生物组织等复杂介质深层的成像与光场调控一直是光学领域的研究热点。然而复杂介质对光的多重散射会严重扰乱光在复杂介质中的传播,导致无法透过复杂介质直接成像和操控光场。波前整形技术能够通过调制入射光的振幅或相位实现透过复杂介质的成像与聚焦。机器学习也被应用在复杂介质传输图像重建与光场调控方面。本文以波前整形技术和机器学习为基础,通过复权值矩阵构建入射光强度与相位和出射光伪强度与伪相位的映射关系,实现了透过复杂介质的图像重建与光场调控。首先,本文设计并搭建了进行复杂介质光学传输的实验系统,并对系统进行了校准、控制算法优化和实验验证。本文搭建了包括光路、控制、图像传输与处理等子系统的实验装置,优化了空间光调制器与相机之间的同步,并通过U-net模型对多模光纤输入的手写体数字图像等简单图像与复杂自然图像的重建实验和迭代遗传算法对多模光纤出射光场的聚焦实验,验证了光学实验系统的可靠性。其次,本文结合机器学习中的线性回归算法与光学传输矩阵理论,提出了复权值矩阵模型。本文利用大量多模光纤输入图像与输出散斑数据训练复权值矩阵,成功实现了从输出散斑中重建出输入的手写体数字图像等简单图像与复杂自然图像。最后,本文利用同样的复权值矩阵模型方法,成功实现了对多模光纤出射光场的操控。利用训练获得的复权值矩阵,在多模光纤的出射端面上实现了任意位置的聚焦,快速焦点扫描和任意形状的图像投影。复权值矩阵模型既可以用于图像重建,也可以用于光场调控,具有多任务学习的能力,为利用散射光进行成像与光场调控提供了一种新方法,拓展了波前整形技术和机器学习在复杂介质光学成像与光场调控领域的应用。