بازجويي قانوني چاپگر مبتني بر بردار هويت حاصل از ناحيه بندي بافت تصوير

پيشرفت در دنياي ديجيتال، ما را به سمت توسعه ابزار بازجويي قانوني ديجيتال سوق مي دهد. استفاده از روش هاي يادگيري ماشين براي شناسايي منبع چاپ يكي از زير مجموعه هاي اين حوزه بوده كه درحال‌ توسعه است. در اين مقاله، روش جديدي براي استخراج ويژگي هاي ثانويه بر پايه بردار هويت (ivector) براي شناسايي منبع چاپ ارائه ‌شده است. در روش پيشنهادي تنها با استخراج يك بردار ivector با بعد كم به‌ازاي هر صفحه بدون استفاده از روش بازشناسي نوري نويسه ها (OCR) و با حذف رأي‌گيري اكثريت فرايند طبقه‌بندي تسريع شده است. به‌اين‌ ترتيب روش پيشنهادي در استخراج ويژگي ها مستقل از نوع و اندازه قلم نويسه‌ها و زبان متن است. ويژگي هاي ثانويه با افراز تصوير سند به تكه هاي كوچك‌تر و مدل سازي ويژگي‌هاي اوليه الگوي دودويي محلي (LBP) مربوط به ناحيه هاي تيره، مرز و روشن در فضاهاي مجزا به دست مي آيد. مدل سازي ويژگي هاي اوليه نواحي مختلف در فضاهاي مجزاي متغير كل چاپگر، امكان استخراج اطلاعات جداكننده كلاس ها از بافت چاپ باقيمانده در ناحيه روشن را براي افزايش دقت و صحت طبقه‌بندي مهيا مي كند. در اين مقاله تأثير استفاده از بافت نواحي مختلف و تغيير ابعاد تكه بندي با استفاده از طبقه‌بند ماشين بردار پشتيبان (SVM) از طريق شبيه‌سازي به‌دقت بررسي ‌شده است. نتايج شبيه سازي، نشان مي دهد كه تنها با پالايش ويژگي هاي اوليه LBP به صحت 99.05 درصد دست يافته ايم كه بيشتر از آخرين پژوهش هاي اين حوزه است.