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

        ?

        基于散射模型的水下渾濁圖像增強(qiáng)方法

        2021-09-08 01:03:52張偉高賽博李子軒宮鵬伍文華哈爾濱工程大學(xué)水下機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室黑龍江哈爾濱150001
        關(guān)鍵詞:景深透射率圖像增強(qiáng)

        張偉, 高賽博, 李子軒, 宮鵬, 伍文華 (哈爾濱工程大學(xué) 水下機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室,黑龍江 哈爾濱 150001)

        近年來,水下無人航行器技術(shù)發(fā)展迅速,應(yīng)用于海底環(huán)境監(jiān)測(cè)、海底地形探測(cè)、水下管道檢查等領(lǐng)域,這些海洋探索依賴于先進(jìn)的水下探測(cè)技術(shù),其中水下圖像處理是其中重要的一部分,但水下的浮游生物、可見顆粒物等物質(zhì)會(huì)對(duì)太陽光有吸收和散射作用[1],針對(duì)不同波長的太陽光水的吸收程度不同,其中水對(duì)紅色光的吸收作用最強(qiáng),水下圖像多呈藍(lán)綠色調(diào),與陸地上的圖像相比水下圖像會(huì)存在顏色畸變、對(duì)比度低、噪聲大等問題,因此水下圖像增強(qiáng)對(duì)于水下圖像的信息恢復(fù)、質(zhì)量提升有重要意義[2]。水下圖像增強(qiáng)技術(shù)分為基于物理模型的方法和基于非物理模型的方法2種[3],基于非物理模型的方法不考慮水下圖像退化的物理過程,經(jīng)典方法是基于Retinex的增強(qiáng)方法[4],融合對(duì)比度和顏色校正的方法[5],這類方法通常是直接改變像素值,容易發(fā)生過度校正和過飽和。基于物理模型的方法對(duì)水下成像過程建模,文獻(xiàn)[6]利用水下圖像的散射模型對(duì)水下圖像增強(qiáng),因其需要對(duì)背景光預(yù)先標(biāo)定而不適用于背景光變化的水下場(chǎng)景。He等[7]提出的針對(duì)空氣中有霧圖像的暗通道去霧方法(dark channel prior,DCP)可應(yīng)用于水下圖像,但由于水下光的散射和吸收傳統(tǒng)暗通道方法作用不明顯。謝昊伶等[8]利用波長和散射系數(shù)的關(guān)系分別估計(jì)了三通道的透射率,通過導(dǎo)向?yàn)V波細(xì)化透射率,但該方法需獲得相機(jī)的拍攝深度,限制了其實(shí)際應(yīng)用。湯忠強(qiáng)等[9]改進(jìn)了DCP方法,通過亮暗通道的視差估計(jì)背景光和透射率。以上均是基于物理模型的方法,在先驗(yàn)信息的基礎(chǔ)上估計(jì)模型參數(shù),反向計(jì)算出未退化的水下圖像。在圖像去霧中,He等[7]提出了暗通道先驗(yàn)構(gòu)建透射率的方法;Park等[10]提出利用熵信息和保真率結(jié)合的方式構(gòu)建霧天透射率;Zhu等[11]提出利用亮度和飽和度之差構(gòu)建透射率。

        借鑒霧天圖像增強(qiáng)的分析方法,本文對(duì)水下渾濁圖像直接進(jìn)行分析??紤]物理模型法增強(qiáng)圖像會(huì)獲得更好的效果,同時(shí)減少模型參數(shù)估計(jì)帶來的復(fù)雜程度,本文對(duì)水下渾濁圖像直接進(jìn)行分析??紤]物理模型法增強(qiáng)圖像會(huì)獲得更好的效果,同時(shí)減少模型參數(shù)估計(jì)帶來的復(fù)雜程度,本文提出的水下圖像增強(qiáng)方法僅通過單幅圖像,不需要模型先驗(yàn)參數(shù)就能實(shí)現(xiàn)水下渾濁圖像的自適應(yīng)增強(qiáng),以恢復(fù)水下圖像損失的細(xì)節(jié),實(shí)現(xiàn)水下渾濁圖像清晰化。

