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

        ?

        基于數(shù)碼照片的草地植被蓋度快速提取方法對比

        2018-05-08 06:28:31徐金勤邱新法何永健王丹丹
        江蘇農(nóng)業(yè)學(xué)報 2018年2期
        關(guān)鍵詞:方法

        徐金勤, 邱新法, 丁 肖, 何永健, 王丹丹

        (1.南京信息工程大學(xué)應(yīng)用氣象學(xué)院,江蘇 南京 210044; 2.南京信息工程大學(xué)地理與遙感學(xué)院,江蘇 南京 210044)

        草地植被蓋度是指觀測區(qū)域內(nèi)草的垂直投影面積占總地表面積的百分比[1],它是衡量草地生態(tài)系統(tǒng)及其生長狀況的重要生態(tài)學(xué)參數(shù)和量化指標(biāo)[2-3]。在草原的動態(tài)監(jiān)測和評價中,草地植被蓋度是進(jìn)行草場資源評價、土地荒漠化評估以及合理化放牧的重要參考。

        目前,植被蓋度的估算方法可以概括為2類:遙感估算法和地表實測法[4]。遙感估算法大多應(yīng)用于大尺度植被蓋度的提取和監(jiān)測,常用的方法包括經(jīng)驗?zāi)P头?、植被指?shù)法和亞像元分解法,估算精度相對較低[5]。地表實測方法主要包括點測法、目估法、數(shù)碼照相法、方格法、儀器測量法等,其中,數(shù)碼照相法由于其經(jīng)濟(jì)高效、準(zhǔn)確度高,被國內(nèi)外眾多學(xué)者應(yīng)用于植被蓋度的提取研究[6]。Guijarro等[7]基于數(shù)碼照片和紋理特征,借助于計算機(jī)技術(shù)識別田間雜草。池宏康等[8]利用Photoshop軟件對圖像進(jìn)行處理,分別統(tǒng)計圖像中的植被像元數(shù)量和樣地像元數(shù)量來計算草地植被蓋度。張清平等[9]利用WinCAM顏色分析軟件,通過實驗制定統(tǒng)一的顏色標(biāo)準(zhǔn),利用顏色比對來提取綠色植被并計算植被蓋度。

        利用現(xiàn)有的蓋度計算方法,如監(jiān)督分類、RGB閾值和分類決策樹等方法進(jìn)行室內(nèi)解譯時需要人工干預(yù),存在自動化解算的困難。為此,本研究基于草地照片,設(shè)計一種自動閾值分割算法,對比分析EXG指數(shù)法、H分量法以及a*分量法對于快速提取植被蓋度的效果和適用性。本研究可以實現(xiàn)草地植被蓋度的快速自動解算,為當(dāng)前遙感監(jiān)測業(yè)務(wù)提供很好的補(bǔ)充作用。

        1 研究區(qū)概況與研究方法

        1.1 研究區(qū)概況

        烏拉特中旗(41°07′~41°28′N,107°16′~109°42′E)地處內(nèi)蒙古高原西部,屬于大陸性干旱氣候,四季分明,年平均氣溫5.8 ℃,年均降水量僅198.6 mm,蒸發(fā)量2 347.8 mm。烏拉特中旗草場資源豐富,由于其地處半荒漠地帶,天然草場以荒漠化草原為主體,植被稀疏、低矮。主要植被種類有松葉豬毛藜、泠蒿、芨芨草、石針茅、紅砂、叢生小禾草等,顏色為偏黃綠色。

        1.2 數(shù)據(jù)采集

        2015年9月中下旬,利用多款智能手機(jī)(華為、三星等)沿S311(石哈河—巴音查干—海流圖)和S212(海流圖北—烏拉特中旗)公路進(jìn)行拍照取樣,拍照時保持手機(jī)平面與地面平行,于1米高度處進(jìn)行拍攝,以減少照片周圍幾何變形的誤差。隨機(jī)選取30張采樣照片(圖1)在PhotoShop中用1 000×1 000的像素窗口統(tǒng)一進(jìn)行裁切,選擇裁切后的圖像進(jìn)行后續(xù)處理。

        圖1 烏拉特中旗草地采樣照片合成圖Fig.1 Synthetic map of sampling photos in Wulatezhongqi grassland

