亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Riesz變換的結構相似度圖像質量評價方法

        2015-10-22 08:03:59盧彥飛
        液晶與顯示 2015年6期
        關鍵詞:人眼主觀特征

        盧彥飛,張 濤

        (1.中國科學院長春光學精密機械與物理研究所,吉林長春130033;

        2.中國科學院大學,北京100049;

        3.中國科學院蘇州生物醫(yī)學工程技術研究所,江蘇蘇州215163)

        基于Riesz變換的結構相似度圖像質量評價方法

        盧彥飛1,2,3,張 濤1?

        (1.中國科學院長春光學精密機械與物理研究所,吉林長春130033;

        2.中國科學院大學,北京100049;

        3.中國科學院蘇州生物醫(yī)學工程技術研究所,江蘇蘇州215163)

        不同的圖像處理過程,會對圖像引入各種各樣的失真,如何對圖像的質量進行評價成為一個熱點問題.針對傳統(tǒng)的基于像素差值統(tǒng)計的峰值信噪比方法及結構相似度方法與人眼主觀評價不夠符合的情況,本文提出了一種基于Riesz變換的結構相似度圖像質量評價方法.該方法先將參考圖像和失真圖像進行一階Riesz變換和二階Riesz變換,并利用得到的5組對應特征圖計算出5幅相似度圖和5幅權重圖,利用平均法進行融合得到最終的相似度圖和權重圖,然后加入原參考圖像和失真圖像的亮度比較項,得到最終的圖像質量評價指標.在LIVE圖像數據庫上的實驗表明,本文方法對于5種失真的質量預測準確性和一致性都很高,在交叉失真實驗中,本文方法也優(yōu)于結構相似度方法,PLCC和SROCC值達到了0.9482和0.9532.與幾種公認較好的方法相比,本文方法能夠更好地預測圖像質量,更加符合人眼的主觀感知.

        圖像質量;結構相似度;Riesz變換;特征圖

        1 引 言

        成像和顯示技術的發(fā)展,使得人們越來越容易獲得圖像,圖像和人們生活的關系愈加密切.在圖像的獲取、壓縮、傳輸及顯示等過程中,會引入各種失真,影響圖像的視覺效果.如何評價圖像的質量成一個研究熱點,引起了越來越多研究者的注意.

        目前的圖像質量評價方法主要分為主觀評價和客觀評價.由于主觀評價的繁瑣、耗時以及不可移植性,其很難應用到工程中去,目前的研究重點集中在客觀評價.根據參考圖像是否存在,客觀評價可以分為全參考評價、半參考評價和無參考評價.全參考評價方法[1]需要利用整幅參考圖像與失真圖像進行比較來評價失真程度,是目前最可靠的客觀方法.部分參考評價方法只利用了參考圖像的部分信息或某些特征來進行評價.無參考評價方法不需參考圖像的任何信息,一般針對某些特定類型的失真進行評價.

        傳統(tǒng)的全參考評價方法如均方誤差(MSE)及峰值信噪比(PSNR)等,由于其容易實現,而且物理意義明確,應用比較廣泛.但是因為其只考慮了像素之間的灰度差異,而沒有利用圖像任何的結構信息和像素之間的相關性,不能很好地反映人眼對圖像的主觀感知.隨著人們對人眼視覺系統(tǒng)(Human Visual System,HVS)認識的深入,研究者開始利用HVS的某些特性[2]來設計圖像質量評價方法.一種是針對HVS的各種特性構建視覺模型,通過自底向上(Bottom-up)的方法來模擬人的視覺,其中典型的方法有NQM[3]和VSNR[4].由于人眼的視覺特性比較復雜,很難從底層對其進行模擬,人們又提出了自頂向下(Top-down)的方法,只考慮HVS的輸入與輸出之間的關系,對人眼視覺特性進行建模,根據HVS對圖像的感知得到圖像質量測度.典型的方法有Zhou Wang等人提出SSIM[5]模型以及其改進MS-SSIM[6]和IW-SSIM[7],Sheikh等提出的IFC[8]和VIF[9],Lin Zhang等提出的RFSIM[10]和FSIM[11],及A.Shnayderman[12]等提出的基于SVD分解的方法.

