0 引言

    隨著信息時(shí)代的發(fā)展，各類圖像處理軟件及高質(zhì)量激光打印機(jī)應(yīng)運(yùn)而生，與此同時(shí)激光打印機(jī)的成本越來越低，這導(dǎo)致其越來越普遍。激光打印機(jī)的使用數(shù)量增長(zhǎng)，犯罪分子制造偽證的技術(shù)更加高明，所以取證技術(shù)變得非常重要。打印文件的鑒別是一種廣泛應(yīng)用于安全領(lǐng)域的取證技術(shù)，可以通過對(duì)打印文件的分析判別打印設(shè)備的特性，當(dāng)發(fā)現(xiàn)打印設(shè)備偽造假文件時(shí)，即可幫助抓獲犯罪分子。

    自打印機(jī)應(yīng)用以來，打印文件鑒別相關(guān)的研究有很多，針對(duì)傳統(tǒng)的噴墨打印機(jī)多通過分析打印文件中的墨粉、墨水等打印材料，查找打印機(jī)在打印文件中留下的痕跡，有基于墨粉紋理進(jìn)行的研究^[1]。隨著激光打印機(jī)的普遍，越來越多的研究從打印機(jī)文件中提取打印特性的各種特征，Delp等人^[2]提出了利用不同激光打印機(jī)的不同條帶頻率進(jìn)行識(shí)別的方案，然而這種方法并不適用于文本文檔。由于條帶頻率方案不能用于文本文檔，Deng等人^[3]提出了一種激光打印機(jī)識(shí)別文本文檔的方法，他們通過字符匹配來進(jìn)行識(shí)別。Mikkilineni 等人^[4]利用灰度共生矩陣特征(GLCM)方法， 通過提取特定字體的打印字符“e”的紋理特征來鑒別打印文件的源打印機(jī)。Choi等人^[5]提出基于小波變換的打印機(jī)識(shí)別方案。

    本文算法思想是基于多特征融合和層級(jí)分類器來提高準(zhǔn)確率，通過源于10臺(tái)打印機(jī)的4 000張圖片來進(jìn)行驗(yàn)證，證明該方法能在一定程度上提高檢測(cè)準(zhǔn)確率和速度。

1 圖像特征提取

1.1 高斯混合模型

    高斯混合模型（GMM）是一種利用多個(gè)單高斯函數(shù)建模的方式，其概率密度函數(shù)是由多個(gè)高斯概率密度函數(shù)加權(quán)求和得到的，如下所示：

    對(duì)于打印字符，字符、字符邊緣以及背景三部分具有顯著的差異，這是典型的聚類問題。圖1（a）所示為原始圖像，圖1（b）所示為三階高斯混合模型建模后的圖像，圖中灰度值為零（黑色）的部分表示字符本身，灰度值為255（白色）的部分表示字符邊緣，灰度值為128（灰色）的部分表示紙張背景，可以看出三階高斯混合模型描述出了字符圖像的三部分信息。

1.2 LBP算子

    局部二值模式(LBP)是由OJALA T^[6]等人提出的一種簡(jiǎn)單但非常有效的描述圖像局部紋理特征的算子，原始的LBP特征提取是通過在3×3的矩形框內(nèi)，以矩形框中心點(diǎn)g_c的灰度值作為閾值，與周圍領(lǐng)域內(nèi)像素點(diǎn)(g₀，g₁…g_p-1)的灰度值進(jìn)行比較，得到的二進(jìn)制碼來表征圖像的紋理特征。g_c的LBP特征值LBP（P，R）定義為：

    本文采用圓域均勻模式的LBP算子，對(duì)于測(cè)試圖像集X={x₁，x₂…x_N}，通過將字符圖像劃分為若干個(gè)區(qū)域，計(jì)算該區(qū)域內(nèi)所有像素點(diǎn)的LBP特征值，再統(tǒng)計(jì)該區(qū)域的LBP特征直方圖，最后將LBP特征譜的統(tǒng)計(jì)直方圖作為紋理分類的依據(jù)，最終的LBP圖譜直方圖如圖2所示。

2 多分類器級(jí)聯(lián)算法

    多分類器級(jí)聯(lián)訓(xùn)練算法如圖3所示，SVM作為基分類器，每一級(jí)訓(xùn)練結(jié)果作為一個(gè)分類器模版，使用boosting^[7]策略集成融合，具體訓(xùn)練步驟如下：

    (1)輸入樣本集X={x₁，x₂…x_N}，對(duì)應(yīng)的Y={y₁，y₂…y_M}為類別矩陣。

    (2)初始化樣本權(quán)重。

    (3)設(shè)置級(jí)聯(lián)層級(jí)T，對(duì)于t=1，2…T，根據(jù)樣本權(quán)重選擇訓(xùn)練樣本，訓(xùn)練每一級(jí)分類器H_t，新一層分類器會(huì)側(cè)重上一輪分錯(cuò)的樣本，也就是難以區(qū)分的樣本，下文稱之為hard樣本。同時(shí)每一輪訓(xùn)練會(huì)加入部分新樣本，提高級(jí)聯(lián)分類器的穩(wěn)定性和適應(yīng)性。

    (4)測(cè)試所有訓(xùn)練樣本，計(jì)算每一輪的錯(cuò)誤率et。

    (5)當(dāng)滿足錯(cuò)誤率小于0.5時(shí)，計(jì)算分類器權(quán)重

    (6)更新權(quán)重，分類錯(cuò)誤的樣本權(quán)重增加，分類正確的樣本權(quán)重減少，計(jì)算公式為 ：

3 實(shí)驗(yàn)與分析

    為了測(cè)試本文的方法，建立了包含10臺(tái)激光打印機(jī)的打印文件數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)共有4 000張完整圖像集，分別使用單一SVM分類器與級(jí)聯(lián)分類器作對(duì)比性研究，選取原始數(shù)據(jù)的3/4作為訓(xùn)練集，剩下的作為測(cè)試集。由于訓(xùn)練樣本是隨機(jī)挑選的，實(shí)際試驗(yàn)中在相等訓(xùn)練集大小的情況下做了10次測(cè)試，并取測(cè)試的平均值作為識(shí)別率。具體實(shí)現(xiàn)步驟如下：

    (1)特征提取。本文采用三階高斯混合模型，每一個(gè)高斯模型有均值、均方差、權(quán)重3個(gè)參數(shù)，最終特征集為9維。LBP特征提取采用圓域均勻模式LBP算子，圓域半徑r=2.5，取樣點(diǎn)p=12，LBP紋理特征向量以圖像的分塊LBP直方圖表示，其中N=14。

    (2)特征融合。實(shí)驗(yàn)中采用的是加權(quán)融合的辦法，具體思路是：

    ①歸一化：為了消除量綱影響，對(duì)數(shù)據(jù)集進(jìn)行歸一化操作，統(tǒng)一數(shù)據(jù)的標(biāo)準(zhǔn)，歸一化操作之后，GMM和LBP特征集就會(huì)被統(tǒng)一到一個(gè)特定的區(qū)間中。

    ②加權(quán)：通過循環(huán)判定，找出最優(yōu)權(quán)重，權(quán)重計(jì)算公式如下：

其中，w_GMM表示GMM特征集的權(quán)重，w_LBP表示LBP特征集的權(quán)重，w_0x(x=0，1)表示權(quán)重，初始值為w₀₀=0，w₀₁=1，步長(zhǎng)step=0.01，k的取值為0，1，2…，50。最終取得的最優(yōu)權(quán)重為w_GMM=0.54 ，w_LBP=0.46。

    ③融合：GMM特征集的大小為4 000×9，LBP特征集大小為4 000×14，本文將GMM 的9維特征和LBP的14維特征融合成23維特征，圖像特征數(shù)量和種類的增加會(huì)更好地改善分類結(jié)果。特征融合模型圖4所示。

