中国是拥有1.8万公里海岸线的海洋大国,沿海地区灾害性海浪频发,严重威胁近海民众生命财产安全。因此,近岸海浪的检测及预报对浅海生产作业以及保障我国沿海人民生命财产安全等方面具有重要意义。目前我国近岸海浪观测采用波浪浮标与人工观测相结合的方式,波浪浮标运行和维护成本高,人工观测的观测频率和精度难以保障;浪高预报业务多采用基于能量平衡方程的动力学方法,其建立在明确物理过程的基础上,而近岸海底地形复杂,对浪高预报影响大,因此基于动力学的近岸浪高预报效果存在一定局限。本文针对上述问题展开研究,主要内容如下:（1）针对波浪浮标运行和维护成本高,人工观测的观测频率和精度难以保障的问题,提出了基于近岸海浪视频的浪高自动检测方法。首先从近岸海浪监控视频中抽取视频帧,经过缩放、归一化等预处理后,使用基于Xception模块搭建的深度卷积神经网络进行浪高特征提取,结合时空多级特征融合策略将海浪视频中时空特征以及不同层次的浪高特征进行融合,最后利用通道空间双注意力模块对融合后的特征进行权重调整并使用全连接层输出浪高值。此外,针对近岸海浪视频中礁石、建筑等干扰物影响浪高检测精度的问题,提出基于融合帧差法与形态学操作的海面区域自动识别方法,累加若干帧的帧差,以提取视频中的海浪区域,利用腐蚀与膨胀操作去除图像中的噪声,获得高质量海面区域掩码,最终用于去除礁石、建筑等干扰物对浪高检测精度的影响。实验结果表明,该方法能够有效地利用近岸海浪视频检测浪高,整体浪高检测的MAE低至0.08m,MAPE低至5.99%,满足浪高业务化检测的要求（MAPE小于20%）,同时具有低成本、高实时性和环境友好的优点。（2）针对动力学方法在近岸浪高预报效果存在局限的问题,提出了一种基于局部加权回归的周期趋势分解（STL）和两级融合的近岸浪高预测方法。结合近岸浪高时间序列的多周期性、非线性和非平稳性的特点,首先利用周期图法提取近岸浪高数据集中的4个主要周期并基于主要周期进行多次STL分解,将复杂的原始浪高序列分解为周期项、趋势项和余项,其次利用长短期记忆网络（LSTM）并结合两级融合以融合长中短时序下的浪高特征,搭建近岸浪高预测网络,最后使用自注意力机制调整权重并输出未来12个小时的浪高值。通过与当前主流时间序列预测方法对比,验证了所提方法在近岸浪高序列预测中具有良好的实用性和更低的预测误差。（3）针对我国局部海洋要素精细化检测预测系统鲜有研究的现状,设计并研发了基于近岸海浪视频的浪高实时检测预测系统。系统分为视频传输、视频预处理、浪高检测、浪高预测和浪高可视化五个模块,其中:视频传输模块负责所有监控视频在系统中的传输;视频预处理模块负责消除视频中干扰物对浪高检测精度的影响;浪高检测模块和浪高预测模块使用本研究提出的浪高检测方法和浪高预测方法进行浪高的检测和预测;浪高可视化模块负责将检测所得浪高值映射为伪彩色,对浪高进行可视化。该系统支持多观测站点并行检测、站点切换、自动截断保存监控视频和存储浪高数据等功能。实证分析表明,本研究提出的浪高检测和预测算法能够以较低的误差进行浪高检测和预测。在国家海洋局北海预报中心的应用试验表明,该系统运行稳定,能够较好地协助浪高预报人员的工作。