        SSIM模型假設HVS的作用是提取圖像的結構信息,并將圖像的失真分為結構性失真和非結構性失真,將失真圖像的亮度、對比度和結構信息與參考圖像進行比較,從而得到對圖像失真程度的評價.其避免了從低層次上模擬HVS的功能,計算比較簡單,引起了廣泛的關注.但是SSIM也存在一定的缺點,尤其是對于嚴重模糊的圖像,SSIM的評價結果會出現較大偏差,主要是由于其對結構信息的建模過于簡單.研究發(fā)現,人眼視覺對于圖像的低級特征比如邊緣、角點等比較敏感.當一副圖像失真時,圖像的邊緣也會發(fā)生相應的變化.Guanhao Chen等人[13]提出了基于邊緣信息的結構相似度圖像質量評價方法GSSIM,此模型先利用Sobel算子得到失真圖像和參考圖像的邊緣圖像,然后計算對應邊緣圖像的對比度失真項和結構失真項,并替換SSIM模型中的對應項,最后得到的GSSIM模型在表現上相對于PSNR和SSIM模型有一定的改善.但是其利用的邊緣信息未能充分表達圖像的結構,沒有考慮角點等重要特征.

        本文針對SSIM模型及相關改進模型中結構信息建模過于簡單的問題,利用Riesz變換能夠很好的表達圖像局部結構信息的特點[10],提出了一種基于Riesz變換的結構相似度圖像質量評價方法.將參考圖像和失真圖像進行一階Riesz變換和二階Riesz變換,分別得到5種特征圖,利用對應的5組特征圖,計算出5幅相似度圖和5幅權重圖,然后利用平均法進行融合得到最終的相似度圖和權重圖,再加入原參考圖像和失真圖像的亮度比較項,最后得到圖像質量評價指標.利用LIVE圖像數據庫對該方法進行驗證,實驗結果表明,本文方法具有很好的圖像質量預測性能.

        2 結構相似度模型及分析

        Zhou Wang[5]等利用圖像像素間的相關特性,給出了結構信息的概念,認為其應獨立于圖像的亮度和對比度.此模型認為HVS的主要功能是提取圖像的結構信息,將圖像的失真分為結構性失真和非結構性失真,并定義了結構相似度,提出了基于結構相似度的圖像質量評價方法.

        假設X,Y分別代表參考圖像和失真圖像. X,Y的亮度和標準差分別記為μx、μy和σx、σy,X和Y的協(xié)方差記為σxy.則X和Y的亮度、對比度和結構的相似度分別定義為:

        其中:系數C1,C2和C3均為很小的正數,以避免分母為零或者接近零時造成的不穩(wěn)定的情況,一般取C1=(K1L)2,C2=(K2L)2,C3=C2/2,其中K1,K2取非常小的常數,L是圖像像素的灰度動態(tài)范圍.

        兩幅圖像的結構相似度(SSIM)定義為:

        其中:α>0,β>0,γ>0,主要用來調整3個部分的相對重要性,一般均取為1.

        由SSIM模型中亮度、對比度和結構項的定義可以知道,亮度與圖像的結構信息關系不大,而在對比度和結構項的計算過程中,均利用到了圖像的標準差,標準差可以反映圖像的結構信息,所以這兩部分都與圖像的結構信息密切相關,計算過程中可以合并為一項[5],從而將圖像的亮度項分離出來.

