The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Color Laser Printer Identification through Discrete Wavelet Transform and Gray Level Co-occurrence Matrix

이산 웨이블릿 변환과 명암도 동시발생 행렬을 이용한 컬러 레이저프린터 판별 알고리즘

  • 백지연 (국립금오공과대학교 컴퓨터공학부) ;
  • 이흥수 (국립금오공과대학교 컴퓨터공학부) ;
  • 공승규 (국립금오공과대학교 컴퓨터공학부) ;
  • 최정호 (한국과학기술원 전산학과) ;
  • 양연모 (국립금오공과대학교 전자공학부) ;
  • 이해연 (국립금오공과대학교 컴퓨터공학부)
  • Received : 2009.12.29
  • Accepted : 2010.03.12
  • Published : 2010.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

High-quality and low-price digital printing devices are nowadays abused to print or forge official documents and bills. Identifying color laser printers will be a step for media forensics. This paper presents a new method to identify color laser printers with printed color images. Since different printer companies use different manufactural systems, printed documents from different printers have little difference in visual. Analyzing this artifact, we can identify the color laser printers. First, high-frequency components of images are extracted from original images with discrete wavelet transform. After calculating the gray-level co-occurrence matrix of the components, we extract some statistical features. Then, these features are applied to train and classify the support vector machine for identifying the color laser printer. In the experiment, total 2,597 images of 7 printers (HP, Canon, Xerox DCC400, Xerox DCC450, Xerox DCC5560, Xerox DCC6540, Konica), are tested to classify the color laser printer. The results prove that the presented identification method performs well with 96.9% accuracy.

고성능 저가의 디지털 인쇄기기의 출현으로 불법적인 위변조가 사회적인 문제로 대두되고 있고, 이를 해결하기 위해서 디지털 포렌식 기술이 필수적이다. 본 논문에서는 컬러 디지털 인쇄기기를 판별하기 위한 디지털 포렌식 기술을 제안한다. 컬러 디지털 인쇄기기는 제조사마다 인쇄방법이 다르기 때문에, 출력물에 작은 차이가 존재한다. 이와 같은 차이점을 활용하면, 임의의 주어진 출력물에 대해 어떠한 인쇄기기로 출력되었는지 구별이 가능하다. 제안하는 방법에서는 차이점을 구별하기 위하여 출력물을 스캔한 디지털 이미지에 대해 이산 웨이블릿 변환을 수행하여 계산한 고주파 영역을 추출한다. 이에 대해 명암도 동시발생 행렬을 계산한 후에 행렬 데이터의 표준편차, 첨도, 왜도, 공분산, 상관계수의 특징을 추출하였다. 추출된 특징을 서포트 벡터 머신 분류기에 적용하여 디지털 인쇄기기를 판별하였다. 제안한 알고리즘의 성능을 분석하기 위하여 총 2,597장 이미지와 7대 프린터(HP, Canon, Xerox DCC400, Xerox DCC450, Xerox DCC5560, Xerox DCC6540, Konica)를 가지고, 기존 알고리즘과 비교 분석하였다. 그 결과에 따르면 제안한 알고리즘은 컬러 디지털 인쇄기기를 판별하는데 있어서 평균 96.9% 정확률을 보였다.

Keywords

References

  1. Wikipedia, "Printer steganography," http://en.wikipedia.org/ wiki/Printer_stegano graphy.
  2. Electronic Frontier Foundation, "DocuColor Tracking Dot Decoding Guide," http://w2.eff.org/Privacy/printers/docucolor/
  3. A. K. Mikkilineni, G. N. Ali, P.-J. Chiang, G. T.-C. Chiu, J. P. Allebach and E. J. Delp, "Signature-embedding in printed documents for security and forensic applications," Proc. of the SPIE Int. Conf. on Security, Steganography and Watermarking of Multimedia Contents, Vol.5306, pp.455-466, 2004. https://doi.org/10.1117/12.531944
  4. J.-H. Choi, "Color laser printer identification using color noise features," MCS 09030, MS thesis, Korea Advanced Institute of Science and Technology, 2009.
  5. S.-J. Ryu, H.-Y. Lee, D.-H. Im, J.-H. Choi, and H.-K. Lee, "Electro photographic Printer Identification by Halftone Texture Analysis," Proc. of IEEE Int. Conf. on Acoustics, Speech and Signal Processing, 2010. https://doi.org/10.1109/ICASSP.2010.5495377
  6. R. M. Haralick, K. Shanmugam, and I. Dinstein, "Textural features for image classification," IEEE Trans. on Systems, Man, Cybernetics, Vol.3, No.6, pp.610-621, 1973. https://doi.org/10.1109/TSMC.1973.4309314
  7. A. K. Mikkilineni, P.-J. Chiang, G. N. Ali, G. T.-C. Chiu, J. P. Allebach and E. J. Delp, "Printer identification based on graylevel co-occurrence features for security and forensic applications," Proc. of the SPIE Int. Conf. on Security, Steganography and Watermarking of Multimedia Contents, Vol.5681, pp.430-440, 2005. https://doi.org/10.1117/12.593796
  8. S.-J. Ryu, H.-Y. Lee, I.-W. Cho, and H.-K. Lee, "Document Forgery Detection with SVM Classifier and Image Quality Measure," Lecture Notes in Computer Science, Vol.5353, pp. 486-495, 2008. https://doi.org/10.1007/978-3-540-89796-5_50
  9. Wikipedia, "Support Vector Machine", http://en.wikipedia.org/ wiki/Support_vector _machine
  10. C.-C. Chang and C.-J. Lin, "LIBSVM: a library for support vector machines," Software available at http://www.csie.ntu. edu.tw/~cjlin/libsvm/, 2001.
  11. C.-W. Hsu, C.-C. Chang, and C.-J Lin, "A practical guide to support vector classification," http://www.csie.ntu.edu.tw/ ~cjlin/papers/guide/guide.pdfs

Cited by

  1. Counterfeit Money Detection Algorithm using Non-Local Mean Value and Support Vector Machine Classifier vol.2, pp.1, 2013, https://doi.org/10.3745/KTSDE.2013.2.1.055
  2. Hand-held Multimedia Device Identification Based on Audio Source vol.19, pp.2, 2014, https://doi.org/10.9723/jksiis.2014.19.2.073
  3. Counterfeit Money Detection Algorithm based on Morphological Features of Color Printed Images and Supervised Learning Model Classifier vol.2, pp.12, 2013, https://doi.org/10.3745/KTSDE.2013.2.12.889