为了实现基于视频图像的水位自动监测，以及解决传统视频监测算法环境适应性差和鲁棒性低的问题，提出一种基于语义分割的视频水位监测方法。采用改进的DeepLabv3+算法并结合空间注意力机制、通道注意力机制和边缘细化模块对水位标尺图像进行分割，用来提取水平面坐标，根据相机标定结果的线性插值来计算实际水位值。实验结果表明，所提算法在水位标尺数据集上的平均交并比达到97.18%，优于DeepLabv3+和BiSeNet（Bilateral Segmentation Network）等语义分割算法；所提算法的检测平均像素误差率为0.76%，在实测环境下水位读数误差小于1 cm。相较于现有的传统图像处理水位监测算法和基于深度学习的水位监测算法，所提算法的环境适应性更强，鲁棒性更高，读数更精准，能够较准确地实现水体水位的自动监测。

为提高沿岸、岛礁的潮汐测量及内陆水位监测的机动灵活性, 设计了一种嵌入式、非接触水位自动测量的水尺图像采集与处理系统。该系统包括了成像单元, 数据采集、处理和存储单元, 交互接口单元。基于实际使用情况, 提出了一种水尺自动判读算法。利用传感器的窗口截取特性, 采集含有少量背景信息的水尺图像; 采用 Sobel水平边缘检测算子进行特征提取; 最后采用投影分析的办法来判读水尺信息。水域实验结果表明, 该系统能进行全天候的水位自动测量。在成像距离为 25~100 m范围内, 达到 6 mm以内的判读精度。