Görüntü Netleştirme
Adli görüntü netleştirme; suç soruşturmaları ve hukuki uyuşmazlıklarda bulanık, düşük çözünürlüklü veya karanlık dijital görüntü ve videodan delil değerindeki unsurların bilimsel yöntemlerle açığa çıkarılmasıdır. Yalnızca görsel iyileştirmeyle sınırlı değildir: görüntünün orijinal mi yoksa manipüle edilmiş mi olduğunu ELA, copy-move ve PRNU kamera parmak izi yöntemiyle matematiksel olarak kanıtlamayı da kapsar. Her işlem SWGDE ve ASTM F2825 standartlarına uygun yürütülür; bulgular HMK m.293 uzman mütalaası formatında mahkemeye sunulabilir niteliktedir.
Rakip içeriklerin tamamı “görüntüyü analiz ediyoruz, netleştiriyoruz” söylemiyle sınırlıdır. Bu sayfada adli görüntü biliminin teknik temelleri — uzaysal ve frekans domain iyileştirme yöntemleri, görüntü kaynağı × delil değeri matrisi, altı manipülasyon tespit tekniği, PRNU kamera parmak izi, deepfake tespiti, video zaman damgası analizi ve görüntü inceleme tutanağının içeriği — hukuki çerçeveyle birlikte kriminalistik uzman perspektifinden ele alınmaktadır.
Adli Görüntüleme Nedir?
Adli görüntüleme (forensic imaging), suç soruşturmaları ve hukuki uyuşmazlıklarda delil niteliği taşıyan fotoğraf ve video materyalinin bilimsel yöntemlerle incelenmesi, iyileştirilmesi ve doğrulanması disiplinidir.
Görüntü İyileştirme Bileşeni
- Düşük çözünürlüklü CCTV görüntüsünden yüz veya plaka tanımlanabilir hale getirme
- Hareket bulanıklığı (motion blur) giderme — Wiener filtresi ile PSF tahmini
- Parlaklık ve kontrast dengeleme — CLAHE yöntemiyle histogram eşitleme
- Gürültü giderme — spatial filtreleme ve wavelet denoising
- Süper çözünürlük (super resolution) — birden fazla kareden tek yüksek çözünürlüklü görüntü
- Renk dengeleme ve termal görüntü işleme
Görüntü Bütünlük Analizi Bileşeni
- ELA (Error Level Analysis) — sıkıştırma tutarsızlığından manipülasyon tespiti
- Copy-move detection — görüntü içi kopyala-yapıştır bölgelerinin tespiti
- PRNU (Photo Response Non-Uniformity) — cihaz parmak izi ile kaynak doğrulama
- Metadata ve EXIF bütünlük analizi — zaman damgası ve cihaz tutarlılığı
- Deepfake ve yapay zeka üretimi içerik tespiti
- Video çerçeve tutarsızlık ve zaman damgası analizi
Görüntü Kaynağı Türleri × Çözünürlük × Delil Değeri
Adli görüntü incelemesinin ilk adımı kaynağın tanımlanmasıdır. Farklı kamera türlerinin teknik karakteristikleri, uygulanabilecek iyileştirme yöntemini ve ulaşılabilecek kalite tavanını doğrudan belirler.
