• <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 ?

    無人機海上艦船目標(biāo)影像超分辨率重建

    2025-01-06 00:00:00孫煒瑋崔亞奇張少卿夏沭濤
    現(xiàn)代電子技術(shù) 2025年1期
    關(guān)鍵詞:特征檢測模型

    摘" 要: 針對無人機在獲取海上艦船目標(biāo)影像時面臨的實時性與清晰度之間的矛盾,提出一種影像壓縮模糊重建方法。該方法利用改進的YOLOv8檢測模型和Real?ESRGAN網(wǎng)絡(luò),通過數(shù)據(jù)集構(gòu)建、網(wǎng)絡(luò)訓(xùn)練調(diào)試和部署運用等步驟,實現(xiàn)了在有限帶寬和計算資源環(huán)境下地面端高質(zhì)量艦船目標(biāo)影像的實時重建。首先利用改進的YOLOv8模型對影像中艦船目標(biāo)進行精準(zhǔn)檢測和定位,隨后通過Real?ESRGAN網(wǎng)絡(luò)對壓縮及模糊影像進行重建,以恢復(fù)影像的高分辨率和細(xì)節(jié)信息。實驗結(jié)果表明,該方法不僅顯著提升了影像的清晰度和檢測準(zhǔn)確性,還大幅減少了帶寬消耗,滿足了無人機艦船識別的高實時性要求,且在資源受限的情況下表現(xiàn)尤為突出。為無人機在海上艦船目標(biāo)監(jiān)測領(lǐng)域提供了一種有效的解決方案,不僅提高了無人機的監(jiān)測和識別能力,也為進一步推進無人機在海洋監(jiān)測中的廣泛應(yīng)用奠定了基礎(chǔ)。

    關(guān)鍵詞: 無人機影像; 海面艦船; 雙向特征融合模型; Real?ESRGAN網(wǎng)絡(luò); 改進的YOLOv8檢測模型; 海上艦船目標(biāo)監(jiān)測

    中圖分類號: TN911.73?34; TP751" " " " " " " " " "文獻標(biāo)識碼: A" " " " " " " " " 文章編號: 1004?373X(2025)01?0017?06

    Super?resolution reconstruction of UAV maritime vessel target images

    SUN Weiwei1, CUI Yaqi1, 2, 3, ZHANG Shaoqing2, 3, XIA Shutao1

    (1. Naval Aeronautical University, Yantai 264000, China;

    2. Shenyang Aircraft Design and Research Institute of Aviation Industry of China, Shenyang 110035, China;

    3. Northwestern Polytechnical University, Xi’an 710072, China)

    Abstract: A method for compressive and blurry image reconstruction has been proposed to get rid of the conflict between real?time requirements and image clarity during the acquisition of maritime vessel images by unmanned aerial vehicles (UAVs). By utilizing an improved YOLOv8 detection model and Real?ESRGAN network, this method achieves real?time reconstruction of high?quality vessel images at the ground station under limited bandwidth and computational resource constraints with the steps of dataset construction, network training, debugging and deployment. Initially, the improved YOLOv8 model is used for precise detection and localization of vessel within the images. Subsequently, the Real?ESRGAN network is used to reconstruct the compressive and blurry images to restore high?resolution and details of the image. Experimental results indicate that the method enhances image clarity and detection accuracy significantly while greatly reducing bandwidth consumption, meeting the high real?time requirements of UAV?based vessel recognition, particularly in resource?constrained scenarios. This method provides an effective solution for UAVs in the field of maritime vessel monitoring, enhancing their capabilities for surveillance and identification, and laying the groundwork for the broader application of UAVs in marine monitoring.

    Keywords: UAV image; surface vessel; bidirectional feature fusion model; Real?ESRGAN network; improved YOLOv8 detection model; monitoring of maritime vessel target

    0" 引" 言

    無人駕駛飛機在民用和軍事應(yīng)用中都承擔(dān)著重要的任務(wù),為有效支撐海上艦船目標(biāo)發(fā)現(xiàn)識別任務(wù),要求無人機盡可能遠(yuǎn)地獲取艦船目標(biāo)高清影像[1]。然而由于通信帶寬的限制,地面站僅能獲取壓縮后的模糊影像[2],無法獲取高清無損影像,嚴(yán)重影響地面站影像分析判讀工作,海上目標(biāo)檢測識別作為無人機的重要應(yīng)用方向,實現(xiàn)無人機海上艦船目標(biāo)影像壓縮模糊重建需求迫切。

