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

        ?

        基于顏色特征碼本的病害圖像分類算法研究

        2018-02-02 07:20:44宋麗娟
        安徽農(nóng)業(yè)科學(xué) 2018年4期
        關(guān)鍵詞:分類特征信息

        宋麗娟

        (寧夏大學(xué)信息工程學(xué)院,寧夏銀川 750021)

        枸杞在寧夏已有悠久的種植歷史。隨著經(jīng)濟(jì)的發(fā)展,枸杞種植、加工、貿(mào)易己成為寧夏農(nóng)林經(jīng)濟(jì)發(fā)展與農(nóng)民增收的重要組成部分,被自治區(qū)政府列為戰(zhàn)略性優(yōu)勢(shì)主導(dǎo)產(chǎn)業(yè),并決定將寧夏建設(shè)成全國乃至全世界枸杞及其制品生產(chǎn)、加工基地。枸杞病害的診斷和防治一直是枸杞生產(chǎn)和管理的主要工作內(nèi)容之一,在枸杞生長季節(jié)的管理中,病害的診斷和防治占工作總量的33%以上。截至2015年底,寧夏回族自治區(qū)枸杞種植面積達(dá)到56 754.5 hm2,占全國枸杞種植面積的45%以上,形成了以中寧為核心,清水河流域和銀川以北為兩翼的區(qū)域布局。枸杞干果總產(chǎn)量達(dá)到8.8萬t,約占全國總產(chǎn)量的55%,年綜合產(chǎn)值超過80億元以上,出口量約占全國出口量的60%以上,出口創(chuàng)匯7 000萬美元以上。中國互聯(lián)網(wǎng)絡(luò)信息中心2015年5月發(fā)布的《農(nóng)村互聯(lián)網(wǎng)發(fā)展?fàn)顩r研究報(bào)告》顯示,截至2014年12月,我國農(nóng)村網(wǎng)民規(guī)模達(dá)到1.78億,我國農(nóng)民以手機(jī)上網(wǎng)為主,2014年寧夏回族自治區(qū)啟動(dòng)“枸杞信息員”項(xiàng)目,農(nóng)業(yè)移動(dòng)信息化成為枸杞產(chǎn)業(yè)管理和發(fā)展的利器[1]。因此,將計(jì)算機(jī)圖像處理、計(jì)算機(jī)模式識(shí)別、移動(dòng)網(wǎng)絡(luò)通信等多種現(xiàn)代通信技術(shù)引入農(nóng)作物病害防治領(lǐng)域,探尋一種靈活、高效、實(shí)時(shí)、準(zhǔn)確的病害識(shí)別和分類方式是切實(shí)可行的[2-5]。

        枸杞及其產(chǎn)業(yè)是寧夏農(nóng)業(yè)的“優(yōu)勢(shì)產(chǎn)業(yè)”“主導(dǎo)產(chǎn)業(yè)”和“支柱產(chǎn)業(yè)”。枸杞產(chǎn)量的高低、質(zhì)量的好壞,雖然與品種、肥料等有密切關(guān)系,但要實(shí)現(xiàn)安全、優(yōu)質(zhì)、高產(chǎn)的目標(biāo),關(guān)鍵在于病害的快速識(shí)別和防治水平。病害是影響枸杞產(chǎn)量、品質(zhì)和市場(chǎng)的重要因素,病害的暴發(fā)會(huì)帶來大規(guī)模的減產(chǎn)、降質(zhì),所以將圖像識(shí)別技術(shù)應(yīng)用于枸杞病害識(shí)別的研究具有重要的意義。在寧夏地區(qū),枸杞病害不同時(shí)期、同一部位的病害病癥多變,客觀上存在很大的識(shí)別、預(yù)警困難,針對(duì)大田環(huán)境、復(fù)雜環(huán)境下的枸杞圖像,枸杞病害圖像的病斑背景的復(fù)雜程度高,枸杞病害葉片與健康枸杞葉片的灰度差異不大,枸杞病害的生理信息機(jī)理決定了病害種類的規(guī)律性和穩(wěn)定性,因此,若要達(dá)到最好的病害分類效果,就需要針對(duì)不同的枸杞病害在不同病理時(shí)期的關(guān)鍵特征(顏色信息)設(shè)置參數(shù),及時(shí)、準(zhǔn)確地檢測(cè)識(shí)別出枸杞病害,才能有效采取防治措施,這將是亟需解決的問題。筆者基于自然圖像的稀疏表示理論在圖像分類中的應(yīng)用,通過建立病害圖像顏色分布與病害類別的映射關(guān)系,構(gòu)建枸杞病害分類和識(shí)別模型。

