光子计数成像技术广泛应用于夜视成像、天文成像以及X射线和荧光共焦显微镜等医学成像系统，但受到硬件设备以及成像环境的影响，成像设备可接收到的光子的数目非常低。此时光子计数成像过程中固有的服从Poisson分布的散粒噪声会严重降低成像质量，生成低质量的低光子数Poisson图像。低光子数Poisson图像中的局部像素灰度自相似性、图像局部几何结构的灰度一致性和连续性都遭到严重破坏，使得对于图像局部几何结构的检测、非局部图像块几何结构之间相似性的度量存在非常大的误差。这也导致目前许多在高光子情形下的Poisson图像重建中表现较好的方法，针对低光子Poisson图像都不再有效。近年来，随着安全监控、军事、天文、医学等领域对高质量成像的迫切需求。低光子数Poisson图像的高质量重建已经成为图像重建理论和应用领域中的研究热点，也是研究难点之一。　　本文针对低光子Poisson图像重建问题，基于独立服从Poisson分布的随机变量之差满足Skellam分布这一特性，通过充分挖掘低光子Poisson图像中像素之间的统计相关性来提高Poisson图像重建质量，具有重要的理论意义和广泛的实际应用价值。论文主要研究内容及创新点如下:　　(1)提出了基于Skellam分布的自适应两阶段低光子Poisson图像非局部重建方法　　低光子Poisson图像由于局部像素灰度自相似性以及几何结构遭到严重破坏，对在非局部方法中起到核心作用的图像块相似度计算带来很大困难。针对这个问题，我们考虑对低光子Poisson图像进行预“修复”，并基于“修复”后的图像来指导图像块相似度计算以及依据相似度计算的相似图像块分组，以提高针对低光子Poisson图像的非局部重建方法的性能。本文提出了基于Skellam分布所体现的两个独立服从Poisson分布的随机变量之间的统计关系，来对低光子Poisson图像进行预“修复”。首先，提出了改进的自适应图像同质区域检测方法，并基于改进的同质区域检测来拟合Skellam参数与图像灰度之间的Skellam-Intensity曲线;然后，基于拟合的Skellam-Intensity曲线，对图像中各点的Skellam参数进行估计，并据此计算由相同Skellam参数生成的观测灰度值之间的差度阈值，随后，基于所估计的Skellam参数以及差度阈值，估计得到“修复”图像。最后，利用“修复”图像来指导图像块相似度计算，并与现有的低光子Poisson图像重建效果较好的Poisson非局部均值方法和非局部PCA方法相结合，提出了改进的两阶段非局部Poisson图像重建方法。数值实验表明，所提出的方法能有效提高Poisson非局部均值方法的性能，与非局部PCA方法的性能相当，但本文提出的方法在计算量上只有非局部PCA方法约一半，大大节省了计算量。　　(2)提出了基于Poisson—Skellam分布的条件随机场Poisson图像重建方法　　对于低光子Poisson图像，由于图像几何结构遭到严重破坏，现有的许多基于几何结构检测的图像先验建模方法不再有效。此时对于刻画像素间统计关系的统计先验建模就非常重要，而现有的低光子Poisson图像重建方法大多仅仅考虑了观测图像与真实图像之间所满足的Poisson分布统计关系。在本文中，我们假设真实图像内部局部像素之间具有Markov性，建立了一个条件随机场模型。该模型中主要包含反映观测图像与真实图像关系的外部关系势函数，以及反映真实图像内部像素关系的内部关系势函数。对于外部关系势函数，我们采用传统的Poisson似然来建立;而对于内部关系势函数，我们基于Skellam分布利用观测图像来间接定义真实图像内部像素间的“统计距离”，并引入体现像素间距离差异的权重因子。然后，在提出的条件随机场模型中，引入正则化技术并基于Plug-and-Play框架与现有的高斯去噪方法结合，提出了一种交替迭代Poisson图像重建算法。数值实验表明，本文方法通过引入基于Skellam分布的内部关系势函数，挖掘并利用了更多的真实图像内部统计先验，从而能够有效地提高重建图像的峰值信噪比和重建图像质量。