    近年來,深度學(xué)習(xí)技術(shù)在計算機視覺領(lǐng)域取得了令人矚目的進展,特別是在圖像超分辨率重建這一挑戰(zhàn)性的任務(wù)上。超分辨率重建旨在從低分辨率圖像中恢復(fù)出高分辨率圖像,這一過程對于改善圖像質(zhì)量、提升視覺體驗以及滿足日益增長的圖像處理需求至關(guān)重要[3],深度學(xué)習(xí)算法因其強大的特征學(xué)習(xí)能力而在這方面發(fā)揮了重要作用。文獻[4?5]提出的SRCNN算法是早期將深度學(xué)習(xí)應(yīng)用于超分辨率重建的代表作之一,SRCNN通過使用深層卷積網(wǎng)絡(luò)和空間金字塔池化技術(shù),有效地學(xué)習(xí)低分辨率圖像到高分辨率圖像的映射[6]。文獻[7]進一步推進了這一領(lǐng)域的研究,提出了VDSR算法。VDSR采用了非常深的網(wǎng)絡(luò)結(jié)構(gòu),通過學(xué)習(xí)大量的樣本,能夠在圖像重建中恢復(fù)更多的細(xì)節(jié)和紋理信息[8]。文獻[9]提出的EDSR算法則是在網(wǎng)絡(luò)結(jié)構(gòu)上的進一步創(chuàng)新。EDSR使用了高效的殘差網(wǎng)絡(luò)結(jié)構(gòu),能夠在網(wǎng)絡(luò)較深時仍保持梯度的有效性,從而實現(xiàn)更高質(zhì)量的圖像重建[10]。文獻[11]提出的GAN算法,不僅在圖像生成領(lǐng)域引起了革命,也被應(yīng)用于超分辨率重建。GAN通過訓(xùn)練一個生成器和判別器之間的對抗性網(wǎng)絡(luò),能夠生成非常逼真的高分辨率圖像。

    由于真實世界中很少存在成對的高低分辨率影像,現(xiàn)有方法主要通過對高分辨率影像進行退化以生成低分辨率影像,基于原始影像和退化影像形成數(shù)據(jù)集進行訓(xùn)練。數(shù)據(jù)集中低分辨率影像對高清影像進行退化獲取,具體采用例如模糊、下采樣、噪聲和JPEG壓縮等方法,但真實低分辨率影像退化更加復(fù)雜和多樣,簡單的退化組合難以模擬真實數(shù)據(jù),造成訓(xùn)練的模型泛化性不佳。由于無人機對海探測飛行過程中即可獲取實時回傳的低分辨率壓縮影像,也可事后獲取高分辨無損影像,因此可以綜合運用低分辨率壓縮影像和高分辨無損影像進行數(shù)據(jù)集構(gòu)建,以提高模型泛化性能。由于數(shù)據(jù)集構(gòu)建方式不同,導(dǎo)致現(xiàn)有方法難以直接應(yīng)用于無人機圖像超分辨率重建,需要進行優(yōu)化改進。

    本文提出了一種適用于無人機海上目標(biāo)探測的超分辨率重建技術(shù),算法流程圖如圖1所示。首先使用改進YOLOv8目標(biāo)檢測網(wǎng)絡(luò)對包含地物目標(biāo)的原始影像進行快速篩選,準(zhǔn)確地篩選出所有包含目標(biāo)的圖像幀,并經(jīng)人工確認(rèn),形成海面艦船目標(biāo)數(shù)據(jù)集;進一步,利用海面艦船目標(biāo)數(shù)據(jù)集訓(xùn)練超分辨率Real?ESRGAN網(wǎng)絡(luò),將低分辨率圖像轉(zhuǎn)換為高清晰度的超分辨率圖像;最終,部署由YOLOv8和Real?ESRGAN聯(lián)合構(gòu)成的超分辨率重建網(wǎng)絡(luò)至無人機地面控制端,實現(xiàn)實時壓縮影像到高分辨率影像的轉(zhuǎn)換。

    1" 艦船目標(biāo)數(shù)據(jù)集構(gòu)建

    無人機執(zhí)行飛行任務(wù),實時對地物目標(biāo)進行拍攝。收集無人機多次任務(wù)數(shù)據(jù),包括無人機實時回傳的低分辨壓縮影像[X]和飛行結(jié)束卸載的高分辨無損影像[Z]。對無人機視頻影像數(shù)據(jù)利用改進的YOLOv8[12]檢測模型進行目標(biāo)檢測處理,構(gòu)建生成艦船目標(biāo)數(shù)據(jù)集。改進的YOLOv8檢測模型整體框架如圖2所示。整個網(wǎng)絡(luò)由三部分組成:特征提?。˙ackbone)、特征融合(Neck)、檢測頭(Head)。在YOLOv8基礎(chǔ)上采用雙向特征融合和注意力機制進行特征融合。

    1.1" 特征提取網(wǎng)絡(luò)

    特征提取網(wǎng)絡(luò)(Backbone)采用Darknet?53模型[13]。該模型是YOLO目標(biāo)檢測系統(tǒng)中的一款網(wǎng)絡(luò)結(jié)構(gòu),由文獻[14]設(shè)計。Darknet?53在設(shè)計上注重于速度與性能的平衡,相比于VGG16,它的層數(shù)較少,但每個卷積層通常會使用更大的卷積核(如7×7或5×5),并且在某些層之間加入殘差連接(Residual Connection),以幫助信息在不同層次間更好地流動。網(wǎng)絡(luò)結(jié)構(gòu)詳細(xì)信息如圖2右側(cè)所示,由Conv卷積模塊和Residual Block殘差塊串行疊加4次構(gòu)成。