        1 水下視覺成像模型建立

        水下圖像受光照不足、亮度不均、水體的散射和吸收、懸浮顆粒物等因素的影響損失了很多信息,針對(duì)水下的特殊環(huán)境,Jaffe-McGlamery定義的水下光傳播經(jīng)典模型[12],到達(dá)相機(jī)的光是前向散射、后向散射和直接光三部分的線性疊加,前向散射是水下物體的反射光又經(jīng)散射的光,后向散射是環(huán)境光被水中的顆粒、生物等散射后進(jìn)入相機(jī)的光,直接光是相機(jī)直接接受到的光。在距離較短時(shí)可以忽略前向散射,用直接光和后向散射近似描述到達(dá)相機(jī)的總光:

        An(x,λ)=A∞(λ)(1-e-α(λ)x)

        (1)

        式中:x為光傳播距離;A∞(λ)為背景光;λ為波長;α(λ)為由于吸收和散射的總的衰減系數(shù)。場(chǎng)景直接光散射Ad(x,λ)可以表示為:

        Ad(x,λ)=J0(λ)e-α(λ)x

        (2)

        式中:x表示傳播的距離;λ表示波長;為由于吸收和散射的總的衰減系數(shù);J0(λ)是未被水下環(huán)境衰減的光,就是需要被恢復(fù)的清晰圖像。水下攝像機(jī)成像模型為:

        I=Ad(x,λ)+An(x,λ)=J0(λ)e-α(λ)x+

        A∞(λ)(1-e-α(λ)x)

        (3)

        近距離下,認(rèn)為水對(duì)光的吸收和散射作用相同,將α視為常數(shù),忽略波長的影響,水下成像模型為:

        I=J0e-αx+A∞(1-e-αx)=J0t(x)+A∞(1-t(x))

        (4)

        式中t(x)為透射率。將等式兩邊對(duì)距離x求導(dǎo),可得:

        (5)

        當(dāng)背景光大于自然光,光強(qiáng)隨距離增加而減小且衰減速度越來越慢,當(dāng)背景光小于自然光,光強(qiáng)隨距離增加而增加且增加速度越來越慢,符合人眼觀察到的水下圖像景深越深場(chǎng)景越模糊大的特點(diǎn)。

        2 圖像增強(qiáng)算法設(shè)計(jì)

        依據(jù)式(4),進(jìn)行移項(xiàng)可得水下圖像復(fù)原公式:

        (6)

        式中:A∞為背景光;t(x)為透射率。式(6)可以得到增強(qiáng)后的水下場(chǎng)景清晰圖像。隨著相機(jī)離物體距離的增加,觀察到的信息越少,圖像越模糊,通過一些評(píng)價(jià)指標(biāo)如熵、平均梯度、逼真度等可以量化水下圖像的信息。

        2.1 背景光估計(jì)

        文獻(xiàn)[7-9]將傳統(tǒng)的暗通道先驗(yàn)去霧方法改進(jìn)后估計(jì)水下圖像背景光用于水下圖像復(fù)原,但暗通道先驗(yàn)去霧方法是基于一種統(tǒng)計(jì)規(guī)律,水下圖像的統(tǒng)計(jì)規(guī)律和空氣中圖像有差異。本文針對(duì)水下圖像的特性對(duì)背景光的大小進(jìn)行分析,利用水下圖像的局部區(qū)域熵信息估計(jì)背景光。

        通過式(5)和前文的分析,水下物體模糊的一部分原因?yàn)榫吧畹脑黾?,景深增加帶來了更?yán)重的吸收、散射、顏色畸變等問題,背景光的區(qū)域景深最大因而信息也最少,視覺上看起來是最模糊的,用熵來衡量水下圖像的信息,局部區(qū)域信息熵越大證明信息越多。后向散射帶來的水下圖像的模糊主要是因?yàn)榫嚯x遠(yuǎn)的物體在光的傳播過程中造成了熵大的衰減,用熵描述景深為:

        (7)

        式中P(i)某個(gè)灰度在該圖像中出現(xiàn)的概率,可由灰度直方圖計(jì)算。

        對(duì)圖2的背景光進(jìn)行估計(jì),在計(jì)算信息熵前先將圖像分成互不重疊的小塊,局部區(qū)域塊的大小會(huì)影響最后的估計(jì)結(jié)果。本文選取4組不同的局部區(qū)域塊尺寸(5×5,20×20,35×35,50×50),按區(qū)域塊統(tǒng)計(jì)熵,不同尺寸區(qū)域塊的熵統(tǒng)計(jì)圖如圖3所示。

        圖2 水下原始圖像Fig.2 Underwater original image

        圖3 不同尺寸熵統(tǒng)計(jì)結(jié)果Fig.3 Entropy statistical results of different block sizes

