雾、霾、浑浊液体和生物组织等散射介质广泛存在于自然界中,当光经过这些散射介质传播时,光在其中发生多重散射,导致出射光场的强度和相位发生剧烈变化,最终形成随机分布的散斑,严重影响人们对目标的观察。在生物医学成像领域中,生物组织的散射阻碍医生更好地对皮下组织细胞进行诊断和治疗;天文观测中,大气的散射限制了对远距离目标的观测;在水下探测领域,浑浊水体的散射使水下目标观测距离和可见度严重受限;日常生活中,雾、霾的散射带来交通安全隐患。幸运的是,物体的信息经过散射介质之后并没有完全消失,只是被重新编码在这些随机散斑中,通过对其“解码”可重现散射介质后隐藏的物体。为了实现透过散射介质成像,研究人员已经开发了自适应光学技术、光学门技术、波前整形技术、散斑相关技术等多类技术,在科技发展、民生经济和健康医疗等领域都有着重要的科学研究意义和实际应用价值。然而,这类方法大多数依赖于散射介质的光学记忆效应（OME）,成像视场有限,成像速度慢,且局限于稀疏的成像目标结构。本论文围绕着散射介质后复杂样品的大视场成像的主题开展了理论和实验研究,主要完成了以下工作:（1）、理论分析和实验探究了基于散斑相关的散射介质后成像技术,分析了成像系统的视场范围、分辨率和放大率。详细阐述了自相关图像恢复中常用的迭代恢复算法,对自相关和互相关两种成像方法都进行了实验验证,得到了较为理想的实验效果。（2）、针对散斑相关成像方法对目标物体稀疏性要求较高、对复杂物体成像质量不佳、成像速度不高等问题,提出一种叠层衍射技术结合浴帘效应进行散射介质后大视场成像的方法（PSE）。在浴帘效应条件下,由散射介质引入的相位扭曲可以被忽略,通过使用扩展叠层迭代引擎算法（ePIE）,不仅能够恢复隐藏在散射介质后的复杂物体,还可以扩大成像视场（实验达到3.2mm×3.2mm）,突破记忆效应范围（0.9mm×0.9mm）的限制。（3）、提出了一种使用DMD和结合深度学习的PSE散射介质后快速大视场成像方法。与原先的PSE方法相比,DMD的使用显著提高了数据采集速度,加快了深度学习神经网络模型的训练效率。经过深度学习神经网络训练之后,无需扫描和迭代算法,可在亚秒级时间内从采集的单次散射图中重建目标,使图像重建速度加快了1000倍。