• <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)

    校园春色视频在线观看| 亚洲精品国产av成人精品 | 国产在线男女| 亚洲电影在线观看av| 人人妻,人人澡人人爽秒播| 色噜噜av男人的天堂激情| 成人特级av手机在线观看| 中国美女看黄片| 美女 人体艺术 gogo| 少妇熟女欧美另类| 免费观看精品视频网站| 欧美日韩一区二区视频在线观看视频在线 | 男人和女人高潮做爰伦理| 久久久国产成人精品二区| 国产探花在线观看一区二区| 91久久精品电影网| 日日撸夜夜添| 国产高清有码在线观看视频| 色视频www国产| 久久久精品大字幕| 亚洲中文字幕日韩| 婷婷六月久久综合丁香| 欧美激情在线99| 国产视频内射| 亚洲国产日韩欧美精品在线观看| 日本-黄色视频高清免费观看| 婷婷色综合大香蕉| 国产精品女同一区二区软件| 最新在线观看一区二区三区| 国产精品不卡视频一区二区| 亚洲精品在线观看二区| 99在线人妻在线中文字幕| 天天躁日日操中文字幕| 色尼玛亚洲综合影院| 国产免费男女视频| 精品人妻偷拍中文字幕| 国产高清视频在线观看网站| 亚洲欧美日韩高清专用| 午夜精品一区二区三区免费看| 亚洲av五月六月丁香网| 久久精品夜夜夜夜夜久久蜜豆| 99九九线精品视频在线观看视频| 美女高潮的动态| 美女被艹到高潮喷水动态| 亚洲电影在线观看av| 2021天堂中文幕一二区在线观| 女生性感内裤真人,穿戴方法视频| 在线观看午夜福利视频| 国产在线精品亚洲第一网站| 久久精品91蜜桃| 3wmmmm亚洲av在线观看| 少妇猛男粗大的猛烈进出视频 | 欧美潮喷喷水| 国语自产精品视频在线第100页| ponron亚洲| 亚洲av美国av| 日韩亚洲欧美综合| 联通29元200g的流量卡| 欧美一区二区精品小视频在线| 国产精品一及| 国产亚洲精品久久久com| 精品99又大又爽又粗少妇毛片| 国产成人一区二区在线| 深夜a级毛片| 九九热线精品视视频播放| 国产精品一区www在线观看| 国产成人a区在线观看| 在线观看66精品国产| 在线观看一区二区三区| 免费人成视频x8x8入口观看| 欧美极品一区二区三区四区| 黄色日韩在线| 亚洲精品色激情综合| 亚洲va在线va天堂va国产| 国产乱人偷精品视频| 国产精品1区2区在线观看.| 亚洲精品成人久久久久久| 一级毛片电影观看 | 日韩精品有码人妻一区| 校园人妻丝袜中文字幕| 欧美色视频一区免费| 老司机福利观看| 22中文网久久字幕| 欧美+日韩+精品| av.在线天堂| 少妇人妻一区二区三区视频| 国产高清视频在线观看网站| 成人午夜高清在线视频| 97热精品久久久久久| 97超级碰碰碰精品色视频在线观看| 一本精品99久久精品77| 一个人看视频在线观看www免费| av在线蜜桃| 久久亚洲精品不卡| 亚洲精品粉嫩美女一区| 床上黄色一级片| 嫩草影院精品99| 舔av片在线| av在线天堂中文字幕| 午夜亚洲福利在线播放| 乱系列少妇在线播放| 午夜爱爱视频在线播放| 欧美极品一区二区三区四区| 人妻丰满熟妇av一区二区三区| 国产成人一区二区在线| 中文亚洲av片在线观看爽| 亚洲av中文av极速乱| 男人舔女人下体高潮全视频| 成年女人永久免费观看视频| 一边摸一边抽搐一进一小说| 99热全是精品| 国产乱人偷精品视频| 欧美日本视频| 22中文网久久字幕| 深夜精品福利| 日韩成人av中文字幕在线观看 | 人妻久久中文字幕网| 成年女人毛片免费观看观看9| 九九爱精品视频在线观看| 久久精品国产鲁丝片午夜精品| 