[发明专利]一种基于信息挖掘与信息融合的打印文件鉴别方法

摘要

本发明公开了一种基于信息挖掘与信息融合的打印文件鉴别方法，利用整体高倍放大采集打印文档的单个字符图像，计算每幅图像灰度共生矩阵的四个统计特征，以其作为打印文件的初始鉴别特征。建立初始鉴别特征的两因子模型，通过对常用汉字、数字和英文字母的信息挖掘，得到各自的字符因子。分离初始鉴别特征的字符因子，得到的新特征将不再受字符形态结构的影响，因此一份打印文档的所有字符特征都能进行特征融合，以其所有图像的特征均值作为打印文档所来自的打印机的特征描述，以两台打印机之间的特征距离作为匹配分类的依据。本发明不需要打印机文档之间有相同字符且字符数量不用太多，提高了打印文件鉴别方法的适用范围和准确率。

主权项

一种基于信息挖掘与信息融合的打印文件鉴别方法，其特征在于，包括以下步骤：步骤1：通过可将图像高倍放大的扫描系统，采集得到放大150倍后的文档图像，然后通过字符切割得到单个字符图像；步骤2：采用经典的灰度共生矩阵(GLCM)算法提取每幅字符图像特征，取水平和垂直两个方向，分别对应打印机的扫描和走纸方向，步长各取N步，然后计算灰度共生矩阵(GLCM)的4个统计特征：对比度、一致性、自相关和熵，则每幅字符图像的特征共2×N×4维特征；其中5≤N≤20；步骤3：针对已知打印机的打印文档字符图像特征，建立并验证打印文档字符图像鉴别的两因子模型，所述的两因子为纹理因子和字符因子；所述的纹理因子是打印文件鉴别的贡献因子，字符因子是打印文件鉴别的干扰因子；步骤4：针对已知打印机的打印文档字符图像特征，挖掘出对打印文档字符图像鉴别起干扰作用的字符因子；步骤5：针对待鉴别的两份打印文档Y1和Y2的字符图像特征，将已挖掘出的字符因子从字符图像特征值中分离，只留下纹理因子，对一份打印文档所有字符图像的纹理因子进行特征融合得到打印文档的鉴别特征；步骤6：计算两份打印文档Y1和Y2之间的特征距离，通过阈值分类方法判定两份打印文档是否来自同一打印机。