水文监测是及时获取河流湖泊水情的有效途径。作为水文监测的一个主要方面,水位观测是指对河流湖泊等的水位进行实地测定,它不仅能够直观地反映河流水情,还有利于及时发布水情预警。近年来,基于视频图像的非接触式测量方式开始应用于水位观测任务中。基于视频图像的水位观测任务主要是对自然河流的水位进行检测。本文依托江西婺源某水文站水文监测的相关数据,对野外自然河流的水位检测工作的主要影响因素进行研究,整个水位检测任务包括图像预处理、水文尺检测以及水位值识别三部分,最终实现了基于视频图像的河流水位的非接触式测量。论文的具体工作内容如下:（1）野外复杂的光照环境以及天气影响是中小河流基于视频图像的水位观测工作所面临的难题。本文首先对采集的待处理水文图像进行去噪;其次,对水位检测中常见日照不足、曝光不足以及太阳阴影问题进行解决,保证水位检测的后续工作不受光照环境影响。此外,对中小河流流域（或者山区）经常出现的大雾天气,针对性的利用去雾算法进行干扰去除。（2）基于深度学习的水文监测场景下的水文尺检测。野外未知的复杂环境背景对水文图像特征提取的干扰是影响课题研究的关键问题。本文采用基于视觉显著性检测算法对水文尺图像复杂背景干扰进行抑制,结合图割算法以及基于HSV颜色空间下的水文尺图像特征,即可得到水文尺的图像兴趣区域的粗分割检测结果。但为了提高水文尺检测精度以及检测效率,继续提出基于可微分二值化的水文监测场景下的水文尺检测方法,进行水文尺的图像兴趣区域的检测。该方法引入自然场景下的文本检测思想,使用水文尺数字及英文字符的文本图像特征,基于已有的公开文本检测的预训练网络,通过迁移学习实现水文尺的精细分割检测。（3）水文监测场景下水位值识别研究。目前市售非接触式视频水位测量设备,大多要求预置水文尺位置或固定设备位置,以满足算法校准的需要。但实际的部署环境和监测需求复杂多变,因此,非固定视角的水位连续监测是当前水文监测任务的迫切需求和难点问题。本文针对该问题,在对粗提取定位结果进行精细化分割后,将水位值识别分为水文尺的全区域识别以及非全区域识别两类。针对全区域水文尺,利用能量函数探测法对水文尺图像进行投影映射,获取水文尺水位值。针对非全区域水文尺,基于tesseract训练水文尺字符字库,提高字符识别精度,最后得到水文尺水位值。本文通过图像预处理增强了整体算法的技术适用性。在水文尺检测的任务中,利用视觉显著性检测算法对复杂背景进行干扰抑制后,在缺乏公开标注数据集的情况下实现了基于可微分二值化的水文监测场景下的水文尺检测,检测精度可达85%。在水位值识别任务中,针对视频图像中水文尺位置变化对水位值识别造成的影响,实现了对任一位置水文尺水位值的识别,水位值识别精度可达1cm,满足水位观测标准要求。