基于智能手机采集文档图像的源打印机识别

大量印刷文档仍被用于各种重要及琐碎的应用。这类应用常依赖于以印刷文本文档形式提供的信息，而由于时间限制和资源匮乏，其完整性验证颇具挑战。源打印机识别以快速且经济的方式提供印刷文档来源与完整性的关键信息。即便识别出欺诈文档，其来源信息亦有助于阻止未来欺诈。若以智能手机摄像头替代扫描仪进行文档采集，在诸多利于远程与分布式分析的应用中，文档取证将更为经济、用户友好且更快速。基于现有方法，我们提出从字母图像及其打印机特定噪声残差的融合中学习单一 CNN 模型。在缺乏公开数据集的情况下，我们新建了一个数据集，包含由十八台打印机印刷、经智能手机摄像头在五种采集设置下获取的 2250 张文本文档图像。所提方法在 5x2 交叉验证下使用字母 'e' 的图像达到 98.42% 的文档分类准确率。进一步，当使用约五十万各类字母测试时，其字母与文档分类准确率分别达 90.33% 与 98.01%，从而凸显了学习不依赖于单一字母类型的判别模型的能力。此外，在包括低光照及文档与摄像头平面间角度变化在内的多种采集设置下，分类准确率亦令人鼓舞。