本文针对复杂工业场景内的液位系统图像的分类识别问题进行了研究。以模式识别过程为主线，采取理论分析和仿真实验相结合的方法，按照图像采集、图像预处理、图像分割、特征提取和模式分类几个环节进行设计，实现了复杂工业场景内的液位系统图像的分类。在图像预处理环节，基于经典的中值滤波算法，本文提出了一种基于滤波窗口改进的多级加权平均中值滤波算法，并且对带有椒盐和高斯噪声的复杂工业场景液位系统图像有较好的滤波效果。在图像分割环节，本文提出了一种融合直方图峰值和K均值聚类算法的改进算法。并且对于液位系统图像有较为完整和准确的图像分割效果。在图像特征提取环节，本文提出了一种基于形状、颜色和纹理综合特征的图像特征提取方法，成功提取了图像内的主要特征。在图像分类环节，本文成功地运用了一种带有权值更新的BP强分类器算法，将复杂工业场景内液位系统的两类图像进行了分类。通过对复杂工业场景内的液位系统图像的分类识别问题的深入研究，论文为实现工业场景识别和移动智能机器人驻入工业现场操作奠定了理论基础。将具有图像分类识别能力的移动机器人应用于诸如热电厂，发电厂等一些具有高温，高辐射，高污染等不利于工人长期作业的工业现场。将可以很大程度上实现复杂工业操作过程中的无人化、自动化操作，具有实际应用价值。