?

量化激光打印機(jī)打印文件墨跡形態(tài)微觀特征分析研究

牟小彬，王潔，程衛(wèi)國

（上海市公安局，上海200083）

摘要：目的探索區(qū)分不同激光打印機(jī)打印樣本的量化分析方法。方法運(yùn)用“圖像掃描分析系統(tǒng)”對打印件上由制造工藝等因素引起的，人眼無法辨識的微觀特征如打印字跡的灰度、背景噪聲點(diǎn)面積等相關(guān)參數(shù)進(jìn)行量化測量研究和數(shù)據(jù)分析。結(jié)果使用15項參數(shù)組合，能夠?qū)?8臺不同型號激光打印機(jī)3 600頁打印樣本中的3 596頁正確分類，正確率為99.8%。結(jié)論通過上述15項參數(shù)可區(qū)分不同類型的激光打印機(jī)，此方法對于不同類型激光打印機(jī)中等打印量的打印樣本分類具有可行性。

關(guān)鍵詞：文件檢驗；激光打?。晃⒂^特征；量化

目前，司法鑒定中打印文件檢驗的主要依據(jù)是打印機(jī)具在文件頁面上留下的明顯故障性特征。隨著制造業(yè)工藝的日益精湛，明顯的故障特征在樣本上出現(xiàn)機(jī)率降低，傳統(tǒng)檢驗方法面臨困境。ImageXaminer圖像掃描分析系統(tǒng)可對打印文件的灰度、線條打印質(zhì)量、炭粉附著性、色間滲透等參數(shù)進(jìn)行測量，對打印文件質(zhì)量進(jìn)行量化分析。

決策樹算法（Decision Tree）是一種典型的分類方法，首先利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數(shù)據(jù)進(jìn)行分析，本質(zhì)上決策樹是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的過程，由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。通過決策樹算法分析，可以找出不同打印機(jī)打印樣本的分類規(guī)則，從而發(fā)現(xiàn)ImageXaminer圖像掃描分析系統(tǒng)中與打印機(jī)分類相關(guān)性較強(qiáng)的測量參數(shù)，為打印機(jī)的鑒別提供新的檢驗思路。

本文運(yùn)用“圖像掃描分析系統(tǒng)”對打印件上由制造工藝等因素引起的，肉眼難以辨識的微觀特征，如打印字跡的灰度、背景噪聲點(diǎn)面積等相關(guān)參數(shù)開展量化研究。并結(jié)合決策樹算法對不同型號激光打印機(jī)打印樣本進(jìn)行分類，為不同激光打印機(jī)的鑒別提供依據(jù)。

1　材料和方法

1.1儀器

ImageXaminer圖像掃描分析系統(tǒng)（美國ImageX-pert公司），配置：EPSON Experssion 10000XL真實(shí)光學(xué)分辨率2400dpi掃描儀、EPSON A3 Automatic Doc-ument Feeder文件自動輸入儀、imac27英寸電腦、ImageXpert圖像專家軟件。掃描儀參數(shù)設(shè)置見表1。

1.2材料

選取市場上9個主流品牌共18種型號的激光打印機(jī)各1臺，將其分別編號為01～18號打印機(jī)（見表2）。使用同一電子文檔（文檔為案件中常用漢字“的、了、法、是、我”隨機(jī)組合而成），在同一品牌A4幅面紙張上打印文件200頁，分別編號為010001～010200、02000～020200、……180001～180200。

1.3數(shù)據(jù)分析軟件

本文選擇決策樹C4.5算法建立數(shù)學(xué)模型，使用數(shù)據(jù)挖掘軟件Weka作為模型建立工具，貝爾實(shí)驗室開發(fā)的Graphviz作為模型結(jié)果的呈現(xiàn)方法。

1.4測試條件

1.4.1灰度閾值設(shè)定

由于打印機(jī)品牌、型號、使用環(huán)境等相關(guān)因素的影響，打印件打印文字墨跡墨粉堆積感及底灰不同，即墨跡的灰度不同。在灰度圖象中的每個像素都是從0～255的亮度值，通常把0定義為“黑”，255定義為“白”。閾值就是臨界值，是基于圖片亮度的一個分界值，默認(rèn)值是50%中性灰（即128），也就是當(dāng)選擇灰度閾值為128時，亮度低于128即被認(rèn)為“黑”，在對打印件相關(guān)參量進(jìn)行測量時，可以自行定義閾值，而閾值的確定決定了準(zhǔn)入計算的亮度值。通過適當(dāng)?shù)拈撝翟O(shè)定，可以充分地識別文件上的墨點(diǎn)：當(dāng)閾值過小時，無法識別筆畫中較淡的墨跡；反之，當(dāng)閾值過大時，會將紙纖維上的細(xì)微疵點(diǎn)計入在內(nèi)。為了全面反映各樣本的量化測量情況，實(shí)驗中選擇亮度較深的80、中間值117、默認(rèn)值128、亮度較淺的160四種閾值設(shè)置。