        1 圖像顏色特征

        顏色特征是人眼視覺敏感的圖像信息,具有對(duì)圖像的旋轉(zhuǎn)、縮放不變性。顏色特征在各種數(shù)字圖像處理系統(tǒng)中經(jīng)常涉及到,在圖像檢索、分類等應(yīng)用與研究中具有重要作用。直方圖是顏色特征的主要表示方式,已被應(yīng)用于許多的圖像檢索、圖像識(shí)別和分類系統(tǒng)中。圖像分類系統(tǒng)雖然也經(jīng)常利用圖像的紋理、形狀等特征,但紋理依賴于圖像的分辨率和所選擇區(qū)域的大小、形狀特征與圖像中的目標(biāo)區(qū)域選擇相關(guān),這兩種特征的具體應(yīng)用往往具有一定的針對(duì)性。Swain等[6]提出了顏色直方圖的較為經(jīng)典的特征比較方法,但由于各個(gè)圖像所得到的顏色特征維數(shù)不一定相同,導(dǎo)致該方法較難應(yīng)用于實(shí)際的圖像分類系統(tǒng);Stricker等[7]提出的累計(jì)直方圖方式有效解決了圖像中噪聲點(diǎn)干擾問題,所表達(dá)圖像的顏色特征魯棒性更強(qiáng)。這些顏色特征表示方法大都以直方圖特征表示為基礎(chǔ),而直方圖是對(duì)圖像中像素顏色頻度的統(tǒng)計(jì),并沒有考慮到像素的空間位置特征,因此不同圖像可能具有相同的顏色統(tǒng)計(jì)特性,參考文獻(xiàn)[8]中的二維直方圖則利用了圖像的顏色和空間信息,但該方法中主觀顏色非均勻量化方法卻會(huì)導(dǎo)致圖像有效顏色信息的丟失。主顏色描述(Domain color descriptor,DCD)則利用圖像中的少數(shù)主要顏色值及其統(tǒng)計(jì)特性對(duì)圖像顏色特征進(jìn)行描述,在已有的研究中已經(jīng)被應(yīng)用于基于底層特征的圖像分類中,并且DCD特征具有數(shù)據(jù)維數(shù)較低的優(yōu)勢(shì),因此選用該方法作為病害圖像的顏色特征描述子,并通過顏色空間的約束模糊聚類方法提取圖像的DCD特征。

        1.1DCD圖像顏色特征圖像的DCD特征定義為[9]:C={pi,ci,vi,s},i=1,2,…,NDCD,其中NDCD表示圖像中主要顏色的種類數(shù),pi表示在圖像中主顏色的頻度,ci表示主顏色,vi表示其他顏色與主顏色ci的方差,s為空間相關(guān)系數(shù),用來表達(dá)圖像中主顏色之間的均勻性。

        由于人的視覺對(duì)亮度的敏感程度遠(yuǎn)高于對(duì)顏色濃淡的敏感程度,為了便于顏色處理和識(shí)別,人的視覺系統(tǒng)經(jīng)常采用HSV顏色空間,它比RGB顏色空間更符合人的視覺特性。HSV顏色空間可以用一個(gè)圓錐空間模型來描述,如圖1所示。

        圖1 HSV顏色空間模型Fig.1 HSV color space model

        (1)

        因?yàn)镠和S都在0~1,cosx與sinx是連續(xù)函數(shù),因此XM和YM的范圍為-1~1。對(duì)于MHSV顏色空間,如果XM、YM、ZM被劃分為LX、LY、LZ等級(jí),則每個(gè)小塊的體積均為1/LXLYLZ,每個(gè)劃分小塊的體積是相同的,從而在MHSV顏色空間的基礎(chǔ)上建立圖像的顏色直方圖更為合理。

        1.2空間約束模糊聚類模糊聚類算法在數(shù)據(jù)空間中進(jìn)行搜索的性能目標(biāo)函數(shù)為:

        (2)