国产精品不卡视频一区二区| 中文亚洲av片在线观看爽| 人人妻人人澡欧美一区二区| 99久久中文字幕三级久久日本| 一级毛片久久久久久久久女| 久久午夜亚洲精品久久| 欧美成人免费av一区二区三区| 啦啦啦韩国在线观看视频| 又黄又爽又免费观看的视频| 天天躁夜夜躁狠狠久久av| 我的女老师完整版在线观看| 免费高清视频大片| 亚洲内射少妇av| 少妇裸体淫交视频免费看高清| 成人漫画全彩无遮挡| 欧美在线一区亚洲| 精品人妻熟女av久视频| 久久精品国产鲁丝片午夜精品| 精品少妇黑人巨大在线播放 | 日韩 亚洲 欧美在线| 欧美国产日韩亚洲一区| 亚洲中文日韩欧美视频| 变态另类成人亚洲欧美熟女| av中文乱码字幕在线| 国产一区二区在线av高清观看| 日日摸夜夜添夜夜爱| 99热全是精品| 老师上课跳d突然被开到最大视频| 成人综合一区亚洲| 精品一区二区三区av网在线观看| 国产精品一区二区免费欧美| 久久精品国产亚洲av涩爱 | 蜜臀久久99精品久久宅男| 国产私拍福利视频在线观看| 亚洲av一区综合| 1024手机看黄色片| 精品久久久久久久久久久久久| 国产午夜精品论理片| 日韩人妻高清精品专区| 哪里可以看免费的av片| 亚洲欧美清纯卡通| 欧美高清性xxxxhd video| 亚洲丝袜综合中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲人成网站在线播放欧美日韩| 22中文网久久字幕| 3wmmmm亚洲av在线观看| 最近视频中文字幕2019在线8| 男人的好看免费观看在线视频| 免费看日本二区| 日韩在线高清观看一区二区三区| 悠悠久久av| 亚洲av免费在线观看| 亚洲高清免费不卡视频| 国产亚洲欧美98| 亚洲人成网站在线观看播放| 日本免费一区二区三区高清不卡| 长腿黑丝高跟| 禁无遮挡网站| 亚洲美女搞黄在线观看 | 国产黄色视频一区二区在线观看 | 啦啦啦观看免费观看视频高清| 国产av在哪里看| 男女视频在线观看网站免费| 精品一区二区三区av网在线观看| 欧美不卡视频在线免费观看| 青春草视频在线免费观看| 午夜激情欧美在线| 校园春色视频在线观看| 国产精品人妻久久久久久| 赤兔流量卡办理| 久久人人精品亚洲av| 国产精品久久视频播放| 欧美高清成人免费视频www| 一级a爱片免费观看的视频| 18禁在线无遮挡免费观看视频 | 国产精品免费一区二区三区在线| 成人二区视频| 在线观看66精品国产| 色综合站精品国产| 老女人水多毛片| 一进一出抽搐gif免费好疼| 天美传媒精品一区二区| 中文字幕久久专区| 国产蜜桃级精品一区二区三区| 国产精品一区www在线观看| 成人高潮视频无遮挡免费网站| av免费在线看不卡| 91精品国产九色| 亚洲一区二区三区色噜噜| 免费大片18禁| 美女被艹到高潮喷水动态| 婷婷精品国产亚洲av在线| 亚洲国产欧美人成| 亚洲精品国产av成人精品 | 午夜影院日韩av| 国产精品三级大全| 午夜免费激情av| 中文在线观看免费www的网站| 国语自产精品视频在线第100页| 久久精品久久久久久噜噜老黄 | 一进一出抽搐gif免费好疼| 亚洲内射少妇av| av女优亚洲男人天堂| 国内精品久久久久精免费| 精品熟女少妇av免费看| 亚洲熟妇熟女久久| 一级黄片播放器| 97超碰精品成人国产| 免费看a级黄色片| 美女cb高潮喷水在线观看| 亚洲,欧美,日韩| 亚洲精品色激情综合| aaaaa片日本免费| 久久久欧美国产精品| 熟女电影av网| 精华霜和精华液先用哪个| 国产精品女同一区二区软件| 在线看三级毛片| 欧美+日韩+精品| 久久国产乱子免费精品| 