| Kaynak Türü | Tipik Çözünürlük | Sıkıştırma | Adli Zorluk | Delil Değeri Tavanı |
|---|---|---|---|---|
| AHD/TVI/CVI Analog CCTV | 720p–1080p (eski sistemlerde 4CIF = 704×576) | H.264; loop kaydı ile üzerine yazılma riski | Düşük çerçeve hızı (1–5 fps); renk kayması; gece görüşü IR gürültüsü | Yüz tanıma güç; araç plakası orta; olay kanıtlama yüksek |
| IP Güvenlik Kamerası | 2–8 MP (1080p–4K) | H.264/H.265; ağ üzerinden kayıt; NVR | Sıkıştırma artefaktı; ağ kesintisi frame kaybı; NVR erişim yetkisi | Yüksek — 4K sistemlerde yüz ve plaka net |
| Trafik / Radar Kamerası | Genellikle 2–5 MP; plaka odaklı alan derinliği | JPEG sıkıştırmalı anlık kare; zaman damgası entegre | Sabit açı; gece lens titremesi; reflektif yüzey parlaması | Plaka tespiti yüksek; sürücü yüzü kısıtlı |
| Cep Telefonu Kamerası | 12–200 MP; 4K 60fps video | HEIF/JPEG fotoğraf; H.265 video; EXIF metadata tam | Hareket bulanıklığı; dijital zoom artifaktı; sosyal medya EXIF sıyrılması | En yüksek — EXIF ile zaman/konum/cihaz bütünlüğü |
| Drone / İHA Görüntüsü | 4K–6K video; yüksek çerçeve hızı | H.264/H.265; GPS telemetri kaydı entegre | Yükseklik nedeniyle nesne boyutu küçük; titreşim stabilizasyonu artefaktı | Geniş alan olayları için yüksek; yakın çekim güç |
| Beden Kamerası (Body Cam) | 1080p–4K; geniş açı lens | H.264; loop veya olay tetiklemeli kayıt; zaman damgası | Geniş açı bozunumu; titreşim; düşük ışık | Güçlü — yüz ve ses eş zamanlı; zaman damgası güvenilir |
| Araç İçi Kamera (Dashcam) | 1080p–4K; ön ve arka kanal | H.264; G-sensor tetiklemeli kayıt; GPS iz | Ön cam yansıması; gece HDR artefaktı; loop kayıt üzerine yazılma | Trafik olayları için yüksek; GPS iz ile konum kanıtı |
Adli Görüntü İyileştirme Yöntemleri
Adli görüntü iyileştirmede iki temel alan kullanılır. Her alanın güçlü ve sınırlı olduğu sorun türleri farklıdır; uzman incelemede ikisi birlikte uygulanır.
Piksel Değeri Üzerinde Doğrudan İşlem
Görüntünün piksel matrisine doğrudan müdahale eden yöntemler. Gürültü azaltma, kontrast artırma ve kenar keskinleştirme için kullanılır.
CLAHE (Contrast Limited Adaptive Histogram Equalization): Görüntüyü bölgelere bölerek her bölgede bağımsız histogram eşitlemesi yapar; karanlık alandaki detayları aşırı parlaklık oluşturmadan ortaya çıkarır.
Bicubic / Lanczos Interpolasyon: Düşük çözünürlüklü görüntüyü büyütürken piksel bloklama artefaktını minimize eder; CCTV frame büyütmede standart yöntem.
Median / Bilateral Filtre: Salt-and-pepper gürültüsünü kenar detaylarını koruyarak temizler.
Fourier Dönüşümü ile Sinyal Analizi
Görüntüyü frekans bileşenlerine ayrıştırarak işleyen yöntemler. Periyodik gürültü giderme ve motion blur düzeltmede uzaysal yöntemlerden üstündür.
Wiener Filtresi: Hareket bulanıklığının (motion blur) PSF (Point Spread Function) tahminiyle giderilmesi. Titreşimden veya hızlı hareketten kaynaklanan bulanıklığı matematiksel olarak tersine çevirir.
FFT Notch Filtresi: Frekans spektrumunda yalnızca periyodik gürültü frekanslarını seçerek kaldırır; güç hattı titremesi veya CCD sensör satır gürültüsü gidermede kullanılır.
Wavelet Denoising: Multi-ölçekli gürültü bileşenlerini sinyal bileşenlerinden ayırır; JPEG sıkıştırma artefaktı temizlemede etkilidir.
Görüntü Manipülasyon Tespiti: 6 Yöntem
Bir görüntünün delil değeri taşıyabilmesi için orijinal olduğunun kanıtlanması gerekir. Rakiplerin hiçbirinde bu metodoloji teknik derinliğiyle açıklanmamaktadır.
