随着打印机的普及,打印文档已经成为信息的重要载体。打印文档一般包含了打印机不同的机械特性,充分挖掘和利用这些特性可以为追溯源打印机提供线索。相较在文档中嵌入水印等高成本的防伪手段,打印机识别技术因其低廉的成本,已经成为伪造文档检测领域的研究热点之一。本文提出了一种新的基于傅里叶残差值的打印机机源识别方法,具体工作如下:1、针对打印文档中字体字形多变的情况,本文提出了一种基于傅里叶残差值结合统计和纹理特征的打印机识别新方法。该方法首先利用傅里叶-拉普拉斯变换过滤掉图像中的噪声,然后对去噪后的图像和源图像做绝对差值得到傅里叶残差图像;接着,在残差图像上提取均值、方差、皮尔逊相关系数、峰度、偏度等统计特征,以及灰度无关和旋转不变性局部二值模式特征。最后,该方法融合这两种特征并将其送入支持向量机,从而得到文档所属的打印机类别。2、针对手工设计特征比较复杂这一问题,本文进·步提出了基于卷积神经网络的打印机识别算法。该方法通过在文档字符作傅里叶残差信息和边缘信息提取与表示基础上,将其作为神经网络的输入,以扩大类间的差距和减少字符内容的影响;同时,针对不同打印机之间打印的字符差异不明显的情况,本文采用了度量学习中的三联组损失的方法,通过该方法寻找嵌入空间,该空间符合类内字符特征间的距离尽可能近、同时类间字符特征间距离尽可能远的要求。最后通过梯度决策提升树对嵌入特征进行训练分类。该方法显著提高了分类的准确率。本文在公开的数据集上进行了测试,并与部分方法进行了对比。实验结果表明,本文提出的方法在准确率、召回率和F1值上性能都有所提升,具有较好的打印机识别效果。