女人十人毛片免费观看3o分钟| 老司机福利观看| 欧美不卡视频在线免费观看| av国产免费在线观看| 精品免费久久久久久久清纯| 欧美成人精品欧美一级黄| 免费无遮挡裸体视频| 亚洲综合色惰| 日本一二三区视频观看| 久久久久久久亚洲中文字幕| 成人毛片a级毛片在线播放| 亚洲内射少妇av| 国产亚洲欧美98| 黄色一级大片看看| av免费在线看不卡| 午夜精品在线福利| 看片在线看免费视频| 99久久久亚洲精品蜜臀av| 国产精品人妻久久久影院| 毛片女人毛片| 国产综合懂色| 夜夜看夜夜爽夜夜摸| 久久久久久久久久黄片| 春色校园在线视频观看| 天堂网av新在线| 日本免费一区二区三区高清不卡| 久久久精品94久久精品| 色视频www国产| 两性午夜刺激爽爽歪歪视频在线观看| 男人舔女人下体高潮全视频| 亚洲精品影视一区二区三区av| 乱码一卡2卡4卡精品| 人妻夜夜爽99麻豆av| 亚洲内射少妇av| 中文字幕精品亚洲无线码一区| 亚洲欧美成人精品一区二区| 三级国产精品欧美在线观看| 亚洲成人精品中文字幕电影| 国产精品伦人一区二区| 久久久欧美国产精品| 人妻夜夜爽99麻豆av| 国产黄a三级三级三级人| 99在线视频只有这里精品首页| 天堂av国产一区二区熟女人妻| 日韩av不卡免费在线播放| 亚洲最大成人av| 亚洲图色成人| 两个人的视频大全免费| 亚洲国产欧美人成| 久久99热6这里只有精品| 国产精品国产高清国产av| 香蕉av资源在线| 国产人妻一区二区三区在| 成人永久免费在线观看视频| 黄片wwwwww| 18禁裸乳无遮挡免费网站照片| 成人欧美大片| 亚洲美女黄片视频| 男女视频在线观看网站免费| 亚洲,欧美,日韩| 成人特级av手机在线观看| 精品久久久久久久久久免费视频| 国内揄拍国产精品人妻在线| 最近2019中文字幕mv第一页| 网址你懂的国产日韩在线| 国产一区二区三区在线臀色熟女| 欧美丝袜亚洲另类| 亚洲人成网站在线播| 一级毛片久久久久久久久女| 日韩av在线大香蕉| 精品久久久久久久久久免费视频| 天天躁夜夜躁狠狠久久av| 少妇裸体淫交视频免费看高清| 国产乱人偷精品视频| 日本免费一区二区三区高清不卡| 国产黄色小视频在线观看| 老师上课跳d突然被开到最大视频| 欧美一区二区精品小视频在线| 日本爱情动作片www.在线观看 | 97碰自拍视频| 国产高清有码在线观看视频| 丝袜喷水一区| 日日啪夜夜撸| 精品久久久久久久末码| 啦啦啦韩国在线观看视频| 精品欧美国产一区二区三| 国产成人一区二区在线| 亚洲国产欧美人成| 一级毛片aaaaaa免费看小| 在线免费观看的www视频| 直男gayav资源| 精品久久久久久久久亚洲| 啦啦啦啦在线视频资源| 村上凉子中文字幕在线| 成年免费大片在线观看| 国产三级在线视频| 麻豆精品久久久久久蜜桃| 日韩av不卡免费在线播放| 国产片特级美女逼逼视频| 成年女人看的毛片在线观看| 欧美zozozo另类| 成人欧美大片| 国产伦精品一区二区三区视频9| 成人特级av手机在线观看| 99热只有精品国产| 亚洲精品久久国产高清桃花| 真人做人爱边吃奶动态| 国产av在哪里看| 国模一区二区三区四区视频| 亚洲欧美日韩高清专用| 少妇熟女欧美另类| 日本熟妇午夜| 免费不卡的大黄色大毛片视频在线观看 | 亚洲中文字幕一区二区三区有码在线看| 嫩草影院精品99| 在线播放国产精品三级| 日韩av不卡免费在线播放| 日韩av在线大香蕉| 欧美潮喷喷水| 久久精品夜夜夜夜夜久久蜜豆| av女优亚洲男人天堂| 黄色配什么色好看| 长腿黑丝高跟| 国产91av在线免费观看| 欧美三级亚洲精品| 