ELA — Error Level Analysis
JPEG görüntüler her kaydedilişte kalite kaybına uğrar. Orijinal görüntüde sıkıştırma hatası homojen dağılır; manipüle edilmiş bölge farklı sıkıştırma geçmişinden dolayı anomali gösterir. ELA, bu ısı haritasını görünür kılar. Photoshop kopyala-yapıştır ve nesne ekleme vakalarında birincil tarama yöntemidir.
Copy-Move Detection
Görüntü içindeki bir bölgenin kopyalanıp başka bir konuma yapıştırılmasını tespit eder. DCT (Discrete Cosine Transform) katsayı blokları karşılaştırılarak eşleşen bölgeler tanımlanır. Olay yerinde nesne gizleme veya ekleme vakalarında kullanılır. Scale ve rotation invariant algoritmalar (SIFT tabanlı) döndürülüp ölçeklenmiş kopyaları da yakalar.
PRNU — Photo Response Non-Uniformity
Her kamera sensörünün üretim hataları nedeniyle kendine özgü piksel gürültü örüntüsü (PRNU) vardır. Bu örüntü görüntüye gömülüdür ve sıkıştırmadan etkilenmez. Referans cihazın PRNU profiliyle incelenen görüntünün PRNU’su karşılaştırılarak görüntünün o cihazdan gelip gelmediği matematiksel olarak (korelasyon katsayısıyla) kanıtlanır. “Bu fotoğraf o telefonla çekildi mi?” sorusunun bilimsel yanıtıdır.
EXIF ve Metadata Analizi
JPEG, PNG ve video dosyalarındaki EXIF metadata; çekim tarihi-saati, GPS koordinatları, cihaz modeli ve lens bilgisini içerir. Manipüle edilmiş görüntülerde metadata ile görüntü içeriği tutarsızlık gösterebilir: örneğin iPhone 14 ile çekildiği iddia edilen görüntünün metadata’sında “Samsung Galaxy” kaydı veya farklı zaman dilimi. XMP ve IPTC metadata alanları da incelenir.
YZ Üretimi İçerik Analizi
GAN (Generative Adversarial Network) ve diffusion model tabanlı deepfake yüzleri; göz kırpma frekansı anomalisi, kulak-saç sınırı bozunumu, dişlerde tutarsızlık ve ışık gölge yönü çelişkisi ile tespit edilir. Frekans domain analizinde GAN görüntüleri gerçek fotoğraflardan farklı spektral parmak izi bırakır. Microsoft Video Authenticator ve FaceForensics++ modelleri referans araçlardır.
Işık ve Gölge Analizi
Montaj yapılmış görüntülerde farklı kaynaklardan alınan nesnelerin gölge yönleri çelişir veya ışık kaynağı tutarsızlığı ortaya çıkar. Gölge açısı analizi ve speküler yansıma incelemesiyle sonradan eklenen nesneler tanımlanır. Renk sıcaklığı ve beyaz denge tutarsızlığı da tespit kapsamındadır.