        1.3 研究方法

        1.3.1 顏色特征的選取與優(yōu)化 數(shù)碼相機(jī)或智能手機(jī)拍攝的照片,是基于RGB顏色空間進(jìn)行采集和保存的,因此關(guān)于植被蓋度提取方法的研究中大多數(shù)是基于RGB顏色空間。在所有基于RGB顏色空間的植被指數(shù)中,EXG是最為常用的植被指數(shù)[10],該指數(shù)計算公式如下:

        EXG=2g-r-b

        (1)

        其中,

        r=R/(R+G+B);g=G/(R+G+B);b=B/(R+G+B)

        式中,R、G、B分別表示紅、綠、藍(lán)三基色,r、g、b表示歸一化處理之后的R、G、B。

        除了RGB顏色空間外,HIS顏色空間和L*a*b*顏色空間也較為常用。其中,HIS顏色空間是利用色度(Hue)、飽和度(Saturation)和亮度(Intensity)3個參數(shù)來描述顏色,模擬人類視覺系統(tǒng)對色彩的感知方式,其H分量與圖像彩色信息密切相關(guān),因此該顏色空間中的H分量常被用來識別和研究彩色圖像中的目標(biāo)物[11]。L*a*b*顏色空間中,a*分量用來表示由深綠色到粉紅色的顏色變化。因此在彩色圖像中,像素的a*分量值越低,對應(yīng)綠色等級則越高。野外拍攝時易受光照影響,故而拍攝的圖像具有較高的對比度。RGB顏色空間中3個分量之間具有較強(qiáng)的相關(guān)性,亮度的變化會影響R、G、B的取值,而L*a*b*顏色空間3個分量的獨立性較高,能夠有效改善RGB顏色空間的缺點[12-13]。

        為提高計算機(jī)的計算效率,應(yīng)盡量減少浮點型數(shù)據(jù)的運(yùn)算。因此,需要對3種空間的顏色特征進(jìn)行優(yōu)化處理,即將原始結(jié)果拉伸到0~255的灰度空間,具體計算公式如下:

        (2)

        式中,f(x,y)表示某一點的像素值,A(x,y)min、A(x,y)max分別表示整個圖像空間像素元的最小值和最大值。由于H、a*分量會存在奇異值,若直接按照上述公式進(jìn)行拉伸,將會導(dǎo)致圖像的灰度值過度集中在某個區(qū)間范圍內(nèi)。通過多次試驗,確認(rèn)當(dāng)取直方圖累計頻率為1%、99%時,其進(jìn)行拉伸的效果最好。

        1.3.2 自動閾值分割方法 本研究利用最大類間方差法[14]作為閾值分割方法,其基本思想是:被分割的兩部分的類間方差越大,錯分率則越小。基于此方法的自動閾值設(shè)定具體如下:

        設(shè)圖像有L個灰度級,灰度值為i的像素數(shù)表示為ni,則總像素數(shù)N為:

        (4)

        (5)

        選擇灰度t將圖像分割成2個區(qū)域,分別為背景類A(灰度級為1~t),目標(biāo)類B(灰度級為t+1~L-1)。A、B出現(xiàn)的概率分別為:

        (6)

        A、B 2類的灰度均值分別為:

        (7)

        圖像總的灰度均值為:

        (8)

        由此可以得到A、B兩區(qū)域的類間方差:

        (9)

        從1到L-1依次改變t,計算類間方差σ2,其中,使得σ2值最大的t*即為最佳閾值。

        (10)

        1.3.3 圖像分割后處理 為獲取更為準(zhǔn)確的蓋度提取結(jié)果,需要對圖像進(jìn)行后續(xù)處理。數(shù)學(xué)形態(tài)學(xué)[15]是研究數(shù)學(xué)形態(tài)特征和快速并行處理方法的形態(tài)學(xué)理論,其基本運(yùn)算包括開運(yùn)算、閉運(yùn)算、膨脹和腐蝕。

        由圖2可見,開運(yùn)算濾除了圖像中的椒鹽狀噪聲;閉運(yùn)算則通過連接臨近物體,填補(bǔ)圖像中狹隘空隙和小空洞,使物體邊緣更平整。腐蝕與開運(yùn)算均能夠有效去除土壤中的隨機(jī)噪聲點,但當(dāng)植被葉片呈細(xì)針狀時,腐蝕也會去除大量的植被葉片,而開運(yùn)算先腐蝕再膨脹,能夠一定程度上還原腐蝕掉的葉片,效果最佳,因此最終選用3×3窗口的開運(yùn)算進(jìn)行圖像分割后的處理。

