Актуальность и цели. Во многих отраслях знаний существенная часть информации заключается в сложноструктурированных изображениях, многие из которых содержат текстуры. Наряду с общетеоретическим значением задача распознавания подобных изображений исключительно актуальна и с прикладной точки зрения. От ее успешного решения зависит эффективность обработки информации в области аэрокосмических исследований, анализа Земли из космоса, медицинской и технической диагностики. Целью настоящей работы является разработка теории анализа и распознавания изображений на основе стохастической геометрии и функционального анализа, позволяющей анализировать и распознавать цветные текстуры. Материалы и методы. В ходе выполнения работы был применен оригинальный подход к анализу и распознаванию цветных текстур с позиций стохастической геометрии и функционального анализа. Для формирования триплетных признаков цветных текстур применялся разработанный научной школой Н. Г. Федотова метод, позволяющий описывать исследуемое изображение как со стороны его геометрических характеристик, так и со стороны особенностей цвета. Результаты. Предложен новый подход к формированию признаков цветных текстур, основанный на аппарате стохастической геометрии и функционального анализа. Расширение теории триплетных признаков позволило осуществить анализ цветных текстур непосредственно без их предварительной бинаризации. Проведена экспериментальная проверка инвариантности построенной группы признаков к линейным деформациям анализируемых цветных текстур. Выводы. Построенная группа триплетных признаков позволит более полно описать цветные текстуры. Благодаря трехкомпонентной структуре триплетных признаков возможна генерация большого их количества, что позволяет увеличить гибкость, универсальность и надежность распознавания. Причем, как показывают проведенные эксперименты, при определенном выборе функционалов, входящих в структуру триплетного признака, формируемые характеристики приобретают свойства инвариантности к группе движений и линейным деформациям