Video Forensiği: Zaman Damgası, Çerçeve Tutarlılığı ve Ses Senkronizasyonu
| Analiz Türü | Yöntem | Tespit Edilebilen | Araç |
|---|---|---|---|
| Zaman Damgası Doğrulama | Container metadata (MP4 atom, MKV/EBML) incelemesi; codec timestamp vs. GPS/NTP zamanı karşılaştırması | Tarih-saat manipülasyonu, kesme veya ekleme, kayıt sırası değişikliği | ffprobe, MediaInfo, ExifTool |
| Çerçeve Tutarlılık Analizi | Frame-by-frame fark hesabı (optical flow); GOP yapısı (I/P/B frame) incelemesi; bitrate grafiği | Kesme (cut), ekleme (insert), hız değiştirme, loop döngüsü, yeniden kodlama | Amped FIVE, VLC frame analiz, Python MoviePy |
| Ses-Görüntü Senkronizasyonu | Audio waveform ile video frame zaman hizalama; dub veya overdub tespiti | Sonradan eklenmiş ses, dublaj, gürültü maskesi; sesin görüntüyle tutarsızlığı | Adobe Audition, Praat, Sonic Visualiser |
| Kodek ve Container Analizi | Codec imzası, encoding parametresi ve container sürümü incelemesi; re-encoding tespiti | Orijinal kaydın değiştirilmeden saklanıp saklanmadığı; platform yeniden işleme izleri | ffmpeg, MediaInfo, Amped FIVE |
| Makroblok ve Artefakt Analizi | H.264/H.265 makroblok sınırlarındaki anormallik tespiti; iki farklı sıkıştırma geçmişi izleri | Sahne ekleme/çıkarma; orijinal olmayan bölge tespiti | ffmpeg makroblok görselleştirme; Amped FIVE DCT analizi |
PRNU Kamera Parmak İzi — “Bu Görüntü O Cihazdan mı Geldi?”
PRNU (Photo Response Non-Uniformity) analizi, adli görüntülemede kaynak cihaz doğrulamanın en güçlü yöntemidir ve tüm rakip içeriklerde tamamen eksiktir.
PRNU Nasıl Çalışır?
- Her kamera sensörü, üretim sürecindeki nanometre ölçeğindeki kusurlar nedeniyle kendine özgü bir piksel gürültü örüntüsü üretir
- Bu örüntü — sensörün parmak izi — çekilen her fotoğrafa ve videoya gömülür
- Sıkıştırma, yeniden boyutlandırma ve platform işlemesine rağmen istatistiksel olarak tespit edilebilir kalır
- Referans cihazdan 50+ görüntüyle PRNU profili çıkarılır; incelenen görüntünün gürültü örüntüsüyle korelasyon hesaplanır
- PCE (Peak to Correlation Energy) değeri eşiği aşarsa görüntünün o cihazdan geldiği bilimsel olarak kanıtlanır
PRNU’nun Adli Kullanım Senaryoları
- “Bu fotoğraf o telefonla çekildi mi?” — cinsel suç, müstehcenlik, tehdit davalarında kaynak tespiti
- “Bu video o güvenlik kamerasından mı?” — sahte CCTV kaydı iddiası doğrulama
- Anonim görüntü kaynağı tespiti — sızdırılan gizli belge fotoğrafının hangi cihazdan çekildiği
- Deepfake/GAN görüntü ayrımı — yapay zeka üretimli görüntüde doğal PRNU örüntüsü yoktur
- Araç: SPN (Sensor Pattern Noise) Toolbox (MATLAB), PRNU-Copy, Photo Forensics
Görüntü İnceleme Tutanağı Nedir?
Görüntü inceleme tutanağı, adli görüntü analizinin tüm teknik adımlarını, kullanılan araçları, elde edilen bulguları ve uygulanan yöntemleri kayıt altına alan; mahkemede uzman mütalaası veya bilirkişi raporu ekinde sunulan resmi belgedir. Bu kavram hiçbir rakip sayfada açıklanmamaktadır.
