A source printer identification technique can be employed as a countermeasure to forgeries using color laser printers. In this dissertation, two new methods are presented to identify color laser printers; a method using halftone texture fingerprint and a method using deep learning framework. Proposed methods use images photographed without additional close-up lens as input images. In the rule-based proposed method, halftone texture fingerprints are extracted in the curvelet transform domain. The extracted halftone texture fingerprint is used in correlation-based detection, and the color laser printer of the most similar known halftone texture fingerprint is determined as the source color laser printer. The learning-based proposed method is mainly divided into two components; improved halftone color channel decomposition based on a GAN-alike framework, and printer identification based on a CNN. The halftone color decomposing ConvNet is trained with the refined dataset by using S+U learning, and the trained knowledge is transferred to the printer identifying ConvNet to enhance the accuracy. The robustness about rotation and scaling is considered in training process, which is not considered in existing methods.Experiments are performed on eight color laser printers and the performance is compared with several existing methods. The experimental results show that the proposed method outperforms existing source color laser printer identification methods.
본 논문에서는 학습 기반 및 규칙 기반의 컬러 레이저 프린터 식별 기술을 제안한다. 제안하는 기술은 모바일 카메라에서 촬영된 이미지를 이용하여 컬러 문서의 출처 프린터를 식별해낸다. 규칙 기반의 제안 기술에서는 커블릿 변환을 통해 하프톤 텍스처 성분을 추출한다. 추출된 하프톤 텍스처 성분을 이용하여 상관계수 기반 분석을 통해 출처 프린터 식별을 수행한다. 학습 기반의 제안 기술은 크게 하프톤 색상 채널 분해 학습과 컨볼루션 신경망을 통한 출처 프린터 식별 과정으로 이루어져 있다. 적대적 생성 모델을 이용해 개선한 데이터셋을 이용해 하프톤 색상 분리 신경망을 학습하며, 학습된 지식은 프린터 식별 신경망으로 전이되어 식별 성능을 높이는데 사용된다. 또한 기존 기술들은 고려하지 않은 입력 영상의 회전, 확대 및 축소에 대한 강인성을 학습 과정에서 고려하였다. 총 여덟 대의 컬러 레이저 프린터를 이용한 기존 기술들과의 성능 비교 실험을 진행하였으며, 실험 결과에서 제안하는 기술이 기존 기술들의 한계를 뛰어넘었음을 보였다.
