1.一种遮挡情况下水尺图像特征加权学习识别方法，其特征在于，所述方法包括以下步骤：

1)摄像头采集水尺图像，进行角度变换、分割、二值化和直方图均衡操作，建立基于特征权值学习的水尺遮挡图像分类模型，过程如下：稀疏表示分类问题，训练样本表示为： 其中c表示为有c类目标，每一项Xi又表示为 xij表示第i类样本中的第j项，ni表示为第i类训练项目的样本数，至此，识别的目标就是对新采集到的待处理图像y，得到最小的分类误差；

对于待测对象y通过字典集X线性表示出来：其中， 为需要求出的系数向量，设训练过后的优化系数向量为ω*， 为ω*中除第i个元素之外其他都为零的向量，因此待测元素通过所对应的的第i类计算出来 至此，待测样本的分类误差根据最小化重构误差来表示：

式(2)看为是图像分类的基本目标函数；

对基本目标函数添加特征加权的约束方式，其中， 作为待测样本在所有参考样本之间的相似度，其相似度测量方式由下式所表示：

其中，σ为带宽系数，ηij表示待测样本y和每一类参考样本之间的距离，该值越大即约束权值系数θij越小；

采用不同的权值以约束残余值的影响，以下式(5)来表示：其中i＝1,…,m，对于较大的残余值设置较小的系数，将上式与模型相结合，得：其中，γ为系数，上式(6)即为分类模型，

2)模型求解，过程如下：

为求解该模型，式(6)改写成：设置向量θ∈Rm×1来表示项θi＝(yi-riTω)2，上式改写为:得该式的拉格朗日函数为：

其中，κ和βi≥0为拉格朗日乘子，根据KKT条件，得s的优化方程为：假设权值s存在l>0个非零项，得sm-l＝0且sm-1-1>0，根据约束sT1＝1，得：根据式(10)和式(11)，设置γ为：至此，根据已经得到的κ和γ，所求s改写为：完成s权值的计算后，即对不同残余值进行约束计算，实现分类。