        在該目標(biāo)函數(shù)中,所聚類的模式被看作是互不關(guān)聯(lián)的元素,即聚類模式被視為完全獨(dú)立,并且某一個(gè)模式所在類的位置不會(huì)影響其他模式類的位置,但進(jìn)行圖像的主顏色提取時(shí),對(duì)于2個(gè)距離很近的像素或區(qū)域,從它們的類屬度來看,可以期望它們是潛在聯(lián)系在一起的,也就是說類的位置是潛在相似的?;诖?,將圖像像素關(guān)于空間的信息融合到目標(biāo)函數(shù)中,構(gòu)成新的目標(biāo)函數(shù)[10]:

        (3)

        在上述目標(biāo)函數(shù)中,權(quán)值β≥0用于表示領(lǐng)域關(guān)系視為同一模式之間的差別,領(lǐng)域Ω被看作是相似的模式對(duì),一般可以假設(shè)領(lǐng)域函數(shù)具有二值特征:

        利用拉格朗日乘子法,對(duì)于被聚類的元素xt,得到目標(biāo)函數(shù):

        (4)

        式中,dij=‖xj-vi‖。

        (5)

        (6)

        1.3DCD特征計(jì)算利用“1.2”的空間約束模糊聚類方法,進(jìn)行圖像顏色的模糊聚類處理,計(jì)算圖像的代表色特征。根據(jù)參考文獻(xiàn)[9],主顏色數(shù)量設(shè)定為8較為合適,即進(jìn)行模糊聚類處理時(shí)聚類類別設(shè)為8類,設(shè)定加權(quán)指數(shù)m=2,利用公式(5)、(6)迭代進(jìn)行聚類處理,因?yàn)閳D像的主要顏色可能少于8類,為避免因人為指定的類別數(shù)而造成圖像中相近顏色的過細(xì)劃分,在進(jìn)行聚類處理后,將所得到的8種代表色進(jìn)行最小誤差合并處理,利用最終合并結(jié)果進(jìn)行主顏色特征計(jì)算。具體算法如下:

        (1)初始化聚類類別數(shù)C,加權(quán)指數(shù)m,設(shè)定迭代停止閾值ε>0,以及算法的最多迭代次數(shù);

        (2)根據(jù)公式(5)和(6)進(jìn)行迭代計(jì)算,得到模糊劃分矩陣U;

        (3)對(duì)劃分矩陣U去模糊化,得到原圖像的初始8個(gè)聚類類別C1,C2,C3,…,C8;

        (4)計(jì)算上述劃分結(jié)果中,每類的代表色ci,i=1,2,…,8,其中:

        (7)

        (5)對(duì)步驟(4)的結(jié)果進(jìn)行最小誤差合并處理。由公式(7)計(jì)算所得代表顏色ci,cj(i≠j,i,j=1,2,…,8)。若dist(ci,cj)=‖ci-cj‖≤dertc,則將ci,cj所代表的類別合并處理。

        (6)根據(jù)類別合并處理結(jié)果,計(jì)算圖像的最終代表顏色特征:C={pi,ci,vi,s},i=1,2,…,C≤8,其中:

        (8)

        表1列舉了病害圖像經(jīng)過HSV顏色空間中的約束模糊聚類處理后結(jié)果,經(jīng)過處理后圖像中部分對(duì)視覺效果影響較少的少數(shù)顏色被合并,整幅圖像顏色數(shù)減少為8種,根據(jù)這8種主要顏色的DCD分布,圖像所表達(dá)的場(chǎng)景含義以及整體視覺效果并沒有受到太大影響。

        表1 病害圖像的DCD分布

        1.4病害圖像的顏色特征碼本針對(duì)寧夏枸杞種植和病害特征的實(shí)際情況,采用圖像處理技術(shù)和模式識(shí)別技術(shù)快速、有效地進(jìn)行枸杞病害診斷、識(shí)別和分類。將枸杞的葉部病害圖像分類后得到了“白粉病”“灰斑病”“炭疽病”和“癭螨病”4類枸杞病害。當(dāng)將同類圖像放在一塊時(shí),顏色視覺效果也呈現(xiàn)出了各自的一些特點(diǎn),對(duì)病害圖像的顏色特征進(jìn)行分析,得到病害圖像對(duì)應(yīng)類別的特征碼本,利用稀疏表示理論建立病害圖像顏色特征分布與病害語義之間的映射關(guān)系。

        利用病害樣本圖像,建立枸杞白粉病、枸杞灰斑病、枸杞炭疽病、枸杞癭螨病4類病害圖像的信息碼本,碼本中既包括該類圖像的一些主要特征與其分布規(guī)律,又包括該特征對(duì)某一類病害類別信息的影響因子。因此,利用上述樣本建立“白粉病”“灰斑病”“炭疽病”和“癭螨病”4類病害圖像的顏色信息碼本,碼本中包括該類圖像的一些代表性顏色與其分布規(guī)律。構(gòu)建碼本的具體方法如下:

        (9)

        (10)

        (11)

        按照上述方法,得到每種病害樣本圖像的顏色特征字典,如圖2所示。

        圖2 病害圖像的顏色特征碼本Fig.2 Color feature codebook of disease images

        2 病害圖像分類算法

        病害圖像的顏色分布有一定的規(guī)律性,與所建立的病害圖像樣本集中的顏色分布規(guī)律應(yīng)該具有一定的相似特征。因此,可以尋找新病害圖像顏色空間分布與樣本集病害圖像顏色空間分布的關(guān)系,在待分類病害圖像與樣本圖像之間建立合理的映射關(guān)系,利用映射結(jié)果,進(jìn)行新病害圖像的病害類別判斷。

        由于圖像信號(hào)對(duì)于一些固定的基元信號(hào)而言具有天然的稀疏性,因此稀疏表示在圖像分類等方面得到了很好應(yīng)用,而且一系列有效的凸優(yōu)化貪婪算法可以被有效應(yīng)用于信號(hào)稀疏表達(dá)的計(jì)算[11-12]。借鑒信號(hào)稀疏表示的思想與方法,對(duì)病害顏色信息碼本進(jìn)行訓(xùn)練[13],得到病害圖像顏色信息字典:

        D=[D1,D2,…,DN]

        式中,Di=[(di,1,ρi,1),(di,2,ρi,2),…,(di,Mi,ρi,Mi)],(di,j,ρi,j)為第i類病害顏色碼本的第j個(gè)基本元素,j=1,2,…,Mi。

        對(duì)于待分類圖像Dnew,尋找在Dnew在D中的稀疏表達(dá)形式:

        如果Dnew中的顏色信息符合第i類病害圖像顏色的基本規(guī)律,那么Dnew的顏色可以主要由Di中的基本元素組合得到,因此求解以下問題:

        對(duì)于枸杞葉部的某幅圖像而言,可能包含多樣的病害類別,但對(duì)于由顏色所傳達(dá)的病害信息,會(huì)被圖像中數(shù)量較多的一些顏色決定,并且同一病害顏色系列中不同顏色所傳達(dá)的病害信息強(qiáng)弱也有所區(qū)別,因此當(dāng)獲得Dnew的稀疏表示α后,結(jié)合上述因素對(duì)圖像可能傳遞的病害信息進(jìn)行分析,最終決定圖像顏色所表達(dá)的病害類別。具體算法如下:

        (1)對(duì)于新病害圖像Dnew,執(zhí)行“1.3”部分的算法,獲得圖像主顏色Cnew,用Cnew代表圖像Dnew;

        (2)計(jì)算Cnew在顏色信息碼本D中的稀疏表達(dá)αnew;

        (3)按照公式Ck′=Dkαk,計(jì)算Ck′;

        3 試驗(yàn)結(jié)果與分析

        當(dāng)農(nóng)戶或采摘者看到某一病害枸杞植株時(shí),可以用智能手機(jī)、數(shù)碼相機(jī)或田間攝像頭拍攝一幅或幾幅該枸杞植株的病害照片,并將這些圖片提交給枸杞病害識(shí)別系統(tǒng),系統(tǒng)可以根據(jù)提交的病害照片識(shí)別出此類病害的名稱、防治措施和危害程度等相關(guān)信息。

        枸杞病害圖像主要是通過實(shí)驗(yàn)室采集、數(shù)碼相機(jī)、智能手機(jī)和田間攝像頭拍攝等多種方式采集枸杞葉片部位的不同病害的照片,以及結(jié)合互聯(lián)網(wǎng)上的枸杞圖像,建立了較大規(guī)模地區(qū)性的枸杞葉部病害圖像數(shù)據(jù)庫。