        根據(jù)圖3的熵統(tǒng)計(jì)結(jié)果可知,水下圖像不同區(qū)域塊信息熵的大小隨景深而變化,熵和光在水下的吸收和散射程度密切相關(guān)。觀察4種分塊尺寸的熵值圖,分塊大小為50×50的熵值圖較模糊,由于分塊過大已經(jīng)不能完整地描述景深,局部區(qū)塊大小為5×5的熵統(tǒng)計(jì)圖因?yàn)閰^(qū)塊選取過小又弱化了水下散射和熵值的相關(guān)性,使相同景深下物體的不同細(xì)節(jié)熵值有較大差異(例如潛水員衣服上的細(xì)節(jié)),故局部區(qū)域塊尺寸為20×20,35×35能較好地描述景深,綜合對(duì)景深的細(xì)化處理和算法的快速性,本文選取的局部區(qū)域塊大小為35×35。

        利用局部區(qū)域塊大小為35×35的熵值圖估計(jì)背景光,參照熵對(duì)水下信息的表述能力,熵值越大代表圖像的信息越多,景深越小,而背景光區(qū)域出現(xiàn)在景深較大處,相對(duì)于整幅圖像熵值最低,因此選取熵值較低的20%的區(qū)域作為估計(jì)背景光的候選區(qū)域,在候選區(qū)域中選擇出現(xiàn)頻率最高的灰度作為水下圖像的背景光,這樣就能在候選區(qū)域中降低誤判的可能性,提高背景光估計(jì)的準(zhǔn)確性。

        具有較低強(qiáng)度的前20%的熵統(tǒng)計(jì)圖如圖4所示,原圖中此區(qū)域?yàn)樗w背景,由此可以看出本方法估計(jì)背景光較為合理,背景光候選區(qū)域的灰度直方圖如圖5所示,選取出現(xiàn)頻率最高的灰度值作為背景光,數(shù)值為122。

        圖4 具有較低強(qiáng)度的前20%熵的統(tǒng)計(jì)量Fig.4 Statistics of the first 20% entropy with higher intensity

        圖5 具有較低強(qiáng)度的前20%熵的直方圖統(tǒng)計(jì)Fig.5 Histogram statistics of the first 20% entropy with higher intensity

        2.2 透射率估計(jì)

        假設(shè)水下圖像局部區(qū)域透射率連續(xù)不變且水下圖像的真實(shí)場(chǎng)景與透射率無關(guān),為準(zhǔn)確估計(jì)水下圖像的局部透射率,本文根據(jù)圖像的平均梯度和圖像的逼真度提出了一個(gè)代價(jià)函數(shù)。圖像的局部區(qū)域清晰度可以用梯度衡量,具有最大平均梯度的局部區(qū)域?qū)?yīng)局部最佳透射率,衡量圖像的平均梯度的代價(jià)函數(shù)為:

        (8)

        由式(6)復(fù)原后的清晰圖像可能會(huì)出現(xiàn)失真的像素,即像素值大于255或小于0,在計(jì)算平均梯度之前通過閾值處理先去除掉一些失真像素,當(dāng)像素大于255時(shí)上界取255,當(dāng)像素小于0時(shí)取下界0。逼真度為:

        (9)

        (10)

        式中:δ(p)表示在透射率為r時(shí)當(dāng)前區(qū)域塊內(nèi)沒有失真的像素占總像素的比例。δ(p)越小圖像的逼真度越低,δ(p)越大失真像素比例越小,圖像的逼真度越高,圖像增強(qiáng)的效果越好。因此需最大化代價(jià)函數(shù)以獲得好的圖像增強(qiáng)效果。綜合水下圖像清晰度和逼真度兩方面,計(jì)算透射率的代價(jià)函數(shù)為:

        ffinal(r)=fgradient(r)·ffidelity(r)

        (11)

        計(jì)算該代價(jià)函數(shù)的最大值可計(jì)算出最佳透射率,透射率為:

        r=argmax(ffinal(r))

        (12)

        如圖6所示,圖中顯示了ffidelity(r)、fgradient(r)和ffinal(r)的結(jié)果,最佳透射率為最大化ffinal(r)所對(duì)應(yīng)的結(jié)果,透射率為0.48。

        圖6 最優(yōu)透射率計(jì)算函數(shù)Fig.6 The graph of the function for calculating the optimal transmission

