Отзыв рецензента на выпускную квалификационную работу  Виденеевой Марии Валерьевны  Разработка алгоритмов анализа и классификации изображений с применением вейвлет-преобразований  Данная работа посвящена анализу и классификации изображений на основе  двух методов получения фрактальных характеристик изображения.  В обоих случаях используется метод вычисления фрактальной размерности  (размерности Минковского) для поверхности графика функции градации серого  исследуемого изображения. Метод основан на построении так называемого  дельта-параллельного тела для поверхности и вычисления объема этого тела.  Площадь поверхности функции градации серого вычисляется через объем,  а фрактальная размерность вычисляется через площадь поверхности.  В первом методе фрактальная размерность вычисляется для нескольких значений  дельта и таким образом получается некоторый характеристический вектор изображения.  Во втором методе из исходного изображения с помощью вейвлет-преобразования   при изменении масштаба получается последовательность изображений,  для каждого из которых вычисляется фрактальная характеристика для дельта=1,2.  В этом случае тоже получается характеристический вектор изображения.  Полученные вектора можно рассматривать как классификационные признаки.  При проведении численных экспериментов использовались образцы  биомедицинских препаратов  ткани печени (здоровой и больной),  а также ткани почек. Каждый класс изображений содержит 10-12 изображений.  Эксперименты показали, что для изображений из одного класса вектора признаков  близки, в то время как для изображений из разных классов они различны.  Произведен сравнительный анализ обоих методов. Также было показано,  что результат численных исследований зависит от выбора способа  представления изображения (grayscale или от выбора шкалы HSV). Приложение реализовано с использованием технологии .Net Win Forms и  шаблона проектирования Model-View-Presenter. Для каждого алгоритма  пользователь может выбрать функцию  градации серого и способ вычисления  объема. Кроме того в комплекте с программой присутсвует справочная  информация, помогающая освоить программу начинающему пользователю.  В программе присутствует возможность выбора языка для пользовательского  интерфейса  В качестве замечания хочу отметить отсутствия сравнения описанных методов  с методами других авторов. Русская локализация пользовательского интерфейса  является частичной, можно встретить компоненты с англйскими заголовками.  Небольшое количество демонстрационных примеров для программы  не способствует первичному знакомству с реализованными методами.    Считаю, что работа заслуживает оценки отлично.  Рецензент кфмн, сотрудник компании Dell Software Терентьев С.В.