        測(cè)試試驗(yàn)中,利用枸杞病害圖像生成病害信息顏色碼本,按照該研究采用的方法對(duì)病害圖像進(jìn)行識(shí)別,共收集圖像2 100幅,經(jīng)過分類評(píng)估試驗(yàn),分別標(biāo)注了725幅白粉病圖像、520幅灰斑病圖像、365幅炭疽病圖像、290幅癭螨病圖像和200幅無病害(健康)圖像。對(duì)標(biāo)注結(jié)果進(jìn)行主觀評(píng)價(jià)后發(fā)現(xiàn),725幅白粉病類病害圖像中,553幅圖像被識(shí)別為白粉病,主觀評(píng)價(jià)正確率為76.38%;520幅灰斑病圖像中372幅被識(shí)別為 “灰斑病”類病害,主觀評(píng)價(jià)正確率為71.56%;365幅炭疽病圖像中有243幅被識(shí)別為“炭疽病”類病害,主觀評(píng)價(jià)正確率為66.82%;290幅癭螨病圖像中有177幅被識(shí)別為“癭螨病”類病害,主觀評(píng)價(jià)正確率為61.33%。

        在對(duì)所建立的病害圖像數(shù)據(jù)進(jìn)行測(cè)試時(shí),按2∶1的比例對(duì)所有病害樣本圖像劃分為訓(xùn)練圖像集和測(cè)試圖像集,隨機(jī)選擇樣本集中每類別中2/3的樣本圖像作為訓(xùn)練圖像集,其余1/3作為測(cè)試圖像集。根據(jù)前文所述內(nèi)容,利用空間約束模糊聚類提取訓(xùn)練集圖像的顏色特征信息,建立各類別病害圖像的顏色信息碼本,連接構(gòu)成病害圖像集的顏色信息編碼字典,利用第3節(jié)的圖像病害類別劃分算法,對(duì)測(cè)試集圖像進(jìn)行病害分類測(cè)試。在測(cè)試過程中,對(duì)于稀疏表達(dá)時(shí)的字典大小K,不同值對(duì)最終信號(hào)正確表達(dá)的能力不同,因此該研究測(cè)試了不同大小的字典下本文所提出的分類方法的性能,性能標(biāo)準(zhǔn)被定義為誤分率,交叉試驗(yàn)3次,測(cè)試結(jié)果見表2。

        通過測(cè)試結(jié)果,當(dāng)所訓(xùn)練的顏色信息碼本大小在400以下時(shí),系統(tǒng)的分類識(shí)別率誤差較大;當(dāng)在顏色信息碼本長度在600以上,系統(tǒng)的分類識(shí)別率在70%以上;當(dāng)在顏色信息碼本長度超過900時(shí),系統(tǒng)的分類性能趨于穩(wěn)定,其中“白粉病”類病害圖像誤識(shí)率為12%,“灰斑病”類病害圖像誤識(shí)率為13%,“炭疽病”類病害圖像誤識(shí)率達(dá)到36%,而“癭螨病”類病害圖像誤識(shí)率達(dá)到39%。上述結(jié)果也表明,病害圖像的病害類別與圖像的顏色分布有關(guān),特別是病害程度較為強(qiáng)烈的病害,例如“白粉病”“灰斑病”“炭疽病”和“癭螨病”類病害,它們與顏色之間的關(guān)系更為緊密。因此,對(duì)于自然圖像所傳遞的顏色信息,不同田間場(chǎng)景下、植株背景下的顏色所能起到的作用大小不盡相同。

        表2 不同字典大小病害圖像分類識(shí)別性能比較

        4 小結(jié)與展望

        該研究針對(duì)寧夏枸杞種植和枸杞病害特征的實(shí)際情況,采用圖像處理技術(shù)和稀疏表示方法快速、有效地進(jìn)行枸杞病害圖像的分類[14]。首先對(duì)病害圖像的病害類別進(jìn)行劃分,根據(jù)評(píng)估實(shí)驗(yàn)建立“白粉病”“灰斑病”“炭疽病”和“癭螨病”4種病害類別的圖像樣本集,然后對(duì)樣本集各類別圖像的顏色特征進(jìn)行分析,建立其對(duì)應(yīng)病害類別的顏色特征碼本,利用信息稀疏表達(dá)理論的相關(guān)方法建立病害圖像類別與顏色特征之間的映射關(guān)系。試驗(yàn)結(jié)果表明,該方法對(duì)病害圖像顏色信息所傳達(dá)的信息具有一定的解釋能力,具有較低的誤分率和較高的準(zhǔn)確度。

        [1] CNNIC.2014年農(nóng)村互聯(lián)網(wǎng)發(fā)展?fàn)顩r研究報(bào)告[R/OL].(2015-06-17)[2017-11-17].http://www.cnnic.cn/hlwfzyj/hlwxzbg/ncbg/201506/t20150617_52423.htm.