        在實際計算中,一般利用滑動窗口,將圖像分為互不重疊的圖像塊,計算每個窗口對應圖像塊的SSIM值,然后對所有的SSIM值求平均,便可得到整幅圖像的SSIM值.SSIM的值越大,說明圖像的質量越高.由于部分考慮了人眼對圖像的感知特性,利用了圖像的結構信息,SSIM模型對圖像的質量評價取得了較好的效果,與人眼的主觀感知比較一致,得到了比較廣泛的應用.但是這種方法對于模糊圖像的評價不夠理想,特別是模糊程度比較大的,評價結果與人眼的主觀感知差異比較大.圖1是Monarch圖像及對應的兩幅不同類型失真圖像.

        圖1 Monarch圖像及不同類型失真圖像對比Fig.1 Comparison of“monarch”images with different types of distortions

        對于圖1中的3幅圖,(a)為原圖像,(b)和(c)分別為兩幅不同類型的失真圖像,其中(b)為噪聲污染圖像,(c)為模糊圖像.從主觀上來說,(b)的圖像質量應該比(c)高,但是SSIM卻給出了錯誤的評價,(b)的SSIM值為0.528 9,(c)的SSIM值為0.557 1,對于模糊程度較嚴重的(c)給出了偏差較大的評價結果.這是由于SSIM方法中的結構項定義過于簡單,對圖像低級特征的表達不夠準確,未能充分利用圖像的結構信息.針對這個問題,根據Riesz變換能夠很好的表達圖像局部結構信息的特點,利用Riesz變換提取圖像特征,對結構信息進行建模,提出了一種改進的結構相似度圖像質量評價方法.

        3 基于Riesz變換的結構相似度圖像質量評價方法

        3.1Riesz變換及特征提取

        自從Gabor提出了解析信號之后,Hilbert變換在信號處理領域得到了廣泛的應用.Riesz變換是Hilbert變換向高維的擴展.在二維的情況下,一階Riesz變換可以表示為:

        其中:f(z)是輸入信號,比如一幅圖像,z=(x,y),濾波器hx和hy在頻域中的響應為Hx= -jωx/‖ω‖和Hy=-jωy/‖ω‖,ω=(ωx,ωy).Riesz核在空域中的表達為:

        利用一階Riesz變換,可以對圖像的局部線性特征進行提?。?1],但是無法對圖像中存在的角點和交會點等進行表達.為了更全面地表征圖像中存在的各種低級特征,還需要用到高階Riesz變換,本文利用二階Riesz變換表達更復雜的特征.二階Riesz變換可以通過對一階Riesz變換得到的結果再次進行Risez變換得到:

        利用一階和二階Riesz變換可以對圖像的低級特征進行提取,如圖2所示.

        圖2 一幅圖像與其對應的一階和二階Riesz變換特征圖Fig.2 An image and its corresponding 1st-order and 2nd-order transform feature maps

        本文將一階Riesz變換得到的特征圖hx{f}和hy{f}稱為一階特征圖,二階Riesz變換得到的特征圖hxx{f}、hxy{f}和hxy{f}稱為二階特征圖,則每幅圖像可以得到2種一階特征圖和3種二階特征圖.從圖2可以看出,一階特征圖能夠很好表達圖像的邊緣輪廓特征,二階特征圖能夠表達更復雜的特征,比如角點等.

        3.2改進的結構相似度

        將參考圖像和失真圖像分別記為f和g,參考圖像f對應的5種特征圖hx{f}、hy{f}、hxx{f}、hxy{f}及hyy{f}分別記為f1、f2、f3、f4和f5,失真圖像g對應的5種特征圖hx{g}、hy{g}、hxx{g}、hxy{g}及hyy{g}分別記為g1、g2、g3、g4和g5.則對于5組對應的特征圖{fi,gi}(i=1,2,…,5),與SSIM模型中的計算方法類似,其對比度比較項和結構信息比較項為:

        其中σfi和σgi分別是特征圖fi和gi的標準差,σfigi是特征圖fi和gi之間的協(xié)方差,C2和C3均為很小的正數,以避免分母為零或者接近零時造成的不穩(wěn)定的情況.取C3=C2/2,可以將對比度比較項與結構信息比較項合并為一項:

        則5組特征圖可以得到5幅相似度圖.由于5組特征圖分別代表不同的低級特征,得到的5幅相似度圖也分別對應不同的低級特征之間的相似度,為了得到整體特征的相似度圖,需要將5幅相似度圖進行融合,得到最終的相似度圖.為了簡化計算,本文利用平均法進行融合,即:

        由于一幅圖的亮度信息中不包含結構信息,則參考圖像f和失真圖像g之間的亮度比較項為:

        結合相似度圖以及亮度比較項,得到圖像質量評價測度如下:

        其中:α>0,β>0,這兩個參數是用來調整兩部分的相對重要程度,一般取α=β=1.

        由于此方法利用Riesz變換來提取參考圖像和失真圖像的一階特征圖和二階特征圖,并根據對應特征圖間對比度和結構信息的相似度來衡量圖像的失真程度,本文將其稱為基于Riesz變換的結構相似度測度(Riesz-Transform based Structural SIMilarity,RTSSIM).

        3.3權重圖的計算

        人眼視覺系統(tǒng)對于圖像不同區(qū)域的敏感程度是不同的,對于邊緣和紋理區(qū)域,人眼能夠感知到更多的信息,而對于平坦區(qū)域,人眼的敏感程度有所降低.因此,對于不同結構的視覺重要程度,需要分配不同的權重.圖像的結構信息與其局部標準[14]差密切相關,本文利用標準差來衡量像素點的視覺重要性.

        對于參考圖像f和失真圖像和g經過一階和二階Riesz變換后得到的5組對應的特征圖{fi,gi} (i=1,2,…,5),如果對應像素點的標準差比較大,則意味著這個像素點對于人眼視覺系統(tǒng)的重要程度也比較高.本文利用w(fi,gi)= max(std(fi),std(gi))作為權重來衡量對應像素點的重要性,則可以得到5幅權重圖,這5幅權重圖代表了不同的特征圖中對應像素點的重要程度,為了得到最終的權重圖,同樣利用平均法進行融合,則

        圖3 本文所提算法的實現框圖Fig.3 Flow chart of the proposed algorithm

        最終的圖像質量評價測度如下:

        算法的實現框圖如圖3所示.

        4 實驗結果及分析

        本文使用Laboratory for Image and Video Engineering(LIVE)[15]圖像數據庫進行實驗來驗證所提方法的有效性.該圖像數據庫包含29幅參考圖像和對應的779幅失真圖像,其中有5種失真類型:JPEG2000壓縮(jp2k),JPEG壓縮(jpeg),白噪聲(wn),高斯模糊(gblur)和Rayleigh衰落道模型失真(fastfading).該圖像庫給出了每幅圖像的主觀評價得分DMOS值,DMOS值由觀測者打分后進行處理得到,DMOS值越小說明圖像的主觀質量越好.本文方法暫時只考慮圖像的灰度信息,彩色圖像可以通過以下方式轉換為灰度圖像:

        I=0.299R+0.587G+0.114B,(16)其中:R,G,B分別表示彩色圖像紅、綠、藍三通道的分量.

        為了客觀反映圖像質量評價方法的性能,根據VQEG[16]提出的準則,通常認為在客觀評價值和主觀評價值之間存在非線性關系,本文采用下面的函數[1]建立這種非線性映射:

        其中:x表示客觀評價值,β1,β2,β3,β4和β5為模型參數.針對五種不同的失真類型,本文所提出的評價方法RTSSIM與主觀DMOS的曲線擬合情況如圖4(a)~(e)所示,同時給出了交叉失真實驗的曲線擬合情況(圖4(f)).可以看出,散點圖很緊湊的分布在擬合曲線的附近.