| Tutanak Bölümü | İçerik | Amacı |
|---|---|---|
| Ham Görüntü Kayıt Bilgisi | Dosya adı, boyutu, formatı ve MD5/SHA-256 hash değeri | Orijinal görüntünün inceleme boyunca değişmediğinin matematiksel kanıtı |
| Kaynak Cihaz ve Metadata | EXIF — cihaz modeli, çekim tarihi/saati, GPS koordinatları, lens bilgisi; metadata bütünlük değerlendirmesi | Görüntünün iddia edilen kaynaktan gelip gelmediğini doğrulama |
| Uygulanan İşlemler Sırası | Her adım için: yöntem adı, parametreler, araç adı ve sürümü, önce/sonra görüntü | Reproducibility — başka bir uzman aynı adımları izleyerek aynı sonucu üretebilmelidir |
| Manipülasyon Tespiti Sonuçları | ELA ısı haritası, copy-move tespiti, PRNU korelasyon katsayısı (PCE değeri), metadata tutarlılığı | Görüntünün orijinal mi yoksa değiştirilmiş mi olduğunun bilimsel gerekçesi |
| Kalite ve Güven Değerlendirmesi | İyileştirme sonrası PSNR (Peak Signal-to-Noise Ratio) ve SSIM (Structural Similarity Index) değerleri; teknik sınırlar ve güven aralığı | Ulaşılan sonucun bilimsel belirsizlik derecesini şeffaf biçimde ortaya koyma |
| Uzman Beyan Bölümü | Uzmanın uzmanlık alanı, sertifikalar, HMK m.293 / CMK m.63 formatı beyanı, imza | EEAT ve mahkeme güvenilirliği için kişisel sorumluluk beyanı |
Kriminal İncelemede Neye Bakılır?
- Yüz tanımlama ve karşılaştırma
- Araç plakası netleştirme
- Giysi, dövme, ayırt edici özellik
- Yürüyüş analizi (gait analysis)
- Araç marka-model tespiti
- Zaman damgası doğrulama
- Olayın sırası ve süresi
- Farklı kamera açısı çapraz doğrulama
- GPS iz ile coğrafi eşleştirme
- Gün ışığı açısıyla saat teyidi
- ELA sıkıştırma tutarsızlığı
- Copy-move bölge tespiti
- Metadata bütünlüğü
- Işık-gölge tutarlılığı
- Re-encoding ve kırpma tespiti
- PRNU kamera parmak izi
- Codec ve container imzası
- Platform işleme izi (Instagram, WhatsApp)
- Deepfake / GAN tespiti
- Steganografi kontrolü
Adli Görüntü İnceleme Süreci
-
Ham Görüntü Teslim ve Hash KayıtGörüntü veya video dosyası orijinal ortamında (hafıza kartı, DVR kaydı, cihaz) teslim alınır. Herhangi bir işlem yapılmadan MD5 ve SHA-256 hash değerleri hesaplanır; tutanağa işlenir. Bu adım, analizin tamamında orijinal veriye dokunulmadığının matematiksel güvencesidir. Dijital kopya write-blocker veya read-only mount ile alınır.
-
Metadata ve EXIF Bütünlük AnaliziEXIF, XMP ve IPTC metadata bütünüyle çıkarılır. Cihaz bilgisi, çekim tarihi-saati, GPS koordinatları ve yazılım alanları incelenerek tutarsızlık aranır. Metadata değişikliği varsa hangi alanın ne zaman değiştirildiği ExifTool ve metadata timeline aracılığıyla belirlenir.
-
Görüntü Kalite Değerlendirmesi ve İyileştirme PlanıGürültü düzeyi (SNR), bulanıklık tipi (motion blur / defocus), sıkıştırma artefaktı şiddeti ve çözünürlük analiz edilir. Hangi yöntemlerin (CLAHE, Wiener, wavelet, süper çözünürlük) uygulanacağı belirlenip tutanağa kaydedilir. Beklenen çıktı kalitesi ön değerlendirmede paydaşlarla paylaşılır.
-
İyileştirme ve Manipülasyon TespitiBelirlenen yöntemler sırayla uygulanır; her adımın girdi ve çıktı görüntüsü arşivlenir. ELA, copy-move, PRNU ve metadata tutarlılık analizleri paralel yürütülür. Şüpheli bölgeler işaretlenerek görsel rapor hazırlanır.
-
Kalite Metriği ve Güven Aralığı Belirlemeİyileştirme sonrası PSNR ve SSIM değerleri hesaplanır. Kimlik tespiti veya plaka okuma gibi kritik çıktılar için güven düzeyi (“yüksek güven”, “orta güven”, “teknik sınır nedeniyle belirsiz”) açıkça raporlanır. Aşırı iyileştirme artefaktı oluşup oluşmadığı kontrol edilir.