欧美性猛交╳xxx乱大交人| 天堂影院成人在线观看| 国产男靠女视频免费网站| 最后的刺客免费高清国语| 亚洲精华国产精华液的使用体验 | 在线免费十八禁| 成年女人看的毛片在线观看| 精品一区二区三区视频在线| 91久久精品电影网| 秋霞在线观看毛片| 国产三级中文精品| 亚洲高清免费不卡视频| 成人无遮挡网站| 午夜激情欧美在线| 国产成人freesex在线 | 国产真实乱freesex| 黄色一级大片看看| 久久久久久国产a免费观看| 国内久久婷婷六月综合欲色啪| 男人舔奶头视频| 午夜免费激情av| 搞女人的毛片| 亚洲熟妇熟女久久| 欧洲精品卡2卡3卡4卡5卡区| 日韩人妻高清精品专区| 久久天躁狠狠躁夜夜2o2o| 亚洲人成网站在线观看播放| 久久久久久伊人网av| 桃色一区二区三区在线观看| 亚洲国产高清在线一区二区三| 搡老妇女老女人老熟妇| 欧美最黄视频在线播放免费| 热99在线观看视频| 99久国产av精品| 看非洲黑人一级黄片| 精品99又大又爽又粗少妇毛片| 国产高清激情床上av| 午夜精品国产一区二区电影 | 一区二区三区四区激情视频 | 亚洲一区二区三区色噜噜| 1024手机看黄色片| 久久欧美精品欧美久久欧美| 男人狂女人下面高潮的视频| 国产高清激情床上av| 精品人妻一区二区三区麻豆 | 成人亚洲精品av一区二区| av国产免费在线观看| 内地一区二区视频在线| 日韩欧美三级三区| 一级毛片aaaaaa免费看小| 欧美性猛交黑人性爽| 亚洲无线观看免费| 丝袜美腿在线中文| 亚洲电影在线观看av| 亚洲国产精品成人久久小说 | 91久久精品国产一区二区三区| 亚洲精华国产精华液的使用体验 | 成人二区视频| 99久久精品热视频| 精品久久久噜噜| 国产精品日韩av在线免费观看| 日韩在线高清观看一区二区三区| av在线播放精品| 亚洲经典国产精华液单| 久久午夜亚洲精品久久| 久久欧美精品欧美久久欧美| 特大巨黑吊av在线直播| 久久精品国产亚洲av香蕉五月| 久久人妻av系列| 有码 亚洲区| 中文资源天堂在线| 一个人观看的视频www高清免费观看| 成人亚洲欧美一区二区av| 最近手机中文字幕大全| 又粗又爽又猛毛片免费看| 欧美区成人在线视频| 亚洲经典国产精华液单| 日本a在线网址| 国产伦在线观看视频一区| 国产一区亚洲一区在线观看| 男人狂女人下面高潮的视频| 中文字幕av成人在线电影| 给我免费播放毛片高清在线观看| 亚洲最大成人中文| 国产精品精品国产色婷婷| 国产成人a区在线观看| 日韩中字成人| 干丝袜人妻中文字幕| 欧美又色又爽又黄视频| 亚洲欧美中文字幕日韩二区| 三级男女做爰猛烈吃奶摸视频| 日本免费a在线| 在线国产一区二区在线| 日韩精品有码人妻一区| 国产精品久久电影中文字幕| 99久久精品热视频| 国内久久婷婷六月综合欲色啪| 日本 av在线| 秋霞在线观看毛片| 1000部很黄的大片| av女优亚洲男人天堂| 九九在线视频观看精品| 国产成年人精品一区二区| 久久精品国产清高在天天线| 99热这里只有是精品在线观看| 国产成人精品久久久久久| 日本欧美国产在线视频| 一个人看的www免费观看视频| 少妇猛男粗大的猛烈进出视频 | 一级黄片播放器| 国产高潮美女av| 国产人妻一区二区三区在| 午夜福利在线观看免费完整高清在 | 黑人高潮一二区| 国产又黄又爽又无遮挡在线| 草草在线视频免费看| 麻豆精品久久久久久蜜桃| 亚洲精品日韩在线中文字幕 | 国产精品一区www在线观看| 日本免费一区二区三区高清不卡| 国产中年淑女户外野战色| 国产亚洲精品av在线| 久久久久久久午夜电影| 免费av观看视频| 国产成人福利小说| 亚洲人成网站在线播| www.