河湖管理是城市生态治理过程中必不可少的重要环节,与居民的生活和工作息息相关。但由于科技技术在河湖管理中应用不足,大部分一线工作依赖人工完成,庞大的工作量导致河湖管理工作成本高、周期长、回报率低等矛盾日益突出。因此本文提出建立基于特征的无人机河湖图像智能处理系统,将计算机视觉技术应用到河湖巡检工作中,实现人工识别到机器识别的转变,为河湖巡检工作提供数字化、智能化的技术支持。本文首先分析了国内外无人机应用现状和人工智能研究现状,搜集了我国无人机在水利行业中的应用案例。然后针对河湖图像智能处理的应用需求,研究了图像处理中常用的技术方法,并主要解决了两方面的问题:一是河道区域分割;二是两种河面污染源的识别,特别是废弃船只和绿色漂浮物污染。为实现河道区域的完整分割,提出区域生长和活动轮廓模型相结合的分割方法并与基于边缘的分割结果进行了比较,得出该方法更适合解决无人机河湖图像中河道区域分割问题。为了实现两种河面污染源的识别,提出采用DPM(Deformable Part Model)模型识别河面废弃船只和采用HSV(Hue,Saturation,Value)模型的模板匹配法识别绿色漂浮物,并通过实验验证DPM模型在识别紧紧相连且形状类型不同的船只时效果较好,基于HSV的模板匹配法在绿色漂浮物识别中正确率能够达到 91.23%。最后本文在对姜堰区河湖巡检工作流程研究的基础上,进行了河湖图像智能处理系统的需求分析与功能设计,并给出了无人机地面数据采集、无人机数据处理、河湖巡查事件处理、巡查大数据智能分析等主要功能的实现结果。本系统实现了河湖图像的智能化处理、问题结果的数字化分析、管理工作的自动化流转,能够降低巡检成本,缩短巡检周期,提高巡检效率,在维护河湖健康、实现河湖功能永续利用、完善水治理体系、保障水安全的工作中有较好的应用前景。