        對于不同的質量評價方法,通常使用準確性、單調性和一致性三個標準[1]來評估客觀評價值和主觀評價的一致程度,其中Pearson線性相關系數(PLCC)反映預測的準確性,Spearman秩相關系數(SROCC)反映預測的單調性及客觀評價值與主觀評價值之間的一致程度,均方根誤差(RMSE)反映客觀評價的一致性.PLCC和SROCC數值越大,RMSE數值越小則模型的預測能力越好.表1列出了RTSSIM評價方法與PSNR及SSIM模型在LIVE圖像庫中的性能指標.對于每種失真類型,每一列中PLCC和SROCC的最大值以及RMSE的最小值,均加粗標出.可以看出,本文方法的三項指標總體優(yōu)于PSNR和SSIM模型.PSNR是基于像素點誤差統(tǒng)計的評價方法,比較適合白噪聲這種失真類型,而本文方法依然得到了和PSNR接近的SROCC,且PLCC值更高.對于其他失真類型,本文方法的表現均要優(yōu)于PSNR和SSIM,具有最高的PLCC和SROCC,且具有較小的RMSE.在交叉失真實驗中,本文方法的各項指標均優(yōu)于PSNR和SSIM模型.特別的,對于圖1中的兩幅失真圖像(b)和(c),本文方法RTSSIM給出的評價值分別為0.7353和0.3331,與人眼的主觀評價一致.

        圖4 本文所提出的圖像質量評價方法(RTSSIM)與主觀DMOS的曲線擬合圖Fig.4 Curve fitting map of the proposed RTSSIM with DMOS

        表1 本文提出的RTSSIM方法與其他方法性能比較Tab.1 Performance comparison of the proposed RTSSIM and other methods

        表2列出了本文所提方法的SROCC值與幾種性能公認較好的評價方法對比.其中MSSSIM[6],IW-SSIM[7]是以SSIM[5]為基礎的改進,IFC[8]基于自然場景分析和信息論,RFSIM[11]中也用到了Riesz變換,均屬于自頂向下(Topdown)的方法;VSNR[4]屬于自底向上(Bottomup)的方法.表2中,對于每種失真類型,每一行中最大的3個值均加粗標出.可以看出,本文方法RTSSIM在所有5種失真類型上的表現都很好,每種類型對應的SROCC值均排名靠前.實際上,利用其他指標,例如KROCC和PLCC,也可以得到類似的結果.總體上來說,RTSSIM方法的表現比其他方法更優(yōu)越,與主觀評價結果具有更好的一致性.

        表2 本文提出的RTSSIM方法的SROCC值與其他方法對比Tab.2 SORCC values comparison of the proposed RTSSIM and other methods

        5 結 論

        由于圖像質量評價方法在成像系統(tǒng)中的應用前景,在圖像處理領域得到了廣泛的關注,新的評價思路層出不窮.傳統(tǒng)的基于像素差值統(tǒng)計的MSE及PSNR方法沒有考慮人眼的視覺特性和像素之間的相關性,評價結果不夠符合人眼的主觀感知.而SSIM模型假設HVS的主要提取圖像的結構信息,得到了較好的評價結果.但是由于結構項的模型過于簡單,其對于模糊程度比較嚴重的圖像的評價結果偏差較大.本文根據Riesz變換能夠對圖像的局部結構信息進行表達的特性,利用一階和二階Riesz變換提取圖像的低級特征,構建圖像的結構信息,提出了基于Riesz變換的結構相似度圖像質量評價方法.在LIVE圖像數據庫上的實驗結果表明,本文方法對于5種失真的質量預測準確性和一致性都很高,均超過了PSNR和SSIM的表現.在交叉失真實驗中,PLCC和SROCC值達到了0.948 2和0.953 2,高于PSNR和SSIM的對應值.通過SROCC比較,本文方法相對于PSNR、SSIM及其改進MS-SSIM與IW-SSIM、VSNR、IFC和RFSIM,能夠更好地預測圖像質量,在各種失真上均有很好的表現.本文提出的RTSSIM方法取得了很好的圖像質量預測結果,更加符合人眼的主觀感知.

