近些年来,非视域成像引起了越来越多研究人员的关注。在机器人视觉、遥感成像、医疗影像、无人驾驶等众多领域中对相机视野以外的物体或场景进行成像是个极其基础并且重要的问题。与一般的光学成像不同,非视域成像主要分析成像设备与隐藏场景间光子散射的规律。在主动非视域成像的研究中,普遍使用具有超高时间分辨率的光子传感器（如条纹相机、单光子雪崩二极管等）作为成像设备的光学传感器。该传感器指向中介面并采集到具有皮秒级时间分辨率的光子时间数量统计直方图。使用时间-光子强度数据结合不同的反向复原算法可进行非视域场景重建任务。目前在数据采集过程中仍旧依赖于昂贵的硬件实验设备,尚未实现从实验室走向实际应用的阶段。并且非视域成像过程中对中介面进行扫描获取瞬态测量数据是一件十分费时费力的工作。针对上述的问题,本文以共焦瞬态光传输模型为基础开展了一系列工作,其创新点与主要工作如下:（1）本文对垂直于漫反射中介面的有限区域内的隐藏物体表面的光传输进行研究,提出了一种基于共焦光路的新型主动非视域成像模型。同时考虑光线在漫反射平面进行的理想漫反射和镜面反射的光路传播,将镜面相对反光指数与聚光指数引入到正向模型中,构建了对应的正向光传输模型。将模型离散化,为光程差项添加时间滤波函数并搭建了对应的非视域仿真空间。随后先进行了空间单位体素的瞬态仿真实验,然后模拟使用了多种不同反射面材质分别进行瞬态仿真实验并进行对比。可使用此方法快速仿真获取使用不同反射面材质的瞬态仿真数据。（2）本文将深度数据经过裁切,旋转,形态学闭操作,降采样等数据预处理操作处理后转化为三维体素数据,随后将体素数据输入构建的光传输模型进行正向仿真生成对应的三维空间-时间瞬态数据。最后使用基于数据驱动的方法,搭建了针对于非视域重建问题的三维编码-二维解码的深度卷积网络,使用自行生成的瞬态数据集（三维空间-时间瞬态数据）完成了模型的训练与预测。实验结果表明,使用卷积神经网络对非视域场景进行重建是可行的。通过训练好的网络进行预测,可极大程度的缩短非视域重建所用时间。