    研究結(jié)果表明,Darknet?53因為參數(shù)少,計算效率較高,適合用于需要實時處理大量圖片的目標(biāo)檢測任務(wù)。

    1.2" 特征融合網(wǎng)絡(luò)

    1.2.1" 雙向特征融合模型

    特征融合網(wǎng)絡(luò)(Neck)采用雙向特征融合模型。CNN在特征提取過程中采用了一種層次化的方法。通常情況下,隨著網(wǎng)絡(luò)層數(shù)的增加,每個特征點能夠覆蓋的區(qū)域(即感受野)也隨之增大,從而可以提取出更高級別的抽象特征和更豐富的語義信息。相反,淺層特征更多地關(guān)注于捕獲一些較為簡單的細(xì)節(jié),例如輪廓和紋理。為了克服低層特征在語義信息方面的缺陷,采用雙向特征融合模塊,該模塊通過一種特殊的聚合和重用機制,有效地補充了高層特征中的信息。

    具體的融合過程如圖3所示,將高層特征的語義信息與低層特征的細(xì)節(jié)信息進行有效整合,以提高目標(biāo)檢測的準(zhǔn)確性和效率。

    1.2.2" 注意力機制

    注意力機制通過評估特征的重要性對特征進行加權(quán),以此來優(yōu)化特征的表示。本文采用了兩種注意力機制,即通道注意力機制和空間注意力機制。這些機制的集成處理流程如圖4所示。

    2" 基于Real?ESRGAN的影像重建

    2.1" 生成網(wǎng)絡(luò)

    Real?ESRGAN模型生成網(wǎng)絡(luò)是基于ESRGAN生成網(wǎng)絡(luò)來實現(xiàn)的,輸入的是低分辨壓縮影像,經(jīng)過生成網(wǎng)絡(luò)的處理,得到一個4倍分辨率放大的圖片。在處理2倍和1倍的放大時,通過pixel?unshuffle將影像尺寸進行縮小,影像的通道數(shù)會有所增加。將原來的像素分配到低分辨壓縮影像中,從而得到一個影像通道數(shù)增多,但分辨率降低的新影像。然后,這個處理后的圖片被輸入到生成網(wǎng)絡(luò)中(如圖5所示),經(jīng)過網(wǎng)絡(luò)的處理,可以得到一個2倍或1倍分辨率增大的圖片[y]。

    2.2" 判別網(wǎng)絡(luò)

    Real?ESRGAN模型的判別網(wǎng)絡(luò)采用的是U?Net網(wǎng)絡(luò)[15],由編碼下采樣部分和解碼上采樣部分組成,以區(qū)分生成的影像和真實的影像。輸入是生成的影像[y]或卸載的高分辨無損影像[z],輸出是對應(yīng)的影像是真實影像還是生成影像的概率。當(dāng)概率越接近0,影像被認(rèn)為是生成的,當(dāng)概率越接近1,影像被認(rèn)為是真實的。

    2.3" 損失函數(shù)

    Real?ESRGAN模型采用的損失函數(shù)由感知損失(Perceptual Loss)、對抗損失(GAN Loss)和像素級別損失(Pixel Loss)組成,具體表達(dá)式為:

    [LG=Lpercep+λLRaG+ηL1] (1)

    式中:[Lpercep]表示感知損失;[LRaG]表示對抗損失;[L1]表示像素級別損失;[λ]、[η]表示對抗損失和內(nèi)容損失的系數(shù)。

    Real?ESRGAN模型進一步優(yōu)化了這一感知損失,通過利用激活層之前的特征進行計算,具體如式(2)所示。這種做法顯著增強了重建圖像在細(xì)節(jié)上的表現(xiàn),使得圖像更加接近原始的高質(zhì)量視覺內(nèi)容。

    [Lpercep=?xi-?yi1] (2)

    [LRaG]是生成器所產(chǎn)生的圖片與真實圖片之間的差異,即[Dxi]判別網(wǎng)絡(luò)的輸出,是一個概率值,具體表達(dá)式如下:

    [LRaG=-yrilogDxi-1-yrilog1-Dxi" " =-yrilogDxi] (3)

    [L1]為像素級別損失,具體表達(dá)式如下:

    [L1=meanGxi-yi1] (4)

    3" 實驗結(jié)果分析

    3.1" 數(shù)據(jù)集

    按照無人機視角自建艦船目標(biāo)數(shù)據(jù)集,含680張樣本,具體如圖6所示。

    3.2" 初始無人機影像重建

    首先將影像當(dāng)作一個整體,進行超分辨處理,具體過程如圖7所示。

    通過圖7可以看出,對影像進行整體重建,整體分辨率有所改善,但是目標(biāo)船體的分辨率并未達(dá)到預(yù)期的效果。

    3.3" 無人機艦船目標(biāo)影像重建

    先對影像中的船體進行目標(biāo)檢測,再對目標(biāo)船體進行超分辨率處理,具體過程如圖8所示。

    通過圖8可以看出,先對船體目標(biāo)進行檢測,再進行高分辨重建的艦船細(xì)節(jié)明顯高于對影像的整體重建。

    4" 結(jié)" 語

    本文針對無人機海上艦船目標(biāo)影像獲取面臨的實時與清晰之間的矛盾,考慮到現(xiàn)有方法由于數(shù)據(jù)集構(gòu)建方式不同,難以直接應(yīng)用于無人機圖像超分辨率重建,基于改進的YOLOv8檢測模型和Real?ESRGAN網(wǎng)絡(luò),提出了一種適用于無人機影像的壓縮模糊重建方法。

