.HUM3DIL:semi-supervised multi-modal 3D HumanPose estimation for autonomous driving[C]//Proceedings of the 6th Conference on Robot Learning.Auckland:PMLR,2023:1114–1124.

    [11]AN S Z,LI Y,OGRAS U.mRI:multi-modal 3D human pose estimation dataset using mmWave,RGB-D,and inertial sensors[EB/OL].[2023–03–01].https://openreview.net/pdf?id=Oa2-cdfBxun.

    [12]VASWANI A,SHAZEER N,PARMAR N,et al.Attention is all you need[C]//Proceedings of the 31st International Conference on Neural InformationProcessing Systems.Long Beach:Curran AssociatesInc.,2017:6000–6010.

    [13]HUANG G B,MATTAR M,BERG T,et al.Labeled faces in the wild:a database forstudying face recognition in unconstrained environments[C]//Proceedings of the Workshop on Faces in'Real-Life'Images:Detection,Alignment,and Recognition.Marseille:Erik Learned-Miller and Andras Ferencz and Frédéric,2008.

    [14]SPEISER A,MüLLER L R,HOESS P,et al.Deep learning enables fast and dense single-molecule localization with high accuracy[J].Nature Methods,2021,18(9):1082–1090.

    [15]GUO E L,ZHU S,SUN Y,et al.Learning-based method to reconstruct complex targets through scattering medium beyond the memory effect[J].Optics Express,2020,28(2):2433–2446.

    (編輯:李曉莉)

    国产成人精品一,二区| 制服丝袜香蕉在线| 侵犯人妻中文字幕一二三四区| 一级a做视频免费观看| 国产精品国产三级国产av玫瑰| 18在线观看网站| 日本免费在线观看一区| 波野结衣二区三区在线| 晚上一个人看的免费电影| 综合色丁香网| 亚洲国产精品专区欧美| 如何舔出高潮| 久久人人爽人人爽人人片va| 这个男人来自地球电影免费观看 | 欧美日韩综合久久久久久| 亚洲欧美成人精品一区二区| 巨乳人妻的诱惑在线观看| 久久韩国三级中文字幕| 大码成人一级视频| 制服诱惑二区| 肉色欧美久久久久久久蜜桃| 亚洲中文av在线| 免费少妇av软件| 久久久精品区二区三区| av电影中文网址| 久久综合国产亚洲精品| 久久热在线av| 亚洲av国产av综合av卡| 亚洲久久久国产精品| 精品人妻一区二区三区麻豆| 三上悠亚av全集在线观看| 亚洲欧美日韩另类电影网站| 亚洲高清免费不卡视频| av免费在线看不卡| 国产高清不卡午夜福利| 大香蕉久久网| av有码第一页| 男女无遮挡免费网站观看| 九色亚洲精品在线播放| 岛国毛片在线播放| 国产精品偷伦视频观看了| 久久精品aⅴ一区二区三区四区 | 两个人看的免费小视频| 亚洲,欧美,日韩| 