1.4.2最小準(zhǔn)入面積設(shè)定

打印機(jī)墨跡的連通區(qū)域測量過程中可以自定義參與計算的最小墨跡面積，該設(shè)置最小值為1，即1為最小的數(shù)量級，系統(tǒng)默認(rèn)最小值為100，可自行設(shè)定任意值。系統(tǒng)會根據(jù)最小測量面積選擇參與測量的墨點(diǎn)，為了充分反映筆畫周圍的細(xì)微墨點(diǎn)分布情況，實(shí)驗中選擇最小測量面積為1。

1.4.3測試參數(shù)

ImageXaminer圖像掃描分析系統(tǒng)可實(shí)現(xiàn)圖像增強(qiáng)、圖像形態(tài)改變、目標(biāo)區(qū)域運(yùn)算、面積測量、灰度測量、線條、邊緣測量、連通區(qū)域測量、相關(guān)區(qū)域測量、霍夫變換算法、向量、文字識別、二維碼解碼、條紋測量等測量運(yùn)算。在實(shí)驗過程中對適用于打印文件整幅測量的參數(shù)進(jìn)行篩選，發(fā)現(xiàn)連通區(qū)域測量、灰度測量、面積測量三類參數(shù)適用于打印文件整幅測量（見表3）。

表1　掃描儀參數(shù)設(shè)置

表2　實(shí)驗用激光打印機(jī)品牌、型號

表3　測試參數(shù)

連通區(qū)域測量（connectivity）是根據(jù)設(shè)定的像素極性（polarity）、灰度閾值（threshold）、最小準(zhǔn)入面積（blob criteria）等測量條件，將待測目標(biāo)區(qū)域中的字符劃分為若干個連通區(qū)域，并對具有相同明暗極性的連通像素群（part）或由相同明暗極性像素群圍成的整塊像素群（包括該像素群中的明、暗兩類像素）（blob）的面積、周長、圓度、背景噪聲等微觀特征進(jìn)行量化測量。

灰度值測量（gray）是根據(jù)設(shè)定的像素極性（polarity）、灰度閾值（threshold）等測量條件，對明、暗像素的灰度、明暗線條數(shù)量、對比度等微觀特征進(jìn)行量化測量。

面積測量（area）是根據(jù)設(shè)定的像素極性（polarity）、灰度閾值（threshold）等測量條件，對明暗像素的面積、面積比值等微觀特征進(jìn)行量化測量。

1.5數(shù)據(jù)測量與分析

使用ImageXaminer圖像掃描分析系統(tǒng)對3 600份樣本進(jìn)行掃描錄入，并選取等大的目標(biāo)區(qū)域?qū)ι鲜?9種116項測量參數(shù)進(jìn)行整幅測量。通過決策樹C4.5算法建立數(shù)學(xué)模型，使用數(shù)據(jù)挖掘軟件Weka作為模型建立工具，貝爾實(shí)驗室開發(fā)的Graphviz作為模型結(jié)果呈現(xiàn)方法，訓(xùn)練模型見圖1。

圖1　決策樹模型

2　結(jié)果與討論

2.1閾值選擇對分類結(jié)果的影響

ImageXaminer圖像掃描分析系統(tǒng)會根據(jù)閾值選擇所測部分，閾值設(shè)定不同，同一參數(shù)的測量值會隨之變化。閾值設(shè)定為亮度較深的80，一些淺淡的筆畫不參與計算；設(shè)定為中間值117，筆畫周圍的散落墨粉點(diǎn)基本不參與計算；設(shè)定為默認(rèn)值128，筆畫周圍的散落墨粉點(diǎn)大部分參與計算；設(shè)定為亮度較淺的160，除筆畫周圍的散落墨粉外，頁面上的散落墨粉點(diǎn)和部分紙張纖維疵點(diǎn)也參與計算。研究發(fā)現(xiàn)，連通區(qū)域測量時，閾值設(shè)定為160，部分樣本超出了其測量的閾值范圍，樣本無測量值，數(shù)值顯示為0，若出現(xiàn)這種情況，則舍棄該參數(shù)值?；叶乳撝颠x擇80、117、128、160四種閾值設(shè)置，可以較為全面反映各樣本的量化測量情況。此外，閾值設(shè)置不同，打印文件的分類情況也發(fā)生了變化，圖2中閾值為80的灰度標(biāo)準(zhǔn)差參數(shù)無法區(qū)分3號、12號打印機(jī)，而圖3中閾值為117的灰度標(biāo)準(zhǔn)差參數(shù)則可區(qū)分3號、12號打印機(jī)；圖3中閾值為117的灰度標(biāo)準(zhǔn)差參數(shù)無法區(qū)分10號、15號打印機(jī)，而圖2中閾值為80的灰度標(biāo)準(zhǔn)差參數(shù)則可區(qū)分10號、15號打印機(jī)。

圖2　閾值為80的灰度標(biāo)準(zhǔn)差

圖3　閾值為117的灰度標(biāo)準(zhǔn)差

表4　最小測量面積為1時，閾值為128的字塊面積標(biāo)準(zhǔn)差值

根據(jù)決策樹分析篩選出的打印機(jī)分類強(qiáng)相關(guān)系數(shù)，閾值為80的測量參數(shù)有7項，閾值為117的測量參數(shù)有5項，閾值為128的測量參數(shù)有2項，閾值為160的測量參數(shù)有1項，若需固定閾值，設(shè)定為低于默認(rèn)值128的灰度閾值會取得較好的分類效果。

2.2最小準(zhǔn)入面積對分類結(jié)果的影響

在連通區(qū)域測量時，ImageXaminer圖像掃描分析系統(tǒng)可自定義參與計算的最小墨跡面積，系統(tǒng)會根據(jù)最小測量面積選擇參與測量的墨點(diǎn)，最小準(zhǔn)入測量面積不同，同一參數(shù)的測量值也會隨之變化。為確定最小準(zhǔn)入面積設(shè)定對分類結(jié)果的影響，抽取1～5號打印機(jī)各10頁樣本，將最小準(zhǔn)入面積分別設(shè)置為系統(tǒng)默認(rèn)值100和系統(tǒng)最小值1，比較其參數(shù)測量結(jié)果，發(fā)現(xiàn)最小準(zhǔn)入面積設(shè)置為1的打印機(jī)區(qū)分效果優(yōu)于最小準(zhǔn)入面積設(shè)置為100。如當(dāng)最小測量面積為1時，閾值為128的字塊面積標(biāo)準(zhǔn)差可區(qū)分1號、4號打印機(jī)，而最小測量面積為100時，1號、4號打印機(jī)則無法區(qū)分，測量數(shù)值（見表4～5）。

2.3決策樹模型分類結(jié)果

從決策樹模型中可以看出：使用閾值為117、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差，閾值為117、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為80的灰度眾數(shù)值，閾值為80的中位灰度值，閾值為128、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為80的灰度標(biāo)準(zhǔn)差，閾值為128、最小準(zhǔn)入面積為1的字塊平均面積，閾值為80、最小準(zhǔn)入面積為1的字塊圓度標(biāo)準(zhǔn)差，閾值為117的灰度標(biāo)準(zhǔn)差，閾值為160、最小準(zhǔn)入面積為1的字塊圓度標(biāo)準(zhǔn)差，閾值為80、最小準(zhǔn)入面積為1的墨塊數(shù)量，閾值為80、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差，閾值為117、最小準(zhǔn)入面積為1的墨塊總周長，閾值為80的面積比值，閾值為117、最小準(zhǔn)入面積為1的字塊總周長等15項參數(shù)組合，能夠分類18臺激光打印機(jī)打印樣本，經(jīng)測試集測試3 600頁打印樣本中3 596頁分類正確，正確率為99.8%，并且得到的決策樹只有8層，結(jié)構(gòu)簡單。

2.4模型驗證與評價

選取辦公用激光打印機(jī)3臺，其中HP LaserJet P2015dn型2臺，編號分別為19、20號機(jī)；FUJI Xerox P255d型1臺，編號為21號機(jī)。在相同實(shí)驗條件下，每臺打印機(jī)連續(xù)打印樣本3頁，1個月后再連續(xù)打印樣本3頁，收集樣本共計15頁（編號如下：1190001～1190003、2190001～2190003、1200001～1200003、2200001～2200003、1210001～1210003、2210001～2210003），使用ImageXaminer圖像掃描分析系統(tǒng)對上述15份樣本進(jìn)行掃描錄入，并選取等大的目標(biāo)區(qū)域?qū)Υ蛴∥募M(jìn)行整幅測量。決策樹模型篩選出的15項打印機(jī)分類強(qiáng)相關(guān)參數(shù)測量結(jié)果見表6。

續(xù)表6

通過上述測量結(jié)果發(fā)現(xiàn)：

（1）21號機(jī)與19、20號機(jī)在上述15項參數(shù)值上均存在明顯差別；19、20號機(jī)由于品牌、型號相同，上述15項參數(shù)測量值比較接近。從19～21號機(jī)的測量結(jié)果與1～18號機(jī)的參數(shù)自身變化程度比較中可進(jìn)一步發(fā)現(xiàn)，19、20號機(jī)與21號機(jī)在閾值為117、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差參數(shù)項上的差別程度分別為19.6%、19.1%，而18臺實(shí)驗用打印機(jī)自身變化的最大幅度為18.6 %；在閾值為117、最小準(zhǔn)入面積為1的字塊灰度平均值參數(shù)項上的差別分別為14.3%、17.2%，而18臺實(shí)驗用打印機(jī)自身變化的最大幅度為10.2 %；在閾值為80的灰度標(biāo)準(zhǔn)差參數(shù)項上的差別分別為9%、7.8 %，而18臺實(shí)驗用打印機(jī)自身變化的最大幅度為4.3%；在閾值為117的灰度標(biāo)準(zhǔn)差參數(shù)項上的差別分別為7.5 %、6.6 %，而18臺實(shí)驗用打印機(jī)自身變化的最大幅度為3.8%；在閾值為117、最小準(zhǔn)入面積為1的墨塊總周長參數(shù)項上的差別分別為7.6 %、10.3%，而18臺實(shí)驗用打印機(jī)自身變化的最大幅度為7.2%，5項參數(shù)的差別程度均大于18臺實(shí)驗用打印機(jī)自身變化的最大幅度，該決策樹模型篩選出的測量參數(shù)組合可為區(qū)分不同種類打印機(jī)提供判別依據(jù)。

（2）19、20號打印的參數(shù)測量值雖較為接近，但在打印量跨度較小的情況下，不同機(jī)臺打印樣本的參數(shù)測量值之間存在一定差別，如2190001～2190003 與1200001～1200003雖在閾值為80、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差上較為接近，但在閾值為80的灰度標(biāo)準(zhǔn)差上存在明顯差別，該模型篩選出的部分參數(shù)組合，可為區(qū)分打印量跨度較小的同品牌同型號不同打印機(jī)提供判別依據(jù)。

（3）同一打印機(jī)相隔一個月的樣本在閾值為117、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為128、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為80的灰度標(biāo)準(zhǔn)差，閾值為117的灰度標(biāo)準(zhǔn)差，閾值為80的面積比值等參數(shù)值上存在較為明顯的差別，且20號機(jī)的變化幅度較大。經(jīng)統(tǒng)計20號打印機(jī)一個月的打印量約為200頁，19、21號機(jī)一個月的打印量約為50頁，打印文件的參數(shù)測量值隨打印量發(fā)生變化，該模型篩選出的部分參數(shù)組合，可為區(qū)分同一打印機(jī)不同時期的打印樣本提供判別依據(jù)。

3　結(jié)論

（1）通過決策樹模型分析，發(fā)現(xiàn)116項參數(shù)中閾值為117、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差，閾值為117、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為80的灰度眾數(shù)值，閾值為80的中位灰度值，閾值為128、最小準(zhǔn)入面積為1的字塊灰度平均值，閾值為80的灰度標(biāo)準(zhǔn)差，閾值為128、最小準(zhǔn)入面積為1的字塊平均面積，閾值為80、最小準(zhǔn)入面積為1的字塊圓度標(biāo)準(zhǔn)差，閾值為117的灰度標(biāo)準(zhǔn)差，閾值為160、最小準(zhǔn)入面積為1的字塊圓度標(biāo)準(zhǔn)差，閾值為80、最小準(zhǔn)入面積為1的墨塊數(shù)量，閾值為80、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差，閾值為117、最小準(zhǔn)入面積為1的墨塊總周長，閾值為80的面積比值，閾值為117、最小準(zhǔn)入面積為1的字塊總周長等15項參數(shù)對于激光打印機(jī)打印樣本分類具有較強(qiáng)的相關(guān)性，可以用于打印樣本區(qū)分。

（2）根據(jù)決策樹模型分類結(jié)果及19～21號機(jī)的測試結(jié)果，5號機(jī)（惠普P2055d）與6號機(jī)（惠普M401dn），9號機(jī)（兄弟HL-2250DN）與10號機(jī)（兄弟HL-2240D），11號機(jī)（理光SP310DN）與12號機(jī)（理光SP200），15號機(jī)（柯尼卡美能達(dá)MAGICOLOR 1650EN）與16號機(jī)（柯尼卡美能達(dá)MAGICOLOR 1700W）樣本在接近樹的底層才被區(qū)分開來，19、20號機(jī)（HP LaserJet P2015dn）的參數(shù)測量值差別較小。說明品牌相同、檔次接近的激光打印機(jī)在上述15項參數(shù)測量值上較為接近，在打印量跨度較大的情況下，同品牌同型號的激光打印機(jī)較難通過量化測量的方法區(qū)分。

（3）從19～21號打印機(jī)的測量結(jié)果可以看出，打印量對激光打印文件參數(shù)測量值的變化有著較大影響，可在打印量跨度較小的情況下，通過量化測量方法區(qū)分同品牌同型號不同打印機(jī)打印樣本以及同一打印機(jī)不同時期的打印樣本。

（4）本研究是對18臺打印機(jī)連續(xù)打印的200頁樣本建立數(shù)學(xué)模型，發(fā)現(xiàn)通過閾值為117、最小準(zhǔn)入面積為1的字塊面積標(biāo)準(zhǔn)差等15項參數(shù)組合可以區(qū)分18臺打印機(jī)打印樣本，并將該實(shí)驗結(jié)果應(yīng)用于3臺辦公用激光打印機(jī)的區(qū)分，發(fā)現(xiàn)通過上述15項參數(shù)可區(qū)分不同類型的激光打印機(jī)，此方法對于不同類型激光打印機(jī)中等打印量的打印樣本分類具有可行性。

參考文獻(xiàn)：

[1]梁政，韓星周，郝紅光.利用ImageXpress系統(tǒng)灰度特征區(qū)分激光打印復(fù)印一體機(jī)的打印及復(fù)印文件初探[J].刑事技術(shù)，2013，38（4）:36-40.

[2]韓星周，梁政，郝紅光.激光連續(xù)打印文件特征變化的實(shí)驗探究[C].北京：中國人民公安大學(xué)出版社，2013:91-93.

[3]王潔，牟小彬，程衛(wèi)國.噴墨類打印機(jī)打印文件量化分析研究初探[C].北京：中國人民公安大學(xué)出版社，2013:86-91.

[4]Tan PN，Steinbach M，Kumar V. Introduction to data mining[M]. New Jersey: Addison Wesley，2005:150-168.

[5]Rokach L，Maimon O. Data Mining with Decision Trees[M]. Singapore :World Scientific Publishing Company，2008:77-81.

（本文編輯：張清華）

鑒定制度

Forensic System

Quantitative Study on the Microscopic Morphological Characteristics of Laser Printed Documents

MU Xiao-bin，WANG Jie，CHENG Wei-guo

（Shanghai Municipal Public Security Bureau，Shanghai 200083，China）

Abstract:Objective To establish a quantitative method for the classification of printed samples produced by different laser printers. Method A quantitative measurement and data analysis of the gray scale of printed contents，background and other related parameter terms was conducted using the ImageXaminer. Results 3 596 out of 3 600 pages of printed samples produced by 18 different laser printers were correctly classified based on the comprehensive analysis of 15 parameter terms. The accuracy of classification was 99.8%. Conclusion These 15 parameter terms can be used to distinguish samples of different types of laser printers.

Key words:questioned document examination; laser printing; microscopic characteristics; quantification

作者簡介：牟小彬（1981—），女，高級工程師，碩士，主要從事文件檢驗研究。E-mail: gaomusihuo@163.com。

基金項目：上海市公安局科研項目（NO.2014002）

收稿日期：2015-03-06

文章編號：1671-2072-（2015）05-0056-07

doi:10.3969/j.issn.1671-2072.2015.05.011

文獻(xiàn)標(biāo)志碼:A

中圖分類號:DF794.2