        [1] Sheikh H R,Sabir M F,Bovik A C.A statistical evaluation of recent full reference image quality assessment algorithms[J].IEEE Transactions on Image Processing,2006,15(11):3440-3451.

        [2] 姚軍財.基于人眼對比度敏感視覺特性的圖像質量評價方法[J].液晶與顯示,2011,26(3):390-396.

        Yao J C.Image quality assessment method based on contrast sensitivity characteristics of human vision system[J]. Chinese Journal of Liquid Crystals and Displays,2011,26(3):390-396.(in Chinese).

        [3] Damera-Venkata N,Kite T D,Geisler W S,et al.Image quality assessment based on a degradation model[J]. IEEE Transactions on Image Processing,2000,9(4):636-650.

        [4] Chandler D M,Hemami S S.VSNR:A wavelet-based visual signal-to-noise ratio for natural images[J].IEEE Transactions on Image Processing,2007,16(9):2284-2298.

        [5] Wang Z,Bovik A C,Sheikh H R,et al.Image quality assessment:from error visibility to structural similarity[J].IEEE Transactions on Image Processing,2004,13(4):600-612.

        [6] Wang Z,Simoncelli E P,Bovik A C.Multiscale structural similarity for image quality assessment[C].IEEE Conference Record of the Thirty-Seventh Asilomar Conference on Signals,Systems and Computers,Pacific Grove,CA,USA:IEEE,2003:1398-1402.

        [7] Wang Z,Li Q.Information content weighting for perceptual image quality assessment[J].IEEE Transactions on Image Processing,2011,20(5):1185-1198.

        [8] Sheikh H R,Bovik A C,de Veciana G.An information fidelity criterion for image quality assessment using natural scene statistics[J].IEEE Transactions on Image Processing,2005,14(12):2117-2128.

        [9] Sheikh H R,Bovik A C.Image information and visual quality[J].IEEE Transactions on Image Processing,2006,15(2):430-444.

        [10] Zhang L,Zhang L,Mou X Q,et al.FSIM:A feature similarity index for image quality assessment[J].IEEE Transactions on Image Processing,2011,20(8):2378-2386.

        [11] Zhang L,Zhang D,Mou X Q.RFSIM:A feature based image quality assessment metric using Riesz transforms[C]. 2010 17th IEEE International Conference on Image Processing,Hong Kong,China:IEEE,2010:321-324.

        [12] Shnayderman A,Gusev A,Eskicioglu A M.An SVD-based grayscale image quality measure for local and global assessment[J].IEEE Transactions on Image Processing,2006,15(2):422-429.

        [13] Chen G H,Yang C L,Xie S L.Gradient-based structural similarity for image quality assessment[C].IEEE International Conference on Image Processing,Atlanta,GA,USA:IEEE,2006:2929-2932.

        [14] Aja-Fernández S,Estépar R S,Alberola-López C,et al.Image quality assessment based on local variance[C]. 28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,New York City,USA:IEEE,2006:4815-4818.

        [15] Sheikh H R,Wang Z,Cormack L,et al.LIVE image quality assessment database,release 2[OL].http://live. ece.utexas.edu/research/quality.

        [16] VQEG.Final report from the video quality experts group on the validation of objective models of video quality assessment,Phase II VQEG,Aug.2003[OL].Available:http://www.vqeg.org/,2014.

        Image quality assessment method via Riesz-transform based structural similarity

        LU Yan-fei1,2,3,ZHANG Tao1?
        (1.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China;
        2.University of Chinese Academy of Sciences,Beijing 100049,China;
        3.Suzhou Institute of Biomedical Engineering and Technology,Chinese Academy of Sciences,Suzhou 215163,China)

        Various distortions will be introduced to images during different image processing procedures,and the assessment of image quality has become a hot topic.According to the fact that the traditional pixel-difference statistics-based PSNR method and structural similarity method cannot correlate well with human subjective evaluation,a novel image quality assessment method via Riesz-Transform based structural similarity is proposed.The method firstly applies 1st-order Riesz-Transformand 2nd-order Riesz Transform to the reference image and distorted image,and 5 groups of corresponding features maps are obtained to produce 5 similarity maps and 5 weighting maps.Then the average-method fusion is performed to get the final similarity map and weighting map.Lastly,the luminance comparison of the original reference image and distorted image is considered to get the final image quality index.The experiments on the LIVE database indicate that the proposed method has high prediction accuracy and consistency on all 5 distortion types.It also outperforms the SSIM method under cross-distortion conditions and the PLCC value and SROCC value reach 0.948 2 and 0.953 2 respectively.Compared with other state-of-the-art methods,the proposed method owns good predictive performance,which indicates better consistency with human subjective perception.

        image quality;structural similarity;Riesz-Transform;feature map

        1007-2780(2015)06-0992-08

        TP394.1

        A doi:10.3788/YJYXS20153006.0992

        盧彥飛(1989-),男,河南駐馬店人,博士研究生,主要從事成像技術、圖像處理與模式識別方面的研究. E-mail:bestluyf@163.com

        2014-12-19;

        2015-01-09.

        國家自然科學基金項目(No.61201117,No.61301042);國家重大科學儀器設備開發(fā)專項(No. 2011YQ040082);國家科技支撐計劃(No.2012BA113B04);江蘇省自然基金項目(No.BK2012189)

        Supported by National Natural Science Foundation of China(No.61201117,No.61301042);National Key Scientific Instrument and Equipment Development Project(No.2011YQ040082);National Key Technology Support Program(No.2012BA113B04);Natural Science Foundation of Jiangsu Province(No.BK2012189)

        ?通信聯系人,E-mail:zhangt@ciomp.ac.cn

        猜你喜歡
        人眼主觀特征
        “美好生活”從主觀愿望到執(zhí)政理念的歷史性提升
        加一點兒主觀感受的調料
        如何表達“特征”
        人眼X光
        快樂語文(2019年9期)2019-06-22 10:00:38
        不忠誠的四個特征
        當代陜西(2019年10期)2019-06-03 10:12:04
        人眼為什么能看到虛像
        刑法主觀解釋論的提倡
        法律方法(2018年2期)2018-07-13 03:22:06
        抓住特征巧觀察
        閃瞎人眼的,還有唇
        優(yōu)雅(2016年12期)2017-02-28 21:32:58
        看人,星光璀璨繚人眼
        電影故事(2016年5期)2016-06-15 20:27:30
        国产成人久久精品激情| 国产精品亚洲精品一区二区| 久久久久成人精品免费播放动漫| 亚洲第一se情网站| 婷婷九月丁香| 婷婷久久久亚洲欧洲日产国码av| 日子2020一区二区免费视频| 一区二区三区四区在线观看视频| 亚洲一区二区日韩精品在线| 蜜桃日本免费看mv免费版| 国产不卡一区二区三区免费视| 一区二区三区四区亚洲综合| 日本视频一区二区三区观看| 樱桃视频影院在线播放| 国产日韩成人内射视频| 国产精品一区二区三密桃| 亚洲中文字幕久久在线| 国产人与zoxxxx另类| 日本免费人成视频播放| 亚洲人成影院在线高清| 99久久精品人妻一区| 久久99国产精品久久99| 国产麻无矿码直接观看| 亚洲国产不卡av一区二区三区| 网站在线观看视频一区二区 | 人妻少妇偷人精品无码| 久草视频国产| 给我播放的视频在线观看| 久久亚洲精品中文字幕| 久久99精品国产99久久6尤物| 91热国内精品永久免费观看| 国产精品一区二区三区在线观看 | 99久久国产综合精品女乱人伦| 在线看亚洲一区二区三区| 久久久噜噜噜久久| 美女视频一区| 日韩精品一级在线视频| 国产狂喷水潮免费网站www| 国语少妇高潮对白在线| 成人国产在线播放自拍| 一区二区三区视频在线观看免费 |