水文数据采集作为水文工作的核心,在民生经济与生态环境的协调发展中发挥了重要作用。随着多学科技术的融合与发展,水文工作正向全自动无人测流方向发展。当前多地测站已经实现了半自动化测流,在水文作业中为避免漂浮水草缠绕在测深杆上,对测流设备安全产生威胁,水文站普遍采用人工监视与干预的方式进行预防。该方式易受视觉疲劳影响、效率低且中断测流进程的自动衔接。针对河域漂浮水草,本文采用图像处理的方法进行识别,并将识别结果应用于测流系统的自适应调节中,主要研究内容包括:（1）测流河域监控系统搭建。通过对识别需求进行分析,基于水文站现有的测流设备及功能,搭建了远程视频监控系统。主要包括摄像机的选型、定位与安装,供电方案的确定,实现了对平台上游区域的画面采集。考虑到缆道测流布线不方便,采用无线网桥组件局域网实现监控设备向总控中心实时传输视频画面。最后通过视频帧化处理获得水域图像画面。（2）河域漂浮水草的识别方法研究。首先对预处理方法进行对比分析,从主客观角度选取出最佳预处理方案,通过预处理的水域灰度图既保留局部特征、实现初步降噪,又降低了图像数据量。然后采用优化的局部阈值分割算法降低亮度分布均匀的影响,实现了水草与水体的分割。针对水草分割结果中特征缺失的情况,本文提出数学形态学方法进行特征加强。最后基于水草的几何面积特征进行筛选实现了对水草的识别,并通过最小外接矩形对水草位置在全局图像中进行标记。（3）水草识别算法实验研究。结合Open CV图像算法库与C#语言对视频监控系统进行软件开发,完成软件功能模块设计,为实验采集与后期的实际应用提供基础。对本文的水草识别算法进行性能验证,实验结果表明:在样本容量下,该识别算法准确率达到98%,能够满足监测的准确性要求;且0.64s的平均耗时可以满足悬杆测流系统自适应调节的即时性需求。（4）水草识别结果应用研究。首先通过摄像机的固定位置及摄像机的拍摄模型,对图像坐标系与世界坐标系之间的转换方程进行推导。然后结合测流进程,对水草的区域范围及相对距离进行自动获取。最后对测流系统的自适应调节做出初步规划。