        2.3 細(xì)化透射率

        通過計(jì)算可以得到局部區(qū)域的透射率,由于透射率是分塊計(jì)算的,所以在區(qū)塊的連接處透射率圖不夠連續(xù),恢復(fù)出的水下圖像在塊的連接處也會(huì)出現(xiàn)塊效應(yīng),因此需要減弱透射圖區(qū)塊邊緣的影響,利用改進(jìn)的最改進(jìn)加權(quán)最小二乘的保邊濾波算法細(xì)化透射圖。未改進(jìn)的最小二乘保邊濾波算法為[12]:

        (13)

        (14)

        式中:wx(g)為原圖像經(jīng)高斯濾波后x方向梯度值;wy(g)為原圖像經(jīng)高斯濾波后y方向梯度值。改進(jìn)后的最小二乘保邊濾波算法可通過增大λ平滑透射圖的區(qū)塊邊緣,同時(shí)也能起到增強(qiáng)原圖邊緣細(xì)節(jié)的作用,但λ過大也會(huì)削弱不同局部塊之間透射率的差異,需在合理范圍內(nèi)。

        改進(jìn)后的最小二乘保邊濾波算法細(xì)化前后的透射圖如圖7所示,從圖中可以看出未處理前的透射圖局部區(qū)塊連接處不夠平滑,細(xì)化后的透射圖局部區(qū)塊間平滑過渡,物體的邊界也被增強(qiáng)。

        圖7 細(xì)化前后的透射圖像Fig.7 Transmission image before and after refining

        2.4 圖像復(fù)原自適應(yīng)調(diào)節(jié)

        通過2.3節(jié)方法計(jì)算出背景光和透射率可以用于圖像增強(qiáng),但在進(jìn)行透射率計(jì)算時(shí)設(shè)計(jì)的代價(jià)函數(shù)權(quán)衡了圖像細(xì)節(jié)和圖像失真,仍然存在一些失真的像素,為解決此問題設(shè)計(jì)自適應(yīng)調(diào)節(jié)因子μ,經(jīng)式(6)計(jì)算出增強(qiáng)后的圖像為J0,統(tǒng)計(jì)增強(qiáng)圖像中相對(duì)于原始圖像像素的失真比μ,設(shè)計(jì)新的圖像復(fù)原為:

        (15)

        式中:A∞為背景光;t(x)為透射率;μ是原始像素失真比。

        該自適應(yīng)調(diào)節(jié)方法可以減少圖像復(fù)原后部分像素的失真情況。算法總體流程如圖8。

        圖8 算法整體流程Fig.8 Algorithm overall flow chart

        3 圖像增強(qiáng)算法實(shí)驗(yàn)結(jié)果

        為了驗(yàn)證本文所提算法的有效性,本為選取水下灰度圖像作為測(cè)試圖像,按照本文方法進(jìn)行圖像增強(qiáng),計(jì)算客觀評(píng)價(jià)指標(biāo)驗(yàn)證所提算法的有效性,并與傳統(tǒng)暗通道先驗(yàn)去霧算法和文獻(xiàn)[6]所提方法進(jìn)行比較。

        3.1 客觀評(píng)價(jià)指標(biāo)

        圖像的客觀評(píng)價(jià)方法主要有2種,一種是全參考,一種是無參考,本文采用全參考評(píng)價(jià),可視化邊角比率[13]。可視化邊角比率是增強(qiáng)圖像中恢復(fù)的可見邊與原始圖像中可見邊的比率,對(duì)于水下的圖像,由于光的吸收和散射效應(yīng)等問題而丟失了一些可見邊,采用這個(gè)度量可以衡量給定圖像增強(qiáng)方法所帶來的可見邊數(shù)量以及圖像細(xì)節(jié)的改變,僅僅計(jì)算增強(qiáng)圖像的可見邊并不能反映算法的有效性,系數(shù)e為:

        (16)

        式中:nr是增強(qiáng)圖像Ir中可見邊的數(shù)目;n0是原始圖像I0中可見邊的數(shù)目,圖像中的邊可以定義為找到一組連接像素的2個(gè)相鄰區(qū)域之間的邊界,如果e>1則圖像的可視邊緣增加,這里使用的邊緣檢測(cè)算法是Sobel邊緣檢測(cè)器。e的值可以評(píng)估該方法恢復(fù)在I0中不可見但在Ir中不可見的邊的能力。

        對(duì)于非周期目標(biāo),其可見度與發(fā)光對(duì)比度相關(guān),其定義為:

        (17)