    實驗結(jié)果顯示,本文處理方法可顯著改善艦船目標(biāo)影像清晰度。后續(xù)計劃結(jié)合實際裝備開展算法部署應(yīng)用研究。

    注:本文通訊作者為崔亞奇。

    參考文獻

    [1] 徐曉婷,滕杰.無人機偵察圖像實時展示方法研究[J].科技創(chuàng)新與應(yīng)用,2024,14(5):137?140.

    [2] 王鈺寧,劉曉霞,胡云冰.基于能效感知的無人機協(xié)助的視頻數(shù)據(jù)傳輸[J].彈箭與制導(dǎo)學(xué)報,2021,41(6):7?11.

    [3] LI H B, JIA Y Y, ZHU H Z, et al. Multi?level feature extraction and reconstruction for 3D MRI image super?resolution [J]. Computers in biology and medicine, 2024, 171: 10815.

    [4] DONG C, LOY C C, HE K M, et al. Image super?resolution using deep convolutional networks [EB/OL]. [2024?09?18]. http://arxiv.org/abs/1501.00092.

    [5] LIU D L, ZHAO H N, CHEN B T, et al. THz time?domain spectral imaging enhancement based on an MLP?SRCNN composite network [J]. Optics and lasers in engineering, 2024, 176: 108101.

    [6] LIU D L, ZHEN Z, DU Y F, et al. Super?resolution stress imaging for terahertz?elastic based on SRCNN [J]. Optics and photonics journal, 2022, 12(11): 253?268.

    [7] KIM J, LEE J K, LEE K M. Accurate image super?resolution using very deep convolutional networks [EB/OL]. [2015?11?14]. https://arxiv.org/abs/1511.04587v1.

    [8] CHEN X. Efficient?VDSR network for super?resolution [C]// Proceedings of 4th International Conference on Computer Engi?neering, Information Science and Internet Technology. [S.l.: s.n.], 2022: 9.

    [9] LIM B, SON S, KIM H, et al. Enhanced deep residual networks for single image super?resolution [C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). New York: IEEE, 2017: 1132?1140.

    [10] JENEFA A, KURIAKOSE M B K, NAVEEN V E, et al. EDSR: Empowering super?resolution algorithms with high?quality DIV2K images [J]. Intelligent decision technologies, 2023, 17(4): 1249?1263.

    [11] GOODFELLOW I J, POUGET?ABADIE J, MIRZA M. Generative adversarial nets [C]// Advances in Neural Information Processing Systems 27: Annual Conference on Neural Information Processing Systems 2014. [S.l.: s.n.], 2014: 2672?2680.

    [12] 張建東.融合深度監(jiān)督與改進YOLOv8的海上目標(biāo)檢測[J].南京信息工程大學(xué)學(xué)報,2024,16(4):482?489.

    [13] 李冠,龐玉琳,田坤.基于YOLO和ConvLSTM混合神經(jīng)網(wǎng)絡(luò)的暴力視頻檢測[J].計算機應(yīng)用與軟件,2023,40(11):233?240.

    [14] REDMON J, DIVVALA K S, GIRSHICK B R, et al. You only look once: Unified, real?time object detection [EB/OL]. [2018?08?13]. http://arxiv.org/abs/1506.02640.

    [15] WANG X T, XIE L B, DONG C, et al. Real?ESRGAN: Training real?world blind super?resolution with pure synthetic data [EB/OL]. [2024?09?18]. https://arxiv.org/abs/2107.10833.

    基金項目:國家自然科學(xué)基金項目(62171453)