        [2] 籍延寶.農(nóng)業(yè)主要病蟲害監(jiān)測(cè)預(yù)警系統(tǒng)通用平臺(tái)的開發(fā)及初步應(yīng)用[D].北京:中國農(nóng)業(yè)大學(xué),2014.

        [3] 胡秋霞.基于圖像分析的植物葉部病害識(shí)別方法研究[D].楊凌:西北農(nóng)林科技大學(xué),2013.

        [4] BLASCO J,ALEIXOS N,MOLTE.Machine vision system for automatic quality grading of fruit[J].Biosystems engineering,2003,85(4):415-423.

        [5] 汪京京,張武,劉連忠,等.農(nóng)作物病蟲害圖像識(shí)別技術(shù)的研究綜述[J].計(jì)算機(jī)工程與科學(xué),2014,36(7):1363-1370.

        [6] SWAIN M J,BALLARD D H.Color indexing[J].Int J Compute Vision,1991,7:11-32.

        [7] STRICKER M A,ORENGO M.Similarity of color images[C]//Proceedings of SPIE.San Jose,CA,USA:The International Society for Optical Engineering,1995:381-392.

        [8] MIN R,CHENG H D.Effective image retrieval using dominant color descriptor and fuzzy support vector maching [J].Pattern recognition,2009,42(1):147-157.

        [9] MANJUNATH B S,SALEMBIER P,SIKORA T.Introducton to MPEG-7:Multimedia Content Description Interface [M].Wiley:Chichester,2002.

        [10] 呂澤華,金海,袁平鵬,等.基于Gauss分布函數(shù)的區(qū)間值數(shù)據(jù)的模糊聚類算法[J].電子學(xué)報(bào),2010,38(2):295-300.

        [11] GAO S,TSANG I W H,CHIA L T,et al.Local features are not lonely-laplacian sparse coding for image classification[C].San Francisco,CA,USA:IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2010:3555-3561.

        [12] HSIAO J K,KANG L W,CHANG C L,et al.Learning sparse representation for leaf image recognition[C].Taiwan:IEEE International Conference on Consumer Electronics,2014:209-210.

        [13] 徐健,常志國.基于聚類的自適應(yīng)圖像稀疏表示算法及其應(yīng)用[J].光子學(xué)報(bào),2011,40(2):316-320.

        [14] HUANG S,YANG Y,YANG D,et al.Class specific sparse representation for classification[J].Signal processing,2015,116:38-42.

        猜你喜歡
        分類特征信息
        分類算一算
        如何表達(dá)“特征”
        不忠誠的四個(gè)特征
        分類討論求坐標(biāo)
        數(shù)據(jù)分析中的分類討論
        教你一招:數(shù)的分類
        抓住特征巧觀察
        訂閱信息
        中華手工(2017年2期)2017-06-06 23:00:31
        展會(huì)信息
        線性代數(shù)的應(yīng)用特征
        河南科技(2014年23期)2014-02-27 14:19:15
        一本色道久久亚洲精品| 亚洲国产A∨无码影院| 大伊香蕉精品视频一区| 少妇深夜吞精一区二区| 亚洲熟妇av一区二区三区| 国产美女在线精品免费观看| 国产精品三级在线观看| 国产91九色视频在线播放| 极品一区二区在线视频观看| gv天堂gv无码男同在线观看| 国产在线观看入口| 激情乱码一区二区三区| 91久久精品国产综合另类专区| 人妻久久久一区二区三区| 手机看片1024精品国产| 午夜精品一区二区久久做老熟女| 九一免费一区二区三区偷拍视频| 国产精品欧美一区二区三区| 国产精品女视频一区二区| 日本熟妇裸体视频在线| 亚洲国产精品综合久久网络| 国产精品高潮呻吟av久久4虎| 啪啪网站免费观看| 日本一区二区不卡在线| 国产福利视频在线观看| 亚洲国产福利精品一区二区| 一区二区三区国产大片| 国产香港明星裸体xxxx视频| 欧美人与动人物牲交免费观看| 涩涩国产在线不卡无码| 噜噜中文字幕一区二区| 久久久久人妻精品一区蜜桃| 久久久国产精品福利免费| 久久久人妻精品一区bav| 97精品久久久久中文字幕 | 国产超碰人人爽人人做人人添| 9999毛片免费看| av高清视频在线麻豆免费观看| 日韩av高清在线观看| 东北无码熟妇人妻AV在线| 熟女丝袜美腿亚洲一区二区三区|