错误的描述是：C: 卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变。

分析：

A: 局部感知和权值共享是卷积神经网络（CNN）的两个重要特性。局部感知允许网络专注于输入数据的局部特征，权值共享通过在不同位置应用相同的滤波器来减少参数数量，从而降低了网络的训练难度。

B: 通道数量越多，意味着网络能够提取更多种类的特征。每个通道对应一个滤波器，应用于输入数据后生成一个特征图（Feature map）。

C: 这个选项是错误的。在卷积神经网络中，滤波矩阵（即卷积核或滤波器）的大小和值是可训练的参数。通过训练，滤波器的值会不断更新，以便更好地提取输入数据中的特征。

D: SAME填充和VALID填充是卷积操作中的两种填充方式。SAME填充通过在图像边缘添加零，使得输出特征图的尺寸与输入相同或接近相同。VALID填充则不添加额外的填充，可能会忽略输入图像边缘的部分数据，从而导致输出特征图尺寸变小。