        圖2 形態(tài)學(xué)處理圖Fig.2 The figures of morphological processing

        1.3.4 草地植被蓋度的計算 植被蓋度的計算公式如下:

        (11)

        式中,N′和N分別表示植被像元數(shù)量和總像元數(shù)量。

        此外,為了對比分析陰影對蓋度提取的影響,需要進(jìn)行去除陰影操作。具體方法如下:

        首先將每一張照片基于RGB三通道轉(zhuǎn)化為亮度的灰度值圖像,計算公式為:

        亮度=0.299×R+0.587×G+0.114×B

        (12)

        其次,設(shè)置特定閾值x,將圖像中灰度值小于x的像元判別為陰影,反之,大于x的像元則判別為非陰影。參考文獻(xiàn)[16]、[17],并結(jié)合本研究區(qū)的實際情況,將閾值x設(shè)置為45。

        1.3.5 精度評價方法 由于草地植被蓋度的“真實值”難以獲取,因此在進(jìn)行精度評價時往往從圖形統(tǒng)計的角度出發(fā)獲取“真實值”,常用、可靠的方法包括人工勾勒法[8](如Photoshop勾勒、手動勾勒)、針刺法[18]以及樣方圖形法[19]等。由于本研究區(qū)域草地植被顏色多為黃綠色,葉片多以長條形為主,因此人工勾勒方法不能完全滿足研究需求。

        為此本研究設(shè)計了一種精度評價方法,即通過模擬傳統(tǒng)的針測法來獲取植被蓋度的參考值。其基本思想是在一幅圖像中隨機(jī)投放一批點(使用ArcGIS中的Create Random Points工具),則落在植被區(qū)域內(nèi)點的個數(shù)占總點數(shù)的百分比即為蓋度參考值。為了獲取更為準(zhǔn)確的參考值,每次設(shè)置的隨機(jī)點個數(shù)為500,并且每幅圖像進(jìn)行3次測定后取其平均值作為最終的參考值。為檢驗此種植被蓋度“真實值”獲取方法(投點法)的可靠性,選取綠色特征顯著、適用于Photoshop勾勒方法的一些樣片進(jìn)行試驗,發(fā)現(xiàn)投點法與Photoshop勾勒法的提取結(jié)果相當(dāng),因此可以將投點法獲取的蓋度值作為本研究的準(zhǔn)確參考值。

        2 結(jié)果與分析

        2.1 草地蓋度估算結(jié)果對比分析

        由表1可見,EXG指數(shù)法的提取效果最好,其絕對偏差均值和均方根誤差值最小,分別為3.4%和4.2%,平均精度高達(dá)90.6%;a*分量法次之,其絕對偏差均值為4.5%,均方根誤差為6.0%,平均精度為83.9%;H分量法的提取效果最差,其絕對偏差均值為6.8%,均方根誤差較大,為9.1%,平均精度為79.7%。

        表1草地蓋度的估算誤差表

        Table1Estimationerrorofgrasslandvegetationcoverage

        方法絕對偏差(%)均方根誤差(%)平均精確度(%)EXG指數(shù)法3.44.290.6a?分量法4.56.083.9H分量法6.89.179.7

        為了進(jìn)一步比較這3種蓋度估算方法,以隨機(jī)點法獲得的植被蓋度參考值為橫坐標(biāo),以EXG指數(shù)法、a*分量法和H分量法所獲取的蓋度為縱坐標(biāo),分別作散點圖(圖3)。

        由散點分布和決定系數(shù)R2來看,EXG指數(shù)法的散點較為密集地分布在回歸線附近,R2值為0.95,表明EXG指數(shù)法提取的結(jié)果與參考值具有較好的一致性。a*分量法和H分量法這2種方法的散點分布較為離散,R2值相對較低,為0.85,表明這2種方法計算的蓋度值與參考值存在較大差別。

        由回歸線的斜率可見,EXG指數(shù)法和a*分量法的回歸斜率均小于1,表明這2種方法存在低估現(xiàn)象,這主要是由于利用投點法人工目視估算植被蓋度時,可以將照片中的非綠色植被以及部分陰影中的植被區(qū)域識別出來,而EXG指數(shù)法和a*分量法僅能識別出圖像中植被的綠色或黃綠色部位,對于非綠色植被的莖和枝條等未能識別出來。此外,H分量法的回歸斜率大于1,表明該方法存在整體高估現(xiàn)象,這可能是由于H分量法對于圖像中的陰影敏感所致。