        式中:ΔL是目標(biāo)和背景的亮度差;Lt是目標(biāo)亮度;Lb是背景的亮度。當(dāng)目標(biāo)和背景之間的亮度差是閾值亮度差ΔLthreshold時(shí),目標(biāo)以高概率被感知,目標(biāo)的可見性水平可通過以下比率量化:

        (18)

        式中:Cactual為實(shí)際對(duì)比度;Cthreshold為閾值處的對(duì)比度。

        在閾值處,目標(biāo)的可見性水平為:

        (19)

        對(duì)于復(fù)雜圖像計(jì)算ΔLthreshold并不簡(jiǎn)單,有必要檢測(cè)和分割多個(gè)目標(biāo)對(duì)象,這對(duì)于復(fù)雜對(duì)象的圖像是十分困難的。為了評(píng)估圖像增強(qiáng)算法的性能不需要分割圖像,對(duì)于可見邊緣的每個(gè)像素,計(jì)算恢復(fù)圖像和原始圖像梯度的比率:

        (20)

        式中:ΔIr是恢復(fù)圖像中的梯度;ΔI0是原始圖像中的梯度。

        圖9 不同方法恢復(fù)的可見邊Fig.9 Corresponding visible edge maps of the recovered images

        (21)

        結(jié)構(gòu)相似性理論從高層次上模擬人眼視覺系統(tǒng)的整體功能,因此對(duì)結(jié)構(gòu)信息的度量可以作為圖像感知質(zhì)量的近似,文獻(xiàn)[14]提出了結(jié)構(gòu)相似度指數(shù)SSIM,但傳統(tǒng)的SSIM指數(shù)存在一些缺點(diǎn),本文采用改進(jìn)的SSIM算法,計(jì)算基于結(jié)構(gòu)信息提取的SIExt指數(shù)作為圖像增強(qiáng)的評(píng)價(jià)指標(biāo)。

        3.2 實(shí)驗(yàn)效果比較

        表1 不同場(chǎng)景下的參數(shù)結(jié)果Table 1 Coefficient e, compared on four images

        圖10 不同算法的圖像增強(qiáng)效果Fig.10 Image enhancement with different algorithms

        在場(chǎng)景2中,DCP方法的暗背景幾乎隱藏了后方的對(duì)象,地面上的細(xì)小物體周圍均存在光暈,對(duì)于目標(biāo)過多的圖像DCP方法明顯會(huì)帶來較多光暈,本文所提方法并不存在此問題。在場(chǎng)景3中DCP方法左上角的對(duì)象十分模糊,本文所提方法很好地復(fù)原了原始圖像中的該部分。場(chǎng)景4中雖然目標(biāo)輪廓的光暈不明顯,但是位于中間和右側(cè)的對(duì)象幾乎看不到任何細(xì)節(jié),從e參數(shù)也可以看出場(chǎng)景4的可見邊數(shù)目相比原圖沒有增加反而減少,雖然對(duì)比度相差不大,但是由于可見邊的丟失使得視覺效果遠(yuǎn)不如本文所提方法。

        該方法能夠評(píng)估基于視覺描述的圖像增強(qiáng)算法的性能,但是并不能評(píng)價(jià)圖像增強(qiáng)算法的保真度,只測(cè)量對(duì)象的可見性。相應(yīng)地,計(jì)算基于結(jié)構(gòu)信息提取的圖像質(zhì)量評(píng)價(jià),在頻域不同頻率的成分對(duì)圖像信息起到了不同的作用,局部區(qū)域的基本灰度等級(jí)主要由低頻成分決定,中頻部分影響著圖像的結(jié)構(gòu),高頻部分構(gòu)成圖像的一些邊緣細(xì)節(jié)。并且同一頻率成分,能量越大,重要程度越大,視覺注意力也就越大,基于以上分析,本文將結(jié)構(gòu)信息解釋為圖像中能量足夠大的中高頻成分。SIExt各部分參數(shù)設(shè)置如下:wl=0.1,ws=0.8,wn=0.1,表2給出了SIExt評(píng)價(jià)結(jié)果。