99热这里只有是精品在线观看| xxx大片免费视频| 韩国av在线不卡| 欧美+日韩+精品| freevideosex欧美| 精品久久蜜臀av无| 日本午夜av视频| 大陆偷拍与自拍| 亚洲一区二区三区欧美精品| 午夜91福利影院| av又黄又爽大尺度在线免费看| 午夜日本视频在线| 免费人成在线观看视频色| 国产成人a∨麻豆精品| av免费在线看不卡| 国产极品天堂在线| 亚洲人成网站在线观看播放| 免费日韩欧美在线观看| a级毛片在线看网站| 精品人妻一区二区三区麻豆| 日韩大片免费观看网站| 亚洲av电影在线进入| 亚洲少妇的诱惑av| 曰老女人黄片| 国产1区2区3区精品| 亚洲内射少妇av| 中文欧美无线码| 大话2 男鬼变身卡| 色5月婷婷丁香| 丝袜喷水一区| 超碰97精品在线观看| av黄色大香蕉| 日韩熟女老妇一区二区性免费视频| 久久99蜜桃精品久久| 国产精品三级大全| 久久久久国产精品人妻一区二区| 精品视频人人做人人爽| 男女边摸边吃奶| 国产国拍精品亚洲av在线观看| 国语对白做爰xxxⅹ性视频网站| 免费黄网站久久成人精品| 精品少妇黑人巨大在线播放| 成人国产麻豆网| 久久久久久久精品精品| 熟妇人妻不卡中文字幕| 人体艺术视频欧美日本| 在线观看三级黄色| 最近2019中文字幕mv第一页| 亚洲,欧美精品.| 美女xxoo啪啪120秒动态图| 五月天丁香电影| 乱码一卡2卡4卡精品| 国产男女超爽视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产精品久久久久久av不卡| av在线老鸭窝| 一级片免费观看大全| 久久久久久伊人网av| 王馨瑶露胸无遮挡在线观看| 在线观看人妻少妇| 天堂中文最新版在线下载| 日韩大片免费观看网站| 国产成人aa在线观看| 国产xxxxx性猛交| 制服丝袜香蕉在线| 国产亚洲最大av| 人妻系列 视频| 欧美激情 高清一区二区三区| 这个男人来自地球电影免费观看 | 成人国产av品久久久| 亚洲av中文av极速乱| 久久久国产一区二区| 久久久久网色| 蜜桃在线观看..| 最新的欧美精品一区二区| 亚洲国产精品一区三区| 欧美 日韩 精品 国产| 欧美日本中文国产一区发布| 99热网站在线观看| 欧美国产精品va在线观看不卡| 少妇精品久久久久久久| 男的添女的下面高潮视频| 国产国拍精品亚洲av在线观看| 9热在线视频观看99| 精品人妻在线不人妻| 国产永久视频网站| 人人澡人人妻人| 丰满饥渴人妻一区二区三| 18禁国产床啪视频网站| 国产欧美日韩综合在线一区二区| 午夜福利视频精品| 精品人妻一区二区三区麻豆| 一级片免费观看大全| 久久ye,这里只有精品| 中文乱码字字幕精品一区二区三区| 久久狼人影院| 日本av免费视频播放| 色视频在线一区二区三区| 久热久热在线精品观看| 熟女电影av网| 国产淫语在线视频| 国产黄色免费在线视频| 天堂8中文在线网| 国产精品久久久久久久久免| 最近中文字幕2019免费版| 26uuu在线亚洲综合色| 嫩草影院入口| 夜夜爽夜夜爽视频| 街头女战士在线观看网站| 久久热在线av| 伊人久久国产一区二区| 亚洲av欧美aⅴ国产| 伦理电影免费视频| 成年av动漫网址| 99视频精品全部免费 在线| 大码成人一级视频| 9热在线视频观看99| 欧美老熟妇乱子伦牲交| av片东京热男人的天堂| 美女国产高潮福利片在线看| 欧美激情 高清一区二区三区| 日韩中字成人| 老司机影院成人| 秋霞伦理黄片| av福利片在线| 中文乱码字字幕精品一区二区三区| 80岁老熟妇乱子伦牲交| 26uuu在线亚洲综合色| 亚洲欧美清纯卡通| 欧美+日韩+精品| 亚洲国产av影院在线观看| 中文字幕精品免费在线观看视频 | 天堂8中文在线网| 日韩制服丝袜自拍偷拍| 欧美精品人与动牲交sv欧美| 亚洲 欧美一区二区三区| 丝瓜视频免费看黄片| 满18在线观看网站| 最近中文字幕高清免费大全6| 高清在线视频一区二区三区| 精品熟女少妇av免费看| 色网站视频免费| 99久久人妻综合| 亚洲天堂av无毛| 日韩一区二区视频免费看| 欧美成人午夜免费资源| 