    作者簡介:孫煒瑋(1989—),女,山東棲霞人,碩士研究生,講師,研究方向為圖像處理、信息融合。

    崔亞奇(1987—),男,河南西平人,博士研究生,副教授,研究方向為航跡關(guān)聯(lián)、信息融合。

    猜你喜歡
    特征檢測模型
    一半模型
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    如何表達(dá)“特征”
    不忠誠的四個特征
    抓住特征巧觀察
    3D打印中的模型分割與打包
    99精品在免费线老司机午夜| 女人被狂操c到高潮| 欧美色视频一区免费| 日韩av在线大香蕉| 夜夜爽天天搞| 欧美精品一区二区免费开放| 欧洲精品卡2卡3卡4卡5卡区| 午夜久久久在线观看| 久久人妻av系列| 久久久久久久久免费视频了| 50天的宝宝边吃奶边哭怎么回事| 窝窝影院91人妻| 咕卡用的链子| 岛国在线观看网站| 亚洲 欧美 日韩 在线 免费| 欧美日韩亚洲高清精品| 婷婷精品国产亚洲av在线| 国产蜜桃级精品一区二区三区| 岛国视频午夜一区免费看| 天天影视国产精品| 老汉色av国产亚洲站长工具| 大型av网站在线播放| 老司机午夜十八禁免费视频| 午夜老司机福利片| 欧美人与性动交α欧美精品济南到| 免费搜索国产男女视频| 高清毛片免费观看视频网站 | 久久久久亚洲av毛片大全| 久久久国产欧美日韩av| 他把我摸到了高潮在线观看| 国产午夜精品久久久久久| 老鸭窝网址在线观看| 两人在一起打扑克的视频| 久久伊人香网站| 成人18禁高潮啪啪吃奶动态图| 一级毛片精品| 久久香蕉精品热| 纯流量卡能插随身wifi吗| 12—13女人毛片做爰片一| 国产xxxxx性猛交| 国产精品国产av在线观看| 大陆偷拍与自拍| 国产精品成人在线| 久久久久国产一级毛片高清牌| 黑人猛操日本美女一级片| 淫妇啪啪啪对白视频| 亚洲自偷自拍图片 自拍| 黑人巨大精品欧美一区二区mp4| 国产亚洲av高清不卡| 欧美一区二区精品小视频在线| 在线观看一区二区三区| 亚洲视频免费观看视频| 亚洲熟妇熟女久久| 欧美老熟妇乱子伦牲交| 亚洲精品国产精品久久久不卡| 亚洲,欧美精品.| 婷婷丁香在线五月| 亚洲一区高清亚洲精品| 高清av免费在线| 国产日韩一区二区三区精品不卡| 窝窝影院91人妻| 亚洲成人免费电影在线观看| 日韩成人在线观看一区二区三区| 亚洲成人免费av在线播放| 免费在线观看亚洲国产| 色精品久久人妻99蜜桃| 性色av乱码一区二区三区2| 亚洲色图 男人天堂 中文字幕| 老司机午夜福利在线观看视频| 黄色怎么调成土黄色| 欧美激情久久久久久爽电影 | 欧美乱色亚洲激情| 亚洲午夜精品一区,二区,三区| 麻豆成人av在线观看| 身体一侧抽搐| 国产男靠女视频免费网站| 精品国产美女av久久久久小说| 亚洲精品粉嫩美女一区| 最近最新中文字幕大全免费视频| 一区二区三区精品91| 无人区码免费观看不卡| 校园春色视频在线观看| 一级毛片精品| 国产精品1区2区在线观看.| 亚洲 国产 在线| 国产主播在线观看一区二区| 老鸭窝网址在线观看| 国产高清videossex| 国产视频一区二区在线看| 人人妻人人爽人人添夜夜欢视频| 别揉我奶头~嗯~啊~动态视频| 亚洲精品av麻豆狂野| 久久人人97超碰香蕉20202| 黄色视频,在线免费观看| 黄色女人牲交| 欧美日韩一级在线毛片| 国产伦一二天堂av在线观看| 80岁老熟妇乱子伦牲交| av福利片在线| 亚洲国产精品合色在线| 18禁国产床啪视频网站| 日韩有码中文字幕| 在线观看舔阴道视频| 免费少妇av软件| 精品福利永久在线观看| 国产高清国产精品国产三级| 黄色 视频免费看| av有码第一页| 校园春色视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产精品爽爽va在线观看网站 | 久久精品影院6| 操出白浆在线播放| 免费日韩欧美在线观看| 日本精品一区二区三区蜜桃| 两人在一起打扑克的视频| 欧美 亚洲 国产 日韩一| 精品一品国产午夜福利视频| 99香蕉大伊视频| 亚洲午夜理论影院| 国产免费av片在线观看野外av| 香蕉国产在线看| 日日爽夜夜爽网站| avwww免费| 国产黄色免费在线视频| 99久久99久久久精品蜜桃| 村上凉子中文字幕在线| 在线观看午夜福利视频| 黄色毛片三级朝国网站| 亚洲国产精品sss在线观看 | 亚洲av五月六月丁香网| 天堂√8在线中文| 国产成人一区二区三区免费视频网站| 欧美精品亚洲一区二区| 美女高潮到喷水免费观看| 99久久精品国产亚洲精品| 一边摸一边抽搐一进一出视频| 久久精品国产清高在天天线| 精品久久久久久电影网| 