当前,图像对象识别和检测技术已经日趋成熟并在交通、运动、医疗等领域得到较为广泛的应用。在图像对象识别和检测技术的基础上,视觉数据生成自然语言描述在计算机视觉领域成为进一步研究的重点。图像生成自然语言描述不仅要求准确识别图像对象,还要识别图像中不同物体之间的相互联系,能够生成之前未见到的环境与互动的自然语言描述,使之接近人类描述。现有模型中,图像描述生成技术不够精确,与人类描述存在诸多差异,模型生成的句子结构较为简单,不能准确全面地描述图像的丰富内容。本文提出了基于特征融合的图像自然语言描述算法,算法模型与实现主要分为以下几个部分。对于图像和文本特征编码的问题,提取图像的多维特征,包括图像的灰度特征、纹理特征和基于尺度不变的关键点特征,使用深度卷积神经网络作为图像编码器提取图像深层次特征。文本特征编码使用自组织竞争神经网络进行聚类,得到精确的文本标注作为文本的编码特征。对于将图像和文本不同空间特征融合的问题,本文使用典型相关性分析计算不同特征空间矩阵的相关性,通过特征映射的方式将两类特征映射到同一特征空间融合,融合特征更高效准确地表达原始信息。对于将融合特征解码为序列化句子的问题,使用双向的长短时记忆神经网络结构作为特征解码器,这种双向的串行神经网络结构能够解决序列化预测问题,结合上下文信息进行特征解码生成细致准确的自然语言描述。本研究开发了图像自然语言描述系统,系统能够针对性地应用于实际场景,具有现实意义。