日韩欧美精品免费久久| 一本色道久久久久久精品综合| 一级片免费观看大全| 亚洲性久久影院| 一区二区日韩欧美中文字幕 | 狂野欧美激情性xxxx在线观看| 日韩av在线免费看完整版不卡| 人妻一区二区av| 99久久精品国产国产毛片| 国产成人91sexporn| 高清黄色对白视频在线免费看| 国产欧美亚洲国产| 少妇被粗大的猛进出69影院 | 日韩精品有码人妻一区| 国产男人的电影天堂91| 色视频在线一区二区三区| 最近的中文字幕免费完整| 巨乳人妻的诱惑在线观看| 99精国产麻豆久久婷婷| 精品国产乱码久久久久久小说| 丰满迷人的少妇在线观看| 欧美日韩av久久| 青春草视频在线免费观看| 国产女主播在线喷水免费视频网站| 777米奇影视久久| 国产精品一区www在线观看| 国产成人午夜福利电影在线观看| 久久99蜜桃精品久久| 亚洲一区二区三区欧美精品| 国产黄频视频在线观看| 久久影院123| 婷婷成人精品国产| videosex国产| 极品人妻少妇av视频| 女性被躁到高潮视频| 18禁国产床啪视频网站| 中文字幕人妻熟女乱码| 日日爽夜夜爽网站| 久久久久久久大尺度免费视频| 久久久久精品人妻al黑| 男女啪啪激烈高潮av片| 国产成人av激情在线播放| 欧美丝袜亚洲另类| 亚洲成色77777| 国产成人免费观看mmmm| 黄色视频在线播放观看不卡| 午夜福利乱码中文字幕| 久久免费观看电影| 两个人看的免费小视频| 亚洲国产欧美日韩在线播放| 岛国毛片在线播放| 少妇人妻 视频| 中文字幕av电影在线播放| 久久精品国产亚洲av天美| kizo精华| 91午夜精品亚洲一区二区三区| 欧美精品av麻豆av| 另类精品久久| videosex国产| 成人国产av品久久久| 日韩一区二区三区影片| a级片在线免费高清观看视频| 亚洲精品日韩在线中文字幕| 男女高潮啪啪啪动态图| 国产无遮挡羞羞视频在线观看| 日韩,欧美,国产一区二区三区| 国产精品成人在线| 最近中文字幕高清免费大全6| 久久精品国产鲁丝片午夜精品| 国产免费一级a男人的天堂| 黄色怎么调成土黄色| 国产色爽女视频免费观看| 观看av在线不卡| 在线 av 中文字幕| 色5月婷婷丁香| 最新的欧美精品一区二区| 久久韩国三级中文字幕| 日韩,欧美,国产一区二区三区| 丰满乱子伦码专区| 久久久久久久亚洲中文字幕| 亚洲国产av新网站| 欧美xxxx性猛交bbbb| 免费看不卡的av| 国产熟女午夜一区二区三区| 九色亚洲精品在线播放| 亚洲国产精品一区二区三区在线| 咕卡用的链子| 欧美老熟妇乱子伦牲交| 欧美精品av麻豆av| 亚洲人成网站在线观看播放| 国产欧美另类精品又又久久亚洲欧美| 男人舔女人的私密视频| 最黄视频免费看| 97精品久久久久久久久久精品| 岛国毛片在线播放| 在线观看美女被高潮喷水网站| 另类精品久久| 久久人妻熟女aⅴ| 制服人妻中文乱码| 9热在线视频观看99| 午夜久久久在线观看| 2021少妇久久久久久久久久久| 精品人妻在线不人妻| 中文欧美无线码| 精品午夜福利在线看| 亚洲av电影在线进入| 中文字幕另类日韩欧美亚洲嫩草| 精品国产一区二区久久| 啦啦啦中文免费视频观看日本| 欧美国产精品va在线观看不卡| 国产精品国产av在线观看| 精品国产一区二区久久| 欧美xxxx性猛交bbbb| 亚洲av电影在线进入| 男女国产视频网站| 纯流量卡能插随身wifi吗| 99国产综合亚洲精品| 日韩伦理黄色片| 国产精品久久久久成人av| 国产免费又黄又爽又色| 母亲3免费完整高清在线观看 | 国产毛片在线视频| 日本vs欧美在线观看视频| 夜夜骑夜夜射夜夜干| 亚洲,欧美,日韩| 哪个播放器可以免费观看大片| 日日摸夜夜添夜夜爱| 亚洲伊人色综图| 狠狠婷婷综合久久久久久88av| 久久这里只有精品19| 最近手机中文字幕大全| 精品视频人人做人人爽| av免费观看日本| av电影中文网址| 免费看不卡的av| 亚洲欧洲国产日韩| 国内精品宾馆在线| 国产又色又爽无遮挡免| 五月伊人婷婷丁香| 亚洲国产最新在线播放| 亚洲精品久久成人aⅴ小说| 