我国是一个河流分布广泛、水系发达的国家。截止到目前,我国已建成了水文站点12.5万处,水文站点遍布全国,且发展迅速,这些水文站点大部分分布在长江、黄河流域。水位作为航道航行安全的重要指标,同时,也是保障船舶合理配载与安全航行的重要参考。水尺作为测量水位的标尺,在水位监测中发挥着不可替代的作用。目前,我国传统的依靠人工观读的水位测量方式还处于比较落后的水平;虽然人工智能、计算机视觉等技术的研究与应用在我国已经取得了不小的进步,获得了丰硕的研究成果,但智能视觉水位监测技术的研究还处于起步阶段,将人工智能和计算机视觉技术应用于水位监测更为少见。因此,利用智能视觉处理技术改善现有的水位测量方式,实现水尺水位测量的智能化具有广泛的实际应用价值。本课题依托与长江宜昌航道局合作的“新型智能水尺自动识别系统”项目,针对“新型水尺图像分割与识别算法的关键技术”展开相关研究工作。课题在分析传统水尺不足的基础上,针对智能视觉检测的需要设计了新型水尺,并围绕应用中水尺图像的角度倾斜校正、水尺图像预分割与精准分割、以及水位识别等关键问题开展相关的研究工作,重点研究了基于超像素与图割算法结合的水尺图像分割与识别技术,并提出了相应的解决方案。本论文主要研究内容及具体工作体现在以下几个方面:（1）针对传统水尺在智能视觉监测中不足的问题,设计并实现了满足智能视觉水位识别的新型水尺;为精确识别水尺的标示,提出了水尺图像的畸变校正、灰度处理与灰度压缩、滤波等预处理方法;将新型水尺应用于长江水位识别中,获得了比较满意的效果;（2）针对获取的水位图像中,水尺存在角度倾斜的问题,提出了一种分层的金字塔结构Hough变换的倾斜校正算法。该算法对拍摄的水尺视频序列图像进行2抽取,得到不同分辨率的水尺图像,对分辨率从低到高水尺图像应用Hough变换,逐步缩小倾斜角度的搜索范围,最终获取水尺图像中精确的水尺倾斜角度,然后进行倾斜校正;（3）针对长期处于野外环境的水尺,由于复杂自然环境易沾染污渍而影响识别的问题,提出了融合中值滤波的超像素预分割算法。本文算法将中值滤波思想融入到超像素简单线性迭代聚类（SLIC）算法的种子点的选取中,改变传统SLIC算法中的为每个像素点分配聚类中心,从而较好地滤除污渍噪声对预分割的影响,提高了预分割的效果。为进一步克服水尺污渍的影响,精确确定水尺头部和测量部分的带状区域,本文提出了改进的Graph-Cuts（图割）算法实现水尺的精确分割。在预分割的基础上,算法使用邻域像素相似度构造能量函数的边界项,分割时将水尺区域所在的超像素块设为目标区域,非水尺区域超像素块为背景区域,应用改进的Graph-cuts算法进行精细分割,提取水尺区域分割为头部条码区域和测量部螺旋条纹区域,便于后续的识别。（4）提出了新型水尺水位读数识别的基本架构:水尺头部区域识别原理和水尺测量区域读数识别原理,利用水尺识别原理对分割后的水尺图像进行水位读数识别,获取水位数据。本文提出的智能视觉水位识别算法应用于长江宜昌段水位的识别,并将识别出的水位数据与真实的水位数据进行比对,实验结果及实际应用结果均表明,应用本课题所提出算法的智能水位识别,在优良水质中的误差为2.5cm以内,在浑浊水质中的误差为3cm以内;因此,本课题提出的智能视觉水位识别算法具有良好的可行性和有效性,以及广阔的实际应用价值。