-
Görüntü İnceleme Tutanağı ve RaporlamaTüm adımlar, araçlar, parametreler, önce/sonra görseller, manipülasyon tespiti sonuçları ve uzman değerlendirmesiyle birlikte SWGDE/ASTM F2825 standartlarına uygun tutanak hazırlanır. HMK m.293 uzman mütalaası veya CMK m.63 bilirkişi raporu formatında mahkemeye sunulabilir nitelikte teslim edilir.
Hizmet Kapsamı
CCTV ve Güvenlik Kamerası Görüntüsü Netleştirme
Analog AHD/TVI ve IP kamera görüntülerinde CLAHE kontrast artırma, Wiener filtreyle motion blur giderme, bicubic/Lanczos interpolasyon ile büyütme ve süper çözünürlük işlemi. Gece IR görüntüsünde gürültü azaltma. Araç plakası netleştirme, yüz tanımlamaya hazırlık ve olay kronolojisi kurma. Her işlem adımı görüntü inceleme tutanağına kaydedilir; PSNR/SSIM kalite metrikleri ile güven düzeyi raporlanır.
Görüntü Manipülasyon ve Orijinallik Tespiti
ELA (Error Level Analysis), copy-move detection, PRNU kamera parmak izi, metadata bütünlük analizi ve ışık-gölge tutarlılık incelemesi. “Bu görüntü gerçek mi, montaj mı?” sorusunun bilimsel yanıtı. Deepfake ve GAN üretimi içerik tespiti. Mahkemeye sunulabilir manipülasyon tespiti raporu; her bulgu görsel kanıtlarla belgelenir.
Video Forensiği — Zaman Damgası ve Çerçeve Analizi
Video container metadata doğrulama, frame-by-frame tutarlılık analizi, GOP yapısı ve bitrate profili incelemesi. Kesme, ekleme, hız değiştirme ve loop döngüsü tespiti. Ses-görüntü senkronizasyonu ve sonradan eklenmiş ses tespiti. DVR kayıt bütünlüğü ve loop üzerine yazılma analizi.
PRNU Kamera Parmak İzi ve Kaynak Doğrulama
Referans cihazdan PRNU profili çıkarılarak incelenen görüntünün o cihazdan gelip gelmediğinin PCE korelasyon değeriyle matematiksel olarak kanıtlanması. Anonim kaynaklı görüntü atıfı, cinsel suç davalarında cihaz-görüntü eşleştirmesi ve deepfake tespiti uygulamaları. Referans cihaza erişim yoksa alternatif kaynak analiz yöntemleri değerlendirilir.
HMK m.293 Görüntü İnceleme Tutanağı ve Uzman Mütalaası
SWGDE ve ASTM F2825 standartlarına uygun görüntü inceleme tutanağı. Ham görüntü hash değeri, EXIF raporu, uygulanan işlem sırası, manipülasyon tespiti sonuçları, kalite metrikleri ve uzman beyanı. HMK m.293 kapsamında tarafça delil olarak sunulabilir; CMK m.63 mahkeme bilirkişisi formatında da hazırlanabilir. Duruşmada sözlü açıklama desteği sağlanır.
Sık Sorulan Sorular
Adli görüntüleme nedir?
Adli görüntüleme, suç soruşturmaları ve hukuki uyuşmazlıklarda delil niteliği taşıyan fotoğraf ve video materyalinin bilimsel yöntemlerle incelenmesi, iyileştirilmesi ve doğrulanmasıdır. İki temel bileşenden oluşur: görüntü iyileştirme (netleştirme, kontrast artırma, plaka ve yüz tanımlamaya hazırlık) ve görüntü bütünlük analizi (ELA, copy-move, PRNU ile manipülasyon tespiti). Her işlem SWGDE ve ASTM F2825 standartlarına uygun yürütülür; sonuçlar HMK m.293 uzman mütalaası formatında mahkemeye sunulur.