    通過上述加權(quán)融合算法將GMM特征和LBP特征融合在同一特征空間中，分別對(duì)GMM和LBP單一特征集及融合特征集做分類研究，表1所示為SVM分類器的鑒別結(jié)果，GMM特征集和LBP特征集鑒別的準(zhǔn)確率分別為85.5%和84.7%。因?yàn)榇蛴C(jī)自身的差異性以及打印設(shè)備使用過程中的不穩(wěn)定性，導(dǎo)致鑒別結(jié)果有一定的誤差，例如打印過程中可能出現(xiàn)的噴墨漏墨以及斷筆等情況，會(huì)一定程度上影響鑒別結(jié)果。融合特征集鑒別的準(zhǔn)確率為94.45%，說明高斯混合模型和局部二值模式相結(jié)合的算法可以提高打印文件識(shí)別率。

    表2所示為GMM特征集、LBP特征集和融合特征集輸入級(jí)聯(lián)分類器的結(jié)果。對(duì)比表1的數(shù)據(jù)，級(jí)聯(lián)分類器一定程度上提高了分類的準(zhǔn)確度，融合特征集的識(shí)別率高達(dá)97.10%，驗(yàn)證了本文算法的可行性。圖5所示的混淆矩陣描述了每一類打印樣本的識(shí)別效果。分類器級(jí)聯(lián)層數(shù)會(huì)影響分類的速度，圖6為訓(xùn)練10輪得到的層級(jí)分類器錯(cuò)誤率，三層級(jí)聯(lián)即可取得較好的處理效果，級(jí)聯(lián)五層之后分類的準(zhǔn)確率變化不大，基本趨于平穩(wěn)，本文選取的是五層SVM分類器級(jí)聯(lián)。

4 結(jié)語(yǔ)

    眾所周知，紋理分析有許多潛在的應(yīng)用，比如金屬表面、遙感圖片等，紋理分析應(yīng)用于打印文件鑒別中常用的是灰度共生矩陣，但是灰度共生矩陣的計(jì)算量太大，本文采用GMM和LBP特征集相結(jié)合的方法，特征集維度為23維，大大降低了計(jì)算量。同時(shí)，由于單一特征集包含的圖片信息不全，鑒別準(zhǔn)確率不高，采用多特征會(huì)大大提高鑒別的準(zhǔn)確率與速度。

    GMM特征多用于語(yǔ)音識(shí)別，LBP特征常見的應(yīng)用場(chǎng)景是人臉識(shí)別，本文將這兩種特征應(yīng)用于打印文件鑒別，是一個(gè)重大突破。同時(shí)訓(xùn)練了基于AdaBoost的SVM級(jí)聯(lián)分類器，提高了分類的準(zhǔn)確度，使得打印文件鑒別工作的研究在安全領(lǐng)域的應(yīng)用更加可靠。

參考文獻(xiàn)

[1] 鄧偉.基于打印墨粉紋理分析的打印文件檢驗(yàn)研究[J].電子測(cè)量技術(shù)，2014，37(2)：70-74.

[2] MIKKILINENI A K，KHANNA N，DELP E J.Texture based attacks on intrinsic signature based printer identification[C].IS&T/SPIE Electronic Imaging. International Society for Optics and Photonics，2010：175-178.

[3] DENG W，CHEN Q，YUAN F，et al.Printer identification based on distance transform[C].First International Conference on Intelligent Networks and Intelligent Systems.IEEE Computer Society，2008：565-568.

[4] MIKKILINENI A K，CHIANG P J，ALI G N，et al.Printer identification based on graylevel co-occurrence features for security and forensic applications[C].Proceedings of SPIE-The International Society for Optical Engineering，2005，5681：430-440.

[5] CHOI J H，IM D H，LEE H Y，et al.Color laser printer identification by analyzing statistical features on discrete wavelet transform[C].Image Processing(ICIP)，2009 16th IEEE International Conference on.IEEE，2009：1505-1508.

[6] OJALA T，PIETIKAINEN M，HARWOOD D.Performance evaluation of texture measures with classification based on Kullback discrimination of distributions[C].Pattern Recognition，1994.Vol.1-Conference A：Computer Vision & Image Processing.，Proceedings of the 12th IAPR International Conference on.IEEE，1994，1：582-585.

[7] VIOLA P，JONES M.Fast and robust classification using asymmetric AdaBoost and a detector cascade[C].Advances in Neural Information Processing Systems，2002，14：1311-1318.