国产精品国产三级专区第一集| 亚洲色图综合在线观看| 男女午夜视频在线观看 | 国产精品久久久久久精品电影小说| 久久亚洲国产成人精品v| 国产一区二区在线观看av| 国产精品嫩草影院av在线观看| 热99久久久久精品小说推荐| 一区在线观看完整版| 我要看黄色一级片免费的| 亚洲国产毛片av蜜桃av| 欧美亚洲 丝袜 人妻 在线| 青春草亚洲视频在线观看| 侵犯人妻中文字幕一二三四区| 久久亚洲国产成人精品v| 国产精品无大码| 在线观看美女被高潮喷水网站| 亚洲av综合色区一区| kizo精华| 午夜av观看不卡| 91久久精品国产一区二区三区| 三级国产精品片| 午夜视频国产福利| 丝袜人妻中文字幕| 久久 成人 亚洲| 欧美精品高潮呻吟av久久| 狠狠婷婷综合久久久久久88av| 97在线视频观看| 激情视频va一区二区三区| a级片在线免费高清观看视频| 91国产中文字幕| 精品国产国语对白av| 丝瓜视频免费看黄片| 日韩av不卡免费在线播放| av国产精品久久久久影院| 国产精品人妻久久久久久| 又大又黄又爽视频免费| 国产成人aa在线观看| 久久女婷五月综合色啪小说| 精品国产乱码久久久久久小说| 亚洲精品久久午夜乱码| av黄色大香蕉| 天堂中文最新版在线下载| 日韩三级伦理在线观看| 亚洲精品日本国产第一区| 欧美变态另类bdsm刘玥| 欧美精品人与动牲交sv欧美| 午夜免费鲁丝| 成人综合一区亚洲| 美女主播在线视频| 曰老女人黄片| 伦理电影大哥的女人| www.熟女人妻精品国产 | 少妇被粗大猛烈的视频| 国产精品熟女久久久久浪| 亚洲精品美女久久av网站| 日韩制服骚丝袜av| 久久精品夜色国产| 99精国产麻豆久久婷婷| 视频中文字幕在线观看| 久久国产精品男人的天堂亚洲 | 51国产日韩欧美| 日韩制服丝袜自拍偷拍| 两性夫妻黄色片 | 国产又爽黄色视频| 成人国产麻豆网| 黄色 视频免费看| 亚洲精品日韩在线中文字幕| 中文字幕精品免费在线观看视频 | 亚洲高清免费不卡视频| 国产精品人妻久久久久久| 亚洲成国产人片在线观看| 女人被躁到高潮嗷嗷叫费观| 久久久亚洲精品成人影院| 亚洲欧美清纯卡通| av卡一久久| 免费黄频网站在线观看国产| 国产极品粉嫩免费观看在线| 婷婷色av中文字幕| 欧美精品人与动牲交sv欧美| 国产亚洲精品久久久com| 99re6热这里在线精品视频| 免费av中文字幕在线| videos熟女内射| 日本午夜av视频| 国产精品国产三级国产专区5o| 日韩人妻精品一区2区三区| 在现免费观看毛片| 精品熟女少妇av免费看| 日韩免费高清中文字幕av| 看免费成人av毛片| 黄片播放在线免费| 久久毛片免费看一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 亚洲av在线观看美女高潮| 国产精品偷伦视频观看了| 亚洲国产色片| 午夜福利,免费看| 亚洲国产精品专区欧美| 久久精品久久久久久久性| 你懂的网址亚洲精品在线观看| 青春草亚洲视频在线观看| 亚洲美女搞黄在线观看| 如日韩欧美国产精品一区二区三区| 王馨瑶露胸无遮挡在线观看| 国产一区二区三区综合在线观看 | 18禁动态无遮挡网站| 一级片免费观看大全| 中国国产av一级| 久久精品国产a三级三级三级| 丝袜人妻中文字幕| 夜夜骑夜夜射夜夜干| kizo精华| 视频区图区小说| 女人被躁到高潮嗷嗷叫费观| 欧美日韩视频精品一区| 国产老妇伦熟女老妇高清| 夫妻性生交免费视频一级片| 欧美少妇被猛烈插入视频| 亚洲精品一区蜜桃| freevideosex欧美| 色婷婷久久久亚洲欧美| 精品国产露脸久久av麻豆| 最近中文字幕高清免费大全6| 日韩电影二区| 少妇人妻 视频| 超碰97精品在线观看| 国产一区二区激情短视频 | 日韩一区二区视频免费看| 国产麻豆69| 亚洲精品第二区| 免费高清在线观看日韩| 久久 成人 亚洲| 国产一区二区三区综合在线观看 | 国产精品不卡视频一区二区| 草草在线视频免费看| 国产成人欧美| 男的添女的下面高潮视频| 大香蕉97超碰在线| 99视频精品全部免费 在线| 