        圖3 烏拉特中旗草地植被蓋度計算值與參考值的相關(guān)關(guān)系Fig.3 The correlation between the calculated values and reference values of grassland vegetation coverage in Wulatezhongqi grassland

        2.2 陰影對估算精度的影響分析

        為探究陰影區(qū)域?qū)τ诓煌椒ǖ挠绊懀瑢x取的30幅圖像,參照公式(12)作去除陰影處理,進(jìn)而比對分析去除陰影前后的草地植被蓋度提取效果(表2)。

        表2陰影影響誤差表

        Table2Estimationerroroftheshadoweffect

        方法未去陰影絕對偏差(%)均方根誤差(%)去除陰影絕對偏差(%)均方根誤差(%)EXG指數(shù)法3.44.24.45.3a?分量法4.56.04.96.1H分量法6.89.14.25.3

        由表2可見,去除陰影之后,EXG指數(shù)法的絕對偏差由3.4%增加到4.4%,均方根誤差也呈現(xiàn)增大趨勢,由原來的4.2%增大至5.3%;H分量法的絕對偏差由6.8%降低到4.2%,均方根誤差也隨之顯著降低,由原來的9.1%降低至5.3%;a*分量法,去除陰影前和去除陰影后的絕對偏差和均方根誤差均無明顯變化。

        由圖4可見,去除陰影之后,EXG指數(shù)法的決定系數(shù)R2由未去除陰影時的0.95降低到0.94,回歸線的斜率由0.90下降至0.88;對于H分量法,其決定系數(shù)R2由0.85增加至0.91,回歸線的斜率由1.08下降至1.01;對于a*分量法,其去除陰影前后的變化不大。

        綜上可知,在去除陰影之后,EXG指數(shù)法的估算誤差增大,這主要是由于該方法對陰影區(qū)域中的植被葉片具有一定的識別能力,而在去除陰影的同時部分葉片也被一同去除,故而導(dǎo)致其計算結(jié)果被低估,因此在使用EXG指數(shù)法時不需要考慮去除圖像中的陰影影響。H分量法在去除陰影后,其計算精度會顯著提高,這是因為H分量對圖像中的陰影敏感,陰影區(qū)域的像元R、G、B值較為相近,當(dāng)從RGB彩色空間轉(zhuǎn)換至HIS空間時,H分量值的變異性較大,在提取綠色植被蓋度時也會將陰影區(qū)域一并讀入,因此最終會造成植被蓋度的高估現(xiàn)象。故而,在應(yīng)用H分量法時必須首先去除圖像中的陰影區(qū)域。

        2.3 草地綠度對估算精度的影響分析

        從原理上來講,植被像元的顏色越深則越容易被識別,提取精度也就越高。為探究草地綠度對于不同方法估算精度的影響,分別以綠色草地和黃綠色草地各為一組進(jìn)行比對分析(表3)。

        由表3可見,EXG指數(shù)法對綠色草地的估算精度略高于黃綠色草地,其對綠色草地的估算精度平均為93.4%,而對黃綠色草地的估算精度平均為89.8%;H分量法對綠色草地的估算精度低于EXG指數(shù)法,平均為88.3%,其對黃綠色草地的估算精度相對最低,平均為78.6%;a*分量法對綠色草地的估算效果明顯優(yōu)于黃綠色草地,其中a*分量法對于黃綠色草地蓋度的估算精度平均為80.7%,均方根誤差為6.9%,而對綠色草地的估算精度平均卻高達(dá)91.7%,均方根誤差也降低至4.0%,僅次于EXG指數(shù)法,加之在去除陰影前后,a*分量法對草地蓋度的估算結(jié)果無明顯變化,因此可以判斷造成a*分量方法誤差相對較大的主要原因是草地綠度的影響。此外,無論是對綠色草地還是黃綠色草地,EXG指數(shù)法的估算精度均明顯大于其他2種方法,具有較好的適用性。

        圖4 去除陰影后的草地蓋度計算值與參考值的相關(guān)關(guān)系Fig.4 The correlation between the calculated values and reference values of grassland vegetation coverage after removing the shadow

