期权定价理论的形成与发展不仅对中国市场的发展起着决定性作用,同时也对我国金融产品的价格及其对冲价格具有重要作用。与国外期权市场相比,我国的期权市场还处在发展时期,其中期权品种不完善、市场发展不协调等是我国期权市场面临的重要问题。因此本文通过研究图像识别的方法来提高期权定价的精确度,具有重要的理论与实际意义。自B-S期权定价公式提出以来,众多学者都在针对B-S模型参数中波动率的问题进行改进,他们认为波动率是一个隐性的、不可测的,因此无论是GARCH模型还是其延伸的GARCH族模型实际上都在不断提高波动率这一指标,但目前对其测定的方法达不到对实际问题分析的精度要求。本文研究的图像识别的非结构化数据期权定价是在基于传统的B-S模型中的五个基本参数之间的定量关系,采用图像识别技术对其波动率这一指标进行改进,进而提高期权定价的精确度。本文在对期权定价研究方面采用APT(套利定价模型)思维范式,期权定价要素则选取经典B-S模型要素,同时将期权数据利用图像识别的方法转化为非结构化数据,利用人工神经网络对其进行分析来规避B-S模型的波动率这一指标,避免了众多学者通过提高波动率来提高期权定价的精确度。通过本文的研究,得到一个更为准确、更为精确的期权定价模型并为投资者提供更好的投资建议与投资决策。