一种基于未训练深度解码神经网络的非视域成像方法，将非视域成像物理前向传输模型融入到一个神经网络中去，利用二者的相互作用，网络的权重参数能够自动更新优化，损失函数采用均方差损失，与全变分正则化相结合，进一步对重构图像进行约束。当优化过程结束，网络输出即为非视域成像重构图像。不同于传统的端对端深度学习方案，本发明不需要主动光源照明且无需大量数据训练，节省了数据采集以及网络参数拟合的时间，不仅成本低、装置简单易实现，而且成像清晰、保真度高、鲁棒性强。