существующих. Она дает возможность восстановления структуры дифференциальных уравнений по временному ряду радиолокационных наблюдений, где независимыми переменными являются угол зондирования, скорость ветра, характеристики растительного покрова и т. д. Эта «рассмотренная проблема непосредственно входит в круг общих вопросов эволюции (самоорганизация и деградация) открытых распределенных радиосистем при изменении внешних параметров (появление точек бифуркаций) и создания новых информационных технологий в радиолокации и радиофизике»[129]. Это означает, что решение данной проблемы позволяет на основе последовательного дифференцирования получить некоторые сечения (сигнатуры) аттрактора, который контролирует процесс рассеяния, что помогает реконструировать исследуемый ландшафт и скрытый в нем объект, особенно искусственный объект.
В этом плане заслуживают внимания исследования математического и программного обеспечения фрактального распознавания природных и искусственных объектов, которые осуществлены отечественными учеными А.С. Аветисовым, М.А. Карповым, М.В. Юрковым и другими. Ими предложен алгоритм оценки размера фрактала текстуры по длине контура, а также адаптивный алгоритм для фрактального распознавания искусственных объектов, основанный на концепции кромкосохраняющего сглаживания для правильной оценки фрактальной размерности в окрестности краев; рассмотрен метод распознавания искусственных объектов на фоне природного пейзажа, основанный на модели фракгальносги; представлено описание модели в форме набора уравнений плоскостных кривых, показано, что такие признаки целей, как прямые линии, образующие силуэты, могут быть использованы для обнаружения объектов[130].
Оценка фрактальности текстуры является важной характеристикой при сегментации по размеру фрактала. Алгоритм оценки размера фрактала текстуры по длине контура состоит в развитии алгоритма оценки размера фрактала линии для оценки размера фрактала поверхности. Для оценки фрактала текстуры производится разбиение динамического диапазона яркостей изображения на равные интервалы. Для полученного набора пороговых уровней строится бинарное изображение. При этом отсчетам, яркость которых меньше порога, приписывается значение 0, а отсчетам, яркость которых выше или равна порогу, приписывается значение 1. Таким образом, исходное изображение представляется набором бинарных изображений. Для каждого из таких изображений производится оценка размера фрактала контуров единичных областей. В качестве оценки размера фрактала исходного изображения используется среднее значение полученных фракталов для бинарных изображений. При этом следует оценивать размер фрактала бинарных изображений только по строкам, только по столбцам, а также совместно по строкам и столбцам, что имеет особое значение при распознавании анизотропных текстур. Это значит, что фрактальная обработка сигналов