计算鬼成像是一种全新的成像方法,利用光场间的强度涨落关联重构目标图像,由于这一独特的成像方式,使其能够突破传统成像的局限,在一些条件下实现无透镜成像、抗大气湍流成像和抗散射成像等。除此之外,在探测器面阵大小受限的情况下,计算鬼成像仍能发挥作用。虽然计算鬼成像具有诸多优点,但其成像质量易受到干扰,在成像过程中,采样次数不足与目标深度未知会导致图像质量下降,影响人们对图像内容的判断。目标识别技术是人工智能的一个重要研究领域,在人工作业和人工视觉很难胜任的场合中有着不俗的发挥。本文将目标识别与计算鬼成像结合,在计算鬼成像重构图像质量较差时将背景中的目标从图像中识别出来,主要工作如下:（1）搭建了基于相位调制的计算鬼成像实验系统,标定了系统中空间光调制器的查找表,基于角谱的光场传播理论计算虚拟衍射光场图样,并完成成像系统中散斑传播的深菲涅尔区标定。（2）提出了SIFT（Scale Invariant Feature Transform）算法与支持向量机（Support Vector Machine,SVM）算法相结合的计算鬼成像识别方法。对位于深菲涅尔区中深度信息存在误差的目标,当系统离焦程度为|?|≤5（为散斑的纵向相干长度）时,通过联合训练方法训练的SVM分类器对重构图像的总体识别率可达85%以上。（3）针对深菲涅尔区中深度信息完全未知的目标识别问题,提出了深菲涅尔区目标搜索算法。利用图像质量评价函数DBC估计重构图像的离焦程度,并依据DBC曲线的特点设计深度搜索算法与自适应对焦窗口选择算法,对目标的深度位置进行快速迭代搜索。实验结果表明,当搜索区间被划分为个深度位置时,本文提出的方法可以在log₂次迭代内搜索到目标所在位置,并重构出目标清晰的图像。最后本文还给出了目标深度搜索算法与目标识别相结合的方法,实验结果表明该方法可在粗略搜索到目标深度后对目标进行识别。本文将目标识别应用到计算鬼成像系统,是对鬼成像与机器视觉相结合的初步探索,有助于深化对鬼成像理论的认识,拓展鬼成像技术的应用范围,进一步提高鬼成像的实用性与灵活性。