用作打印机源识别的多层次语义交互模型MSINet

打印源识别是文件检验领域中重要的取证技术。针对同类打印机文档中字符结构差异导致的显著性类内差异,提出了一种基于空间图像重组的微尺度特征强化方法。该方法通过重组图片字形结构,弱化因字符差异导致的大尺度结构化特征,进而强化模型对不同类型打印机印刷的判别性特征;更进一步,针对不同字号、字体造成的风格差异,提出了一个基于深度学习的多层次语义交互模型MSINet(multi-level semantic interaction network),通过构建不同层次特征的交互方法,降低打印字符的风格差异所带来的影响。在Printing Technique Dataset数据集上验证了所提方法的有效性,识别准确率达到了99.4%,相比目前主流的文本无关打印机源识别方法,具有更高的识别准确率。