TU Darmstadt / ULB / TUprints

Entwicklung von gedruckten stochastischen Identifikationsmerkmalen

Fernandes, Felipe Clement (2019)
Entwicklung von gedruckten stochastischen Identifikationsmerkmalen.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
Dissertation_Fernandes.pdf - Accepted Version
Copyright Information: CC BY-NC-SA 4.0 International - Creative Commons, Attribution NonCommercial, ShareAlike.

Download (15MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Entwicklung von gedruckten stochastischen Identifikationsmerkmalen
Language: German
Referees: Dörsam, Prof. Edgar ; Katzenbeisser, Prof. Stefan
Date: 20 June 2019
Place of Publication: Darmstadt
Date of oral examination: 5 June 2019
Abstract:

In den letzten Jahren nehmen Produktfälschungen weltweit stetig zu. Hersteller von Markenprodukten versuchen daher, ihre Produkte fälschungssicher zu gestalten. Da viele Produkte verpackt werden, ist der Fälschungsschutz der Produktverpackung ein wichtiger Ansatzpunkt. Viele technisch anspruchsvolle Sicherheits- und Identifikationsmerkmale werden nicht direkt mit der Verpackung gedruckt, sondern in einem eigenen Druckprozess hergestellt und als Etiketten auf die Verpackungen appliziert. Dabei kommen Kombinationen verschiedener Technologien zum Einsatz, welche mit zusätzlichen Herstellungskosten verbunden sind. Die vorliegende Arbeit ist der Entwicklung von Identifikationsmerkmalen gewidmet, welche direkt auf ein Druckprodukt gedruckt werden und sich so in den Druckprozess integrieren lassen. Die drei vorgestellten Druckmusterarten weisen dabei unter Ausnutzung verschiedener Effekte Strukturen auf, welche stochastisch wirken. Die stochastischen Druckmuster werden optisch erfasst und durch Methoden der Bildverarbeitung identifiziert. Nach der optischen Erfassung werden hierfür zunächst einheitlich verarbeitete Instanzen aus den Bilddaten berechnet. Diese werden als Eingangsgröße für die nachfolgende Merkmalsextraktion verwendet. Über eine Gaborfilterung werden schließlich Binärvektoren erzeugt. Die Ähnlichkeit der Binärvektoren wird über Hamming-Distanzen berechnet, welche eine Identifikation der Druckmuster erlauben. In der Validierung der Methode wird gezeigt, dass eine Identifikation der stochastischen Druckmuster möglich ist. Basierend auf 270 Druckmustern der drei Druckmusterarten wird nachfolgend gezeigt, wie durch Anpassungen in der Vorverarbeitung und Merkmalsextraktion der Bilddaten die Diskriminierbarkeit weiter erhöht werden kann. Zusätzlich wird dabei ein Standardprozess definiert, welcher für alle drei getesteten Druckmusterarten eine eindeutige Identifizierung der Druckmuster erlaubt. Es zeigt sich zudem, dass die Methode sowohl auf andere optische Messsysteme als auch auf andere Formen der Druckmuster übertragen werden kann und die Verwendung der stochastischen Druckmuster als Teil eines gedruckten Identifikations- oder auch Sicherheitsmerkmals möglich ist.

Alternative Abstract:
Alternative AbstractLanguage

The number of counterfeit products is rising worldwide in recent years. Manufacturers of branded products therefore try to make their products counterfeit-proof. As the packaging process is a common step in production, counterfeit protection of packaging is of essential interest. A number of technically sophisticated security and identification features are not simultaneously printed with the packaging but are created in a separated printing process and affixed as label on the packaging. Thereby a combination of various technologies is used, increasing the manufacturing costs. Content of this work is to develop identification features which can be directly printed onto the print product and thus can be integrated in the printing process. Under the use of different effects, the three presented printing pattern types show seemingly stochastic structures. The stochastic printing patterns are optically captured and identified through image processing methods. After the optical image acquisition uniformly processed instances are computed out of the image data. Those instances are used as input for the following feature extraction. Subsequently binary vectors are created through gabor filtering. The similarity between the binary vectors is calculated via hamming distances, allowing the identification ot the printing patterns. Validation shows that an identification of stochasic printing patterns is feasible. Using 270 samples of the three printing pattern types, it is shown that adjustments in the preprocessing and feature extraction of the image data increase the discriminatability. Furthermore a standardized procedure is defined, which allows for an unambiguous identification of the printing patterns for all three of the validated printing pattern types. The present work shows that the method can be applied to other optical measuring systems as well as to other types of printing patterns and that stochastic printing patterns can be a suitable part of a printed identification or security feature.

English
URN: urn:nbn:de:tuda-tuprints-87956
Classification DDC: 600 Technology, medicine, applied sciences > 600 Technology
Divisions: 16 Department of Mechanical Engineering > Institute of Printing Science and Technology (IDD)
16 Department of Mechanical Engineering > Institute of Printing Science and Technology (IDD) > Automatisierung und Messtechnik
Date Deposited: 28 Jun 2019 07:19
Last Modified: 28 Jun 2019 07:19
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/8795
PPN: 450225712
Export:
Actions (login required)
View Item View Item