        表2 不同場(chǎng)景SIExt結(jié)果Table 2 The SIExt compared on four images

        從實(shí)驗(yàn)結(jié)果獲得的數(shù)據(jù)可以看到本文所提方法的結(jié)構(gòu)相似性優(yōu)于DCP方法,在場(chǎng)景2中,DCP方法的結(jié)構(gòu)相似性優(yōu)于本文方法。中頻成分是人眼所能感知的主要成分,是圖像中最重要的頻率成分,故結(jié)構(gòu)信息系數(shù)設(shè)置為最大,根據(jù)文獻(xiàn)[8]的結(jié)論,SIExt在各分量取不同權(quán)重時(shí)變化并不敏感,故基于結(jié)構(gòu)信息提取的圖像質(zhì)量評(píng)價(jià)準(zhǔn)則更好地驗(yàn)證了前文的結(jié)論。

        本文對(duì)文獻(xiàn)[6]中的圖像進(jìn)行處理,計(jì)算標(biāo)定后的背景光和透射率,將本文方法與文獻(xiàn)[6]方法、暗通道先驗(yàn)去霧算法[9](DCP)比較,實(shí)驗(yàn)結(jié)果如表3和圖11所示。

        圖1 水下光散射模型Fig.1 Underwater light scattering model

        表3 不同方法的參數(shù)比較Table 3 Coefficient e, compared on different algorithms

        圖11 不同算法的圖像增強(qiáng)效果Fig.11 Image enhancement with different algorithms

        4 結(jié)論

        1) 本文所提出的算法合理地估計(jì)了水下圖像的背景光和透射率,通過實(shí)驗(yàn)對(duì)比分析,有良好的效果,恢復(fù)圖像丟失的可見邊,提升了水下圖像對(duì)比度。

        2) 解決了水下渾濁圖像失真的問題,恢復(fù)了場(chǎng)景信息。算法有更廣泛的適用性,針對(duì)陸地上的霧天圖像可考慮應(yīng)用本文算法去霧。在未來的研究中,可對(duì)散射模型研究和改進(jìn)。

        3) 本文算法建立在忽略前向散射的模型基礎(chǔ)上,若能較準(zhǔn)確地建立前向散射模型,可以更好地解決光照不均勻的問題,增強(qiáng)算法的普適性。

        猜你喜歡
        景深透射率圖像增強(qiáng)
        一種結(jié)合物理模型和景深估算的圖像去霧算法
        圖像增強(qiáng)技術(shù)在超跨聲葉柵紋影試驗(yàn)中的應(yīng)用
        水下視覺SLAM圖像增強(qiáng)研究
        虛擬內(nèi)窺鏡圖像增強(qiáng)膝關(guān)節(jié)鏡手術(shù)導(dǎo)航系統(tǒng)
        純色太陽鏡鏡片耐日光輻照性能試驗(yàn)研究
        基于圖像增強(qiáng)的無人機(jī)偵察圖像去霧方法
        石墨烯光柵太赫茲透射特性的研究
        玻璃長波透射率對(duì)普通雙層中空玻璃熱特性的影響
        晶格常數(shù)對(duì)左手材料的能量透射率及負(fù)折射率的影響
        簡(jiǎn)明FOTO詞典:景深
        少妇被搞高潮在线免费观看| 欧美成人片在线观看| 久久精品一区二区三区av| 自拍 另类 综合 欧美小说| 少妇被搞高潮在线免费观看| 亚洲综合第一页中文字幕| 婷婷久久香蕉五月综合加勒比| 玩弄人妻少妇500系列网址| 国产一级淫片a免费播放口| 街拍丝袜美腿美女一区| 中文字幕亚洲无线码在线一区| 图片区小说区激情区偷拍区| 精品国产18禁久久久久久久| 白色橄榄树在线阅读免费| 大陆老熟女自拍自偷露脸| 被黑人猛躁10次高潮视频| 麻豆AV免费网站| 少妇人妻中文字幕在线| 国产欧美在线观看不卡| 洗澡被公强奷30分钟视频| 国产av一区二区三区丝袜| 国产区一区二区三区性色| 亚洲av永久无码天堂网小说区| 亚洲精品国产精品国自产观看| 久久99久久99精品免视看国产成人| 91久久精品美女高潮喷白浆| 日韩av无码久久一区二区| 真人男女做爰无遮挡免费视频| 日日噜噜夜夜狠狠久久av| 亚洲av手机在线网站| 丰满人妻熟妇乱又伦精品软件 | 免费a级毛片无码免费视频120软件 | 国产精品美女久久久久久| 98在线视频噜噜噜国产| 国产精品亚洲av一区二区三区| 精品国产天堂综合一区在线| 236宅宅理论片免费| 亚洲国产精品日韩专区av| 一本之道久久一区二区三区| 18女下面流水不遮图| 女人的天堂av免费看|