不卡av一区二区三区| 日韩欧美一区视频在线观看| 在线观看免费日韩欧美大片| 中文字幕精品免费在线观看视频| 在线免费观看的www视频| 99在线视频只有这里精品首页| 在线国产一区二区在线| 少妇被粗大的猛进出69影院| 精品无人区乱码1区二区| 99国产精品一区二区三区| 精品国产美女av久久久久小说| 久久香蕉激情| 777久久人妻少妇嫩草av网站| 在线免费观看的www视频| 精品国产一区二区久久| 国产视频一区二区在线看| 国产三级黄色录像| 国内久久婷婷六月综合欲色啪| 亚洲精品国产区一区二| 天堂中文最新版在线下载| 欧美日韩亚洲国产一区二区在线观看| 动漫黄色视频在线观看| 欧美成人性av电影在线观看| 脱女人内裤的视频| 男女下面进入的视频免费午夜 | 岛国视频午夜一区免费看| 精品国产一区二区久久| 国产视频一区二区在线看| 美女高潮到喷水免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 久久香蕉精品热| 露出奶头的视频| 高清av免费在线| 久久婷婷成人综合色麻豆| 亚洲九九香蕉| 久久午夜综合久久蜜桃| 在线观看一区二区三区激情| 国产精品成人在线| 国产精品国产高清国产av| 在线免费观看的www视频| 极品人妻少妇av视频| 国产乱人伦免费视频| 91精品三级在线观看| 日本一区二区免费在线视频| 国产激情欧美一区二区| 看黄色毛片网站| 高清毛片免费观看视频网站 | 美女扒开内裤让男人捅视频| 精品卡一卡二卡四卡免费| 男人舔女人的私密视频| 久久中文看片网| 一级,二级,三级黄色视频| 久久伊人香网站| 亚洲欧美精品综合一区二区三区| 久久精品aⅴ一区二区三区四区| 精品福利永久在线观看| 日韩欧美在线二视频| 老司机在亚洲福利影院| 日韩 欧美 亚洲 中文字幕| 久久精品国产亚洲av高清一级| 中出人妻视频一区二区| 不卡av一区二区三区| 精品国产亚洲在线| 大型av网站在线播放| 窝窝影院91人妻| av在线播放免费不卡| 欧美日韩视频精品一区| 在线十欧美十亚洲十日本专区| 十八禁网站免费在线| 久久精品国产99精品国产亚洲性色 | 欧美大码av| 日韩欧美国产一区二区入口| 男人操女人黄网站| 手机成人av网站| 国产一区二区激情短视频| 亚洲国产中文字幕在线视频| 久久久国产欧美日韩av| 黄色片一级片一级黄色片| 水蜜桃什么品种好| 日韩欧美免费精品| 热re99久久国产66热| 国产免费av片在线观看野外av| x7x7x7水蜜桃| 国产成人欧美| 亚洲黑人精品在线| 一本大道久久a久久精品| 亚洲av美国av| 午夜久久久在线观看| 97碰自拍视频| 国产欧美日韩一区二区精品| 久久香蕉精品热| 国产亚洲精品久久久久5区| 日韩大尺度精品在线看网址 | 精品福利永久在线观看| 高清欧美精品videossex| 男女床上黄色一级片免费看| 视频在线观看一区二区三区| 欧美国产精品va在线观看不卡| 宅男免费午夜| 大码成人一级视频| ponron亚洲| 电影成人av| 精品国产国语对白av| 欧美激情 高清一区二区三区| 成年女人毛片免费观看观看9| 亚洲国产欧美日韩在线播放| 电影成人av| 咕卡用的链子| 亚洲国产看品久久| 国产成年人精品一区二区 | 亚洲中文av在线| 国产色视频综合| 夜夜夜夜夜久久久久| 久久午夜综合久久蜜桃| 午夜激情av网站| 日本 av在线| 亚洲国产精品一区二区三区在线| 法律面前人人平等表现在哪些方面| 成年版毛片免费区| 一进一出好大好爽视频| 亚洲五月婷婷丁香| xxxhd国产人妻xxx| 国产成人欧美| 精品久久久久久久毛片微露脸| 国产97色在线日韩免费| 亚洲国产精品合色在线| av视频免费观看在线观看| 亚洲人成电影观看| 人妻丰满熟妇av一区二区三区| 亚洲全国av大片| 99国产综合亚洲精品| 老司机午夜福利在线观看视频| 国产精品亚洲一级av第二区| 80岁老熟妇乱子伦牲交| 成熟少妇高潮喷水视频| 亚洲成人免费av在线播放| 国产熟女午夜一区二区三区| 日韩中文字幕欧美一区二区| 久久久久国内视频| 欧美日韩瑟瑟在线播放| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av成人一区二区三| 人人妻人人爽人人添夜夜欢视频| 久久午夜综合久久蜜桃| 亚洲激情在线av| 成人三级做爰电影| 一级a爱片免费观看的视频| 精品一区二区三区四区五区乱码| 男人舔女人的私密视频| 91国产中文字幕| 国产精品国产高清国产av| av在线天堂中文字幕 | 国产精品香港三级国产av潘金莲| 久久精品国产99精品国产亚洲性色 | 欧美精品亚洲一区二区| 啪啪无遮挡十八禁网站| 