黄色毛片三级朝国网站| 精品视频人人做人人爽| 日本vs欧美在线观看视频| 高清毛片免费看| 免费人妻精品一区二区三区视频| 欧美成人午夜免费资源| 哪个播放器可以免费观看大片| av卡一久久| 亚洲性久久影院| 国产成人精品婷婷| 在线观看人妻少妇| 精品国产一区二区久久| 国产一级毛片在线| 国产精品无大码| 丰满饥渴人妻一区二区三| 婷婷色麻豆天堂久久| 在线 av 中文字幕| 亚洲欧美精品自产自拍| 大香蕉97超碰在线| 免费观看av网站的网址| 成人无遮挡网站| 99精国产麻豆久久婷婷| 好男人视频免费观看在线| 波野结衣二区三区在线| 在线观看免费高清a一片| 欧美激情极品国产一区二区三区 | 国产色婷婷99| 最近最新中文字幕免费大全7| 亚洲精品一区蜜桃| 日本vs欧美在线观看视频| 女的被弄到高潮叫床怎么办| 哪个播放器可以免费观看大片| 国产精品久久久久久精品古装| 免费人妻精品一区二区三区视频| 51国产日韩欧美| 成人毛片a级毛片在线播放| 亚洲av免费高清在线观看| 91午夜精品亚洲一区二区三区| 久久久久久久国产电影| 日本猛色少妇xxxxx猛交久久| 高清视频免费观看一区二区| 一级毛片我不卡| 最新的欧美精品一区二区| 久久精品国产亚洲av天美| 男女边吃奶边做爰视频| 久久精品人人爽人人爽视色| 狂野欧美激情性bbbbbb| 日本wwww免费看| 人妻 亚洲 视频| 国产成人免费无遮挡视频| 永久免费av网站大全| 欧美 日韩 精品 国产| 亚洲av福利一区| 99国产精品免费福利视频| 欧美人与性动交α欧美软件 | 十八禁高潮呻吟视频| 亚洲精品国产色婷婷电影| 五月开心婷婷网| 国产片特级美女逼逼视频| 五月伊人婷婷丁香| 久久精品熟女亚洲av麻豆精品| 日日爽夜夜爽网站| 美女大奶头黄色视频| 中文字幕亚洲精品专区| 黑人高潮一二区| 国产伦理片在线播放av一区| 一本大道久久a久久精品| 黄片无遮挡物在线观看| 午夜影院在线不卡| 久久青草综合色| 成人毛片60女人毛片免费| 国产一级毛片在线| 一边亲一边摸免费视频| 性高湖久久久久久久久免费观看| 成年人午夜在线观看视频| 日本av免费视频播放| 国产成人精品一,二区| 亚洲精品久久午夜乱码| 交换朋友夫妻互换小说| 中文字幕制服av| 久久久久视频综合| 欧美日本中文国产一区发布| 一本久久精品| 大香蕉久久成人网| 亚洲第一av免费看| 精品少妇久久久久久888优播| 亚洲经典国产精华液单| 久久精品夜色国产| av免费在线看不卡| 91精品三级在线观看| 女性被躁到高潮视频| 国产欧美日韩综合在线一区二区| 欧美变态另类bdsm刘玥| 国语对白做爰xxxⅹ性视频网站| 久久久久久久久久成人| av电影中文网址| 日本av免费视频播放| 亚洲三级黄色毛片| 黄色怎么调成土黄色| 男女下面插进去视频免费观看 | 少妇的逼好多水| 久久精品人人爽人人爽视色| 少妇熟女欧美另类| 日韩中文字幕视频在线看片| 欧美人与善性xxx| 精品一区二区三区视频在线| 国产精品无大码| 成年女人在线观看亚洲视频| 久久韩国三级中文字幕| 国产精品国产三级专区第一集| 国产精品麻豆人妻色哟哟久久| 一区二区三区四区激情视频| 中文天堂在线官网| av在线app专区| 天美传媒精品一区二区| 美女大奶头黄色视频| 精品人妻一区二区三区麻豆| 黄色怎么调成土黄色| 母亲3免费完整高清在线观看 | 午夜福利乱码中文字幕| 成人无遮挡网站| 成人黄色视频免费在线看| 一区二区日韩欧美中文字幕 | 亚洲欧美成人精品一区二区| 好男人视频免费观看在线| 国产精品国产三级专区第一集| 国产乱人偷精品视频| 午夜免费鲁丝| 久久久亚洲精品成人影院| 精品亚洲成国产av| 国产精品女同一区二区软件| 国产女主播在线喷水免费视频网站| 国产在线一区二区三区精| 视频中文字幕在线观看| 国产永久视频网站| 久久久国产欧美日韩av| 亚洲精品av麻豆狂野| 亚洲精品自拍成人| 在线观看一区二区三区激情| 综合色丁香网| 亚洲激情五月婷婷啪啪| 老女人水多毛片| 国产精品女同一区二区软件| 欧美精品人与动牲交sv欧美|