近年来,随着无人机在航拍、快递、勘测、搜寻、植保等方面越来越多的应用,人们的生活质量和社会效率快速提升。不过,无人机市场快速发展的同时,无人机的无证飞行和随意飞行给国家安全、社会稳定带来了严重的威胁和困扰。如何对“黑飞”无人机进行威胁反制成为了亟待解决的问题,无人机威胁反制系统即是反无人机系统。识别无人机是反无人机系统的关键之一,图像智能识别是识别无人机的方法之一,也是最有效的方法。如何在反无人机系统中运用图像智能识别的方法更加准确的识别无人机成为了研究的重点和难点。本课题是吉林省科技厅重点科技研发项目“C-Drone系统技术研发”项目的子课题,主要研究反无人机系统中图像智能识别问题,从而提出识别准确率更高的智能识别方法。首先,提出了基于支持向量机的反无人机系统图像识别方法。设计了基于支持向量机的模型,通过使用SIFT特征实现了图像识别无人机。其次,提出了基于传统卷积神经网络的反无人机系统图像识别方法。设计了基于传统卷积神经网络的模型,针对训练过程中出现的过拟合问题,对网络进行了优化,实现了图像识别无人机。然后,提出了改进卷积神经网络的反无人机系统图像识别方法。设计了基于多层特征融合卷积神经网络的模型,将不同卷积层的特征进行了融合,实现了图像识别无人机。最后,对三种图像智能识别方法进行识别实验,得出支持向量机准确率为89.4%、传统卷积神经网络准确率为96.2%、多层特征融合卷积神经网络准确率为98.1%。将实验结果进行对比,对比结果表明基于多层特征融合卷积神经网络的识别效果优于其它两种方法,可用于反无人机系统的图像识别,给同类研究提供了借鉴。