基于特征子图位平面切割和卷积神经网络的青光眼图像分类

青光眼是常见的眼科疾病之一,不及时治疗则会导致眼睛失明,而早期青光眼的诊断主要依赖于眼科医生的经验判断,容易出现误诊或漏诊的情况。为了降低该类情况发生的可能性,本文提出了一种利用位平面切割和特征子图技术来提取图像特征,并且结合卷积神经网络(CNN)分类器来提高青光眼识别率的方法。同时为了验证上述方法对提高图像分类准确率的有效性和对防御对抗样本攻击的有效性,本文首先采用快速梯度符号方法(Fast Gradient Sign Method,FGSM)对原始数据集进行攻击,并利用VGG16网络对受到攻击后的图像提取特征子图,然后将特征子图分解为8个位平面图像,最后将位平面图像输入CNN分类器。实验结果表明,运用该方法提取图像特征后,其对应位平面图像的分类准确率相较于受攻击后的图像有显著提高,准确率最高可从66.5%提升到97.4%,提高了30.9%。本文所提出的特征提取方法能有效提高分类准确率,并且具有抵抗对抗样本攻击的能力。