女人爽到高潮嗷嗷叫在线视频| 天堂√8在线中文| 91大片在线观看| 亚洲国产看品久久| 国产97色在线日韩免费| 久久人人精品亚洲av| 亚洲人成电影免费在线| 三上悠亚av全集在线观看| 在线观看免费日韩欧美大片| 黄网站色视频无遮挡免费观看| 老鸭窝网址在线观看| 在线十欧美十亚洲十日本专区| 黄色视频,在线免费观看| 国产1区2区3区精品| 深夜精品福利| 50天的宝宝边吃奶边哭怎么回事| 99精品欧美一区二区三区四区| 色尼玛亚洲综合影院| 啦啦啦免费观看视频1| 日韩一卡2卡3卡4卡2021年| 三上悠亚av全集在线观看| 国产av又大| 国产视频一区二区在线看| 母亲3免费完整高清在线观看| 国产成+人综合+亚洲专区| 久久久久久大精品| 一级毛片高清免费大全| 国产精品日韩av在线免费观看 | 午夜精品国产一区二区电影| 久99久视频精品免费| 色哟哟哟哟哟哟| 青草久久国产| 亚洲五月色婷婷综合| 亚洲黑人精品在线| 一二三四在线观看免费中文在| 亚洲一码二码三码区别大吗| 国产熟女xx| 免费高清视频大片| 国产单亲对白刺激| 又黄又粗又硬又大视频| 制服人妻中文乱码| 国产高清视频在线播放一区| 一区福利在线观看| 日韩成人在线观看一区二区三区| 日本免费a在线| 99久久综合精品五月天人人| 亚洲精品一卡2卡三卡4卡5卡| 亚洲第一青青草原| 国产成人一区二区三区免费视频网站| 欧美日韩av久久| 亚洲精品国产精品久久久不卡| 亚洲欧美精品综合久久99| 亚洲熟女毛片儿| 欧美日韩中文字幕国产精品一区二区三区 | 三上悠亚av全集在线观看| 99国产精品一区二区蜜桃av| 国产99久久九九免费精品| 欧美在线黄色| 亚洲人成电影免费在线| 日韩精品中文字幕看吧| 国产一区二区三区综合在线观看| 成熟少妇高潮喷水视频| 日本免费一区二区三区高清不卡 | www.www免费av| 国产精品一区二区精品视频观看| 这个男人来自地球电影免费观看| 亚洲三区欧美一区| 成年人黄色毛片网站| 日韩中文字幕欧美一区二区| 波多野结衣一区麻豆| 久久久久久免费高清国产稀缺| 91国产中文字幕| 国产无遮挡羞羞视频在线观看| 嫁个100分男人电影在线观看| 亚洲精品成人av观看孕妇| 国产精品 国内视频| 国产精品99久久99久久久不卡| 交换朋友夫妻互换小说| 一级黄色大片毛片| 欧美成狂野欧美在线观看| 亚洲精品国产区一区二| 国产国语露脸激情在线看| 97碰自拍视频| 少妇的丰满在线观看| 日本欧美视频一区| 久久伊人香网站| 他把我摸到了高潮在线观看| 国产在线精品亚洲第一网站| 99在线人妻在线中文字幕| 我的亚洲天堂| 另类亚洲欧美激情| 色综合欧美亚洲国产小说| 国产一区在线观看成人免费| 久久精品国产99精品国产亚洲性色 | 国产亚洲精品一区二区www| 久久久精品欧美日韩精品| 成人亚洲精品一区在线观看| 怎么达到女性高潮| 国产精品日韩av在线免费观看 | 国产欧美日韩一区二区三区在线| 亚洲人成电影免费在线| 免费看a级黄色片| 在线av久久热| 日韩欧美一区视频在线观看| 黑人欧美特级aaaaaa片| 亚洲精品粉嫩美女一区| 在线观看舔阴道视频| 欧美日韩乱码在线| www日本在线高清视频| 中文字幕人妻丝袜制服| 日韩精品中文字幕看吧| 国产成人影院久久av| 丰满饥渴人妻一区二区三| 中国美女看黄片| 亚洲中文字幕日韩| 99热国产这里只有精品6| 午夜视频精品福利| av片东京热男人的天堂| avwww免费| 成人影院久久| 日韩三级视频一区二区三区| 欧美日韩国产mv在线观看视频| 欧美激情高清一区二区三区| 水蜜桃什么品种好| 久久午夜亚洲精品久久| 亚洲色图av天堂| 国产亚洲精品久久久久5区| 熟女少妇亚洲综合色aaa.| 可以免费在线观看a视频的电影网站| 国产精品亚洲一级av第二区| 最近最新免费中文字幕在线| 激情在线观看视频在线高清| 丝袜美腿诱惑在线| 亚洲欧洲精品一区二区精品久久久| 日本五十路高清| 18禁裸乳无遮挡免费网站照片 | 久久精品91蜜桃| 欧美成人性av电影在线观看| 色综合婷婷激情| 亚洲精品美女久久久久99蜜臀| 黑人猛操日本美女一级片| 精品久久久久久,| 国产国语露脸激情在线看| 动漫黄色视频在线观看| 丝袜人妻中文字幕| 女人爽到高潮嗷嗷叫在线视频| 日韩三级视频一区二区三区| 国产片内射在线| 啦啦啦免费观看视频1| 老司机午夜十八禁免费视频| 丝袜在线中文字幕| 午夜免费激情av| 欧美精品亚洲一区二区| 丝袜美腿诱惑在线| 久久久久久久久中文| 老汉色av国产亚洲站长工具| 色婷婷av一区二区三区视频| 九色亚洲精品在线播放| 黄频高清免费视频| 麻豆一二三区av精品| 88av欧美| www.