        表3不同綠度草地的蓋度估算誤差

        Table3Estimationerrorofgrasslandvegetationcoveragefordifferentgreendegrees

        方法綠色草地估算精度(%)均方根誤差(%)黃綠色草地估算精度(%)均方根誤差(%)EXG指數(shù)法93.43.789.83.2a?分量法91.74.080.76.9H分量法88.36.578.68.6

        3 討 論

        本研究基于內(nèi)蒙古烏拉特中旗草地照片,設(shè)計出一種利用自動閾值分割算法快速計算植被蓋度的方法,并基于該方法對比分析了EXG指數(shù)法、H分量法以及a*分量法3種顏色特征方法快速提取草地植被蓋度的效果。在對隨機(jī)選取的30張采樣照片進(jìn)行蓋度計算時,EXG指數(shù)法的估算誤差最小,平均為3.4%,a*分量法次之,平均為4.5%,H分量法的估算誤差最大,平均為6.8%;而在去除陰影之后,EXG方法的平均估算誤差增大至4.4%,a*分量法的估算結(jié)果無明顯變化,H分量法的估算誤差顯著降低至4.2%。對于不同綠度的草地,3種方法對綠色草地的估算效果均明顯優(yōu)于黃綠色草地,其中EXG方法對綠色草地的平均估算精度高達(dá)93.4%,而對黃綠色草地的平均估算精度為89.8%;H分量法對綠色草地的平均估算精度為88.3%,而對黃綠色草地的平均估算精度為78.6%;a*分量法對黃綠色草地的蓋度估算平均精度為80.7%,而對綠色草地的估算精度高達(dá)91.7%,僅次于EXG指數(shù)法。

        總體來看,EXG指數(shù)法能夠有效區(qū)分不同地物背景下的綠色或黃綠色植被,無論是對綠色草地還是黃綠色草地,其估算精度均明顯高于其他2種方法,適用性較好。a*分量法對于綠色草地的估算精度略低于EXG指數(shù)法,造成其估算誤差相對較大的原因主要是受草地綠度的影響。H分量法對陰影敏感,陰影是造成其估算誤差增大的主要原因,因此在應(yīng)用H分量法時必須首先去除圖像中的陰影區(qū)域。

        本研究從圖像識別角度出發(fā),利用自動化圖像閾值分割算法解決了傳統(tǒng)方法中人工設(shè)置分割閾值的問題。而在圖像識別研究中,可使用的特征除顏色外,還包括形狀、紋理等,當(dāng)植被顏色和背景差異不明顯時,僅使用顏色特征具有一定的局限性,因此,在未來的研究中可結(jié)合形狀和紋理特征進(jìn)行草地植被蓋度的自動化提取。

        參考文獻(xiàn):

        [1] 溫慶可,張增祥,劉 斌,等. 草地覆蓋度測算方法研究進(jìn)展[J]. 草業(yè)科學(xué),2009,26(12):30-36.

        [2] 朱敬芳,邢白靈,居為民,等. 內(nèi)蒙古草原植被覆蓋度遙感估算[J]. 植物生態(tài)學(xué)報,2011,35(6):615-622.

        [3] 李 巖,尚士友,王曉娟,等.西烏珠穆沁典型草原植被蓋度空間異質(zhì)性研究[J]. 江蘇農(nóng)業(yè)科學(xué),2017,45(22):283-288.

        [4] 張云霞,李曉兵,陳云浩.草地植被覆蓋度的多尺度遙感與實地測量方法綜述[J].地球科學(xué)進(jìn)展,2003,18(1):85-93.

        [5] 張云霞,張云飛,李曉兵.地面測量與ASTER 影像綜合計算植被蓋度[J].生態(tài)學(xué)報,2007,27(3):964-976.

        [6] 陳祖剛,巴圖娜存,徐芝英,等.基于數(shù)碼相機(jī)的草地植被蓋度測量方法對比研究[J].草業(yè)學(xué)報,2014,23(6):20-27.

        [7] GUIJARRO M,PAJARES G,RIOMOROS I,et al. Automatic segmentation of relevant textures in agricultural images[J]. Computers & Electronics in Agriculture,2011,75(1):75-83.

