بازجویی قانونی چاپگر مبتنی بر بردار هویت حاصل از ناحیه بندی بافت تصویر
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 280
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIPET-13-49_005
تاریخ نمایه سازی: 19 مهر 1400
Abstract:
پیشرفت در دنیای دیجیتال، ما را به سمت توسعه ابزار بازجویی قانونی دیجیتال سوق میدهد. استفاده از روشهای یادگیری ماشین برای شناسایی منبع چاپ یکی از زیر مجموعههای این حوزه بوده که درحال توسعه است. در این مقاله، روش جدیدی برای استخراج ویژگیهای ثانویه بر پایه بردار هویت (i-vector) برای شناسایی منبع چاپ ارائه شده است. در روش پیشنهادی تنها با استخراج یک بردار i-vector با بعد کم به ازای هر صفحه بدون استفاده از روش بازشناسی نوری نویسهها (OCR) و با حذف رای گیری اکثریت فرایند طبقه بندی تسریع شده است. به این ترتیب روش پیشنهادی در استخراج ویژگیها مستقل از نوع و اندازه قلم نویسه ها و زبان متن است. ویژگیهای ثانویه با افراز تصویر سند به تکههای کوچک تر و مدلسازی ویژگی های اولیه الگوی دودویی محلی (LBP) مربوط به ناحیههای تیره، مرز و روشن در فضاهای مجزا بهدست میآید. مدلسازی ویژگیهای اولیه نواحی مختلف در فضاهای مجزای متغیر کل چاپگر، امکان استخراج اطلاعات جداکننده کلاسها از بافت چاپ باقیمانده در ناحیه روشن را برای افزایش دقت و صحت طبقه بندی مهیا میکند. در این مقاله تاثیر استفاده از بافت نواحی مختلف و تغییر ابعاد تکهبندی با استفاده از طبقه بند ماشین بردار پشتیبان (SVM) از طریق شبیه سازی به دقت بررسی شده است. نتایج شبیهسازی، نشان میدهد که تنها با پالایش ویژگیهای اولیه LBP به صحت ۰۵/۹۹ درصد دست یافتهایم که بیشتر از آخرین پژوهشهای این حوزه است.
Keywords:
Authors
روزبه حمزه ئیان
دانشکده مهندسی برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
فربد رزازی
دانشکده مهندسی برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا بهراد
دانشکده فنی و مهندسی- دانشگاه شاهد، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :