图像识别技术是指运用图像处理、模式识别、智能优化算法及计算机相关技术对采集到的图像进行处理分析，得到信息量小但有用的图像进行识别的过程。本文所研究的图像识别系统主要由图像的预处理、特征值的提取、特征向量的选择、分类识别四大部分组成。本文利用加权平均法、全局阈值二值化的方法对图像进行预处理，采用小波不变矩提取图像的特征向量，但是通常从图像中提取的特征向量维数很高，而实际上只有能够表征相似图差异的特征值对识别才具有价值。针对小波不变矩提取的特征向量维数过大的问题，为了提高分类器的性能，本文提出了一种基于改进的入侵性杂草优化算法的特征向量选择算法，该算法有效的解决了特征向量的选择问题，有效的降低了特征向量的维数，通过实验仿真性能优于采用遗传算法的特征向量选择，并且验证了特征向量选择可以有效提高分类器的性能。最后采用三层BP神经网作为最终的分类器，采用LM算法的BP网络训练方法，小波不变矩提取的特征向量的取值范围是在实数范围内的，取值范围比较大，不适合作为神经网络的输入，而权值的初始值又是在较小的区间内取值的，因此本文给出一种映射函数，使映射函数映射到较小的区域内，实验结果表明了该方法降低了神经网络的训练次数和时间。