        [8] 池宏康,周廣勝,許振柱,等. 草地植被蓋度的近距離遙感測定[J]. 草業(yè)學(xué)報,2007,16(2):105-110.

        [9] 張清平,章山山,陳 露,等. 應(yīng)用WinCAM軟件判識分析草坪蓋度[J]. 草業(yè)科學(xué),2010,27(7):13-17.

        [10] VOL N. Color indices for weed identification under various soil,residue,and lighting conditions[J]. Transactions of the Asae,1995,38(1):259-269.

        [11] 毛文華. 基于機(jī)器視覺的田間雜草識別技術(shù)研究[D]. 北京:中國農(nóng)業(yè)大學(xué),2004.

        [12] 任世龍,宜樹華,陳建軍,等.基于不同數(shù)碼相機(jī)和圖像處理方法的高寒草地植被覆蓋度估算的比較[J].草業(yè)科學(xué),2014,31(6):1007-1013.

        [13] 談蓉蓉. 利用顏色和形狀特征的雜草識別方法研究[D]. 鎮(zhèn)江:江蘇大學(xué),2009.

        [14] 付忠良. 圖像閾值選取方法——Otsu方法的推廣[J]. 計算機(jī)應(yīng)用,2000,20(5):37-39.

        [15] 陳 純. 計算機(jī)圖像處理技術(shù)與算法[M]. 北京:清華大學(xué)出版社,2003.

        [16] LALIBERTE A S,RANGO A,HERRICK J E,et al. An object-based image analysis approach for determining fractional cover of senescent and green vegetation with digital plot photography [J]. Journal of Arid Environments,2007,69(1):1-14.

        [17] BAUER T,STRAUSS P. A rule-based image analysis approach for calculating residues and vegetation cover under field conditions[J]. Catena,2014,113(113):363-369.

        [18] 章超斌,李建龍,張 穎,等.基于RGB模式的一種草地蓋度定量快速測定方法研究[J].草業(yè)學(xué)報,2013,22(4):220-226.

        [19] 胡健波,張 璐,黃 偉,等. 基于數(shù)碼照片的草地植被覆蓋度快速提取方法[J]. 草業(yè)科學(xué),2011,28(9):1661-1665.

        猜你喜歡
        方法
        中醫(yī)特有的急救方法
        中老年保健(2021年9期)2021-08-24 03:52:04
        高中數(shù)學(xué)教學(xué)改革的方法
        河北畫報(2021年2期)2021-05-25 02:07:46
        化學(xué)反應(yīng)多變幻 “虛擬”方法幫大忙
        變快的方法
        兒童繪本(2020年5期)2020-04-07 17:46:30
        學(xué)習(xí)方法
        可能是方法不對
        用對方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        最有效的簡單方法
        山東青年(2016年1期)2016-02-28 14:25:23
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        賺錢方法
        久久青青热| 天天躁日日躁aaaaxxxx| 国产亚洲欧美精品久久久| 亚洲人成无码网站久久99热国产| 无码少妇精品一区二区免费动态| 豆国产95在线 | 亚洲| 99RE6在线观看国产精品| 精品国产亚洲一区二区三区四区| 国产极品女主播国产区| 永久免费的av在线电影网无码 | 在教室伦流澡到高潮hgl动漫 | 亚洲日韩欧美一区、二区| 亚洲女人被黑人巨大进入| 热re99久久精品国产66热6| 国产精品一区二区三区av在线| 国产成人无码av| 亚洲色偷偷色噜噜狠狠99| 麻豆变态另类视频在线观看| 精品一区二区三区女同免费| 伊人久久精品亚洲午夜| 亚洲成av人片在线观看ww| 粉嫩极品国产在线观看| 男女视频在线观看一区二区| 美女扒开大腿让男人桶| 午夜精品久久久久久99热| 欧美国产日本高清不卡| 老熟女一区二区免费| 中文字幕丰满人妻被公强| 亚洲av综合av一区二区三区| 国产全肉乱妇杂乱视频| 日韩欧美精品有码在线观看| 黄色影院不卡一区二区| 亚洲欧美日韩成人高清在线一区| 国产成人久久精品二区三区牛| 亚洲黄片av在线免费观看| 无码专区一ⅴa亚洲v天堂 | 天堂av中文在线官网| 无码人妻丰满熟妇区免费| 天美传媒精品1区2区3区| 一区二区三区国产97| 免费的小黄片在线观看视频|