色视频.com| 亚洲国产精品国产精品| 搡女人真爽免费视频火全软件 | 成年版毛片免费区| 色播亚洲综合网| 国产成人一区二区在线| 亚洲av第一区精品v没综合| 搡老熟女国产l中国老女人| 国产精品爽爽va在线观看网站| 日韩一区二区视频免费看| 五月玫瑰六月丁香| 午夜福利成人在线免费观看| 日韩中字成人| 欧洲精品卡2卡3卡4卡5卡区| 日本 av在线| 成人亚洲精品av一区二区| 久久精品国产自在天天线| 如何舔出高潮| 美女大奶头视频| 亚洲四区av| 国产爱豆传媒在线观看| 国产淫片久久久久久久久| 国产成人精品久久久久久| 在线免费十八禁| 国产高潮美女av| 69人妻影院| 婷婷精品国产亚洲av| 亚洲va在线va天堂va国产| 国产精品乱码一区二三区的特点| 欧美日韩乱码在线| 看十八女毛片水多多多| 毛片一级片免费看久久久久| 亚洲国产精品合色在线| 18禁在线无遮挡免费观看视频 | 久久午夜福利片| 日韩精品中文字幕看吧| 久久韩国三级中文字幕| 人妻制服诱惑在线中文字幕| 国产一区二区亚洲精品在线观看| 精品国内亚洲2022精品成人| 久久精品影院6| 中文字幕久久专区| 精品久久国产蜜桃| 成人欧美大片| 亚洲国产欧美人成| 少妇的逼水好多| 色哟哟·www| 精品久久久久久久人妻蜜臀av| 免费不卡的大黄色大毛片视频在线观看 | a级毛色黄片| 最好的美女福利视频网| 欧美3d第一页| 男人舔女人下体高潮全视频| 亚洲精品乱码久久久v下载方式| 日韩制服骚丝袜av| 国产在视频线在精品| 我的女老师完整版在线观看| 又黄又爽又刺激的免费视频.| 亚洲国产欧洲综合997久久,| 大又大粗又爽又黄少妇毛片口| 亚洲精品粉嫩美女一区| 99热精品在线国产| 97在线视频观看| 赤兔流量卡办理| 亚洲性夜色夜夜综合| 欧美绝顶高潮抽搐喷水| 久久韩国三级中文字幕| 三级经典国产精品| 非洲黑人性xxxx精品又粗又长| 国产高清激情床上av| 日韩欧美在线乱码| 最近手机中文字幕大全| 成人三级黄色视频| 99精品在免费线老司机午夜| 99久久无色码亚洲精品果冻| 午夜福利在线在线| 真实男女啪啪啪动态图| 综合色丁香网| 国产高清视频在线播放一区| 亚洲图色成人| 美女xxoo啪啪120秒动态图| 国产成人精品久久久久久| 午夜福利成人在线免费观看| 色综合站精品国产| 插逼视频在线观看| 麻豆av噜噜一区二区三区| 国产精品一区二区三区四区久久| 婷婷亚洲欧美| 久久人人爽人人片av| 99热只有精品国产| 黄色配什么色好看| 国产中年淑女户外野战色| 久久中文看片网| 日韩,欧美,国产一区二区三区 | 国产精品久久久久久av不卡| 日日啪夜夜撸| 99热这里只有是精品50| 亚洲aⅴ乱码一区二区在线播放| 91午夜精品亚洲一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 观看美女的网站| 国产精品综合久久久久久久免费| 欧美国产日韩亚洲一区| 免费看美女性在线毛片视频| 悠悠久久av| 国产av一区在线观看免费| 综合色丁香网| 在线观看av片永久免费下载| 国内久久婷婷六月综合欲色啪| 免费大片18禁| 国产精品综合久久久久久久免费| 久久精品国产鲁丝片午夜精品| 日韩欧美免费精品| 日本免费一区二区三区高清不卡| 中文字幕人妻熟人妻熟丝袜美| 嫩草影院新地址| 亚洲精品亚洲一区二区| 日本一本二区三区精品| 色播亚洲综合网| 午夜影院日韩av| 日韩一区二区视频免费看| 国产成人影院久久av| 色噜噜av男人的天堂激情|