光作为一种承载目标信息的载体在很多方面都有很重要的应用,在日常生活中,错综复杂的环境会影响我们对目标信息的获取和判断。本课题对现有的多种从不规则散射光场中获取信息的技术进行分析及研究之后,为了解决现有的散射介质后目标分类方法适应性和鲁棒性差这一缺点,最终选择散斑自相关方法来处理散斑并获得隐藏在散射介质后的目标物体信息,为了解决传统特征提取和分类算法效率低这一问题,选择利用卷积神经网络对处理后的散斑数据进行分类识别。本次课题主要完成了以下工作:（1）分析并研究了目前处理散射介质后的隐藏目标物体的技术的发展及研究现状,并对其进行了详细的阐述,了解到各种方法的利弊之后选择并确认了最终的方案。之后便从理论上分析了散斑自相关方法的基础,即光学记忆效应的原理和应用条件,同时也从理论上证明了散射介质的类透镜性质,为今后的实验建立了理论基础。（2）为获取最终实验的实验参数做准备,设计并完成了散射介质的光学记忆效应范围的实验,测得实验中所用的散射片的相对厚度和光学记忆效应范围,最终确认实验所需的参数。设计并完成获取目标物体的散斑图片的实验,改变实验目标并获取一系列散斑图像,对散斑图像自相关处理后将其分为训练集、验证集和训练集。（3）选择合适的卷积神经网络结构和参数对实验获取到的数据集进行学习训练和测试,之后为了提高其适用性,因此对更换散射介质和改变目标状态这两种情况下的系统进行了测试。最终实验结果表示,散斑自相关对处理散射介质后隐藏目标的信息具有很好的效果,同时卷积神经网络大大提高了获取隐藏目标信息的效率,其识别率很高,同时该系统的自适应性和鲁棒性都较之前的方法有了很大的提高。