Görüntü inceleme tutanağı nedir?
Görüntü inceleme tutanağı, adli görüntü analizinin tüm teknik adımlarını, araçlarını ve bulgularını kayıt altına alan resmi belgedir. İçermesi gerekenler: ham görüntü MD5/SHA-256 hash değeri (orijinallik kanıtı), EXIF metadata raporu, uygulanan işlem sırası ve parametreler, manipülasyon tespiti sonuçları (ELA, PRNU), kalite metrikleri (PSNR, SSIM), güven düzeyi değerlendirmesi ve uzman imzalı beyanı. Bu tutanak HMK m.293 uzman mütalaası ekinde mahkemeye sunulur; herhangi bir uzmanın aynı adımları izleyerek sonucu doğrulayabilmesi (reproducibility) gereklidir.
Cep telefonu adli incelemesinde tüm veriler kurtarılır mı?
Hayır, tüm verilerin kurtarılması garanti edilemez. Başarı oranı üç faktöre bağlıdır: (1) Üzerine yazılma — cihaz kullanılmaya devam ettikçe NAND flash bellekteki silinmiş alanlara yeni veri yazılır ve kurtarma imkânsızlaşır. (2) Şifreleme — iOS Secure Enclave veya Android FBE ile şifreli cihazlarda fiziksel kurtarma mümkün olsa bile içerik okunamayabilir. (3) Hasar türü — chip-off gerektiren vakalarda çipin durumu belirleyicidir. En kritik kural: veri kaybının farkına varıldığı anda cihazı kullanmayı durdurun; her yeni veri yazımı kurtarma şansını düşürür.
Kriminal incelemede neye bakılır?
Adli görüntü kriminal incelemesinde dört ana kategoriye bakılır: (1) Kimlik tespiti — yüz, araç plakası, giysi ve dövme gibi ayırt edici özelliklerin netleştirilmesi. (2) Olay kronolojisi — zaman damgası doğrulama, olayın sırası ve farklı kamera açılarının çapraz karşılaştırması. (3) Manipülasyon tespiti — görüntünün kırpılıp kırpılmadığı, nesne eklenip eklenmediği, ELA ve copy-move analizi. (4) Kaynak doğrulama — PRNU kamera parmak izi ile görüntünün iddia edilen cihazdan gelip gelmediğinin matematiksel kanıtlanması.
Bulanık CCTV görüntüsünden plaka okunabilir mi?
Mümkün olabilir; ancak sonuç orijinal görüntünün çözünürlüğüne ve bulanıklık türüne bağlıdır. Defocus (odak dışı) bulanıklığında Wiener filtresi etkilidir. Motion blur durumunda PSF tahmini ile kısmi düzeltme sağlanır. Birden fazla kare mevcut ise süper çözünürlük ile alt-piksel bilgi birleştirilir. Ancak orijinal çözünürlükte bilgi yoksa hiçbir yöntem bilgi üretemez — adli iyileştirme var olan bilgiyi ortaya çıkarır, yoktan bilgi yaratmaz. Güven düzeyi raporda açıkça belirtilir.
CCTV Görüntü Analizi
ELA Manipülasyon Tespiti
PRNU Kamera Parmak İzi
Deepfake Tespiti
EXIF Metadata Analizi
Video Zaman Damgası
Görüntü İnceleme Tutanağı
HMK m.293 Görüntü Raporu
Adli Görüntü Netleştirme ve Kriminalistik Analiz
CCTV netleştirme, manipülasyon tespiti, PRNU kamera parmak izi, deepfake analizi veya SWGDE/ASTM uyumlu görüntü inceleme tutanağı ve HMK m.293 uzman mütalaası için İzmir merkezli kriminalistik uzman ekibimizle iletişime geçin.