熟女人妻精品国产| 国产又爽黄色视频| 国产亚洲欧美98| 日韩精品青青久久久久久| 别揉我奶头~嗯~啊~动态视频| 精品国产超薄肉色丝袜足j| 日韩大码丰满熟妇| 九色亚洲精品在线播放| 久久久久久久精品吃奶| 久久精品亚洲精品国产色婷小说| 露出奶头的视频| 真人做人爱边吃奶动态| 99在线人妻在线中文字幕| 午夜免费鲁丝| 国产一区二区在线av高清观看| 9191精品国产免费久久| 交换朋友夫妻互换小说| 亚洲精品一卡2卡三卡4卡5卡| 99国产精品一区二区蜜桃av| 脱女人内裤的视频| 韩国av一区二区三区四区| 国产成年人精品一区二区 | 亚洲成人免费电影在线观看| 欧美日韩乱码在线| 搡老熟女国产l中国老女人| 90打野战视频偷拍视频| 日日夜夜操网爽| 男女床上黄色一级片免费看| 成人18禁高潮啪啪吃奶动态图| 他把我摸到了高潮在线观看| 国内久久婷婷六月综合欲色啪| av视频免费观看在线观看| 国产精品久久电影中文字幕| 国产精品香港三级国产av潘金莲| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产精品sss在线观看 | 欧美日韩瑟瑟在线播放| 天堂中文最新版在线下载| 午夜福利影视在线免费观看| 一个人免费在线观看的高清视频| 看黄色毛片网站| 嫩草影院精品99| 亚洲欧美一区二区三区久久| 90打野战视频偷拍视频| 亚洲色图综合在线观看| 日韩欧美三级三区| 视频区欧美日本亚洲| 一级片'在线观看视频| 亚洲国产精品sss在线观看 | 国产高清国产精品国产三级| 欧美老熟妇乱子伦牲交| 欧美大码av| 欧美黄色片欧美黄色片| 成人影院久久| 黄片小视频在线播放| 最新美女视频免费是黄的| 99热只有精品国产| 天堂影院成人在线观看| 宅男免费午夜| 精品一区二区三区av网在线观看| 亚洲成av片中文字幕在线观看| 我的亚洲天堂| 在线天堂中文资源库| 国产精品电影一区二区三区| 美女高潮到喷水免费观看| 99国产精品99久久久久| 嫩草影院精品99| 中文字幕精品免费在线观看视频| 精品免费久久久久久久清纯| www日本在线高清视频| 日韩av在线大香蕉| 在线观看66精品国产| 亚洲人成电影观看| 999久久久精品免费观看国产| 午夜精品在线福利| ponron亚洲| 日本撒尿小便嘘嘘汇集6| 色在线成人网| 精品日产1卡2卡| 国产一区在线观看成人免费| videosex国产| 精品国产国语对白av| 18禁美女被吸乳视频| 女同久久另类99精品国产91| 国产av又大| 国产精品影院久久| 成年女人毛片免费观看观看9| 国产高清激情床上av| 精品午夜福利视频在线观看一区| 免费少妇av软件| 国产aⅴ精品一区二区三区波| 啦啦啦 在线观看视频| 亚洲欧美一区二区三区久久| av有码第一页| 成人18禁高潮啪啪吃奶动态图| 长腿黑丝高跟| 欧美最黄视频在线播放免费 | 国产91精品成人一区二区三区| 人人妻人人添人人爽欧美一区卜| 国产亚洲欧美在线一区二区| 亚洲自偷自拍图片 自拍| 亚洲免费av在线视频| 国产一区在线观看成人免费| 成人影院久久| 19禁男女啪啪无遮挡网站| 亚洲一区二区三区不卡视频| 啪啪无遮挡十八禁网站| 成人特级黄色片久久久久久久| 99香蕉大伊视频| 91成人精品电影| 亚洲avbb在线观看| 美女高潮喷水抽搐中文字幕| 久久久久久久久中文| 在线看a的网站| 日韩中文字幕欧美一区二区| 18禁黄网站禁片午夜丰满| 亚洲国产精品sss在线观看 | 纯流量卡能插随身wifi吗| 成人国语在线视频| 日韩欧美一区视频在线观看| xxxhd国产人妻xxx| 久久中文字幕人妻熟女| 九色亚洲精品在线播放| 麻豆国产av国片精品| 精品久久久久久,| 欧美大码av| 露出奶头的视频| 精品福利观看| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩成人在线观看一区二区三区| 级片在线观看| 99在线人妻在线中文字幕| 9191精品国产免费久久| 69av精品久久久久久| 不卡一级毛片| 日本wwww免费看| 午夜福利欧美成人| 久久人妻av系列| 成在线人永久免费视频| 激情在线观看视频在线高清| 如日韩欧美国产精品一区二区三区| 亚洲精品一区av在线观看| av网站在线播放免费| 亚洲男人天堂网一区| 午夜91福利影院| 日本a在线网址| 成人特级黄色片久久久久久久| 国产成人av教育| 两个人免费观看高清视频| 99精品在免费线老司机午夜| 久久人妻福利社区极品人妻图片| 少妇 在线观看| 99热国产这里只有精品6| 99re在线观看精品视频| 国产99久久九九免费精品| 精品国产乱码久久久久久男人| 中文亚洲av片在线观看爽| 久久这里只有精品19| 国产精品国产av在线观看|