光子计数成像广泛应用于天文成像,夜视成像,医学成像等重要领域。但是,由于硬件设备和成像环境的影响,成像设备采集到的光子数量严重不足,此时,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Poisson图像。在低光子Poisson图像中,图像局部自相似性、图像局部几何的灰度一致性和连续性均受到严重破坏,导致在图像的局部几何结构检测和非局部图像块几何相似性度量中上均存在非常大的误差。这也导致了在高光子情况下Poisson图像重建中许多可行的方法对于低光子Poisson图像不再有效。近年来,在安全监视,军事,天文学和医学领域对成像质量的要求愈来愈高,因此低光子Poisson图像的高质量重构已经成为图像处理理论和应用领域的研究热点,也是研究的难点之一。本文针对低光子Poisson图像重建,将适用于高斯噪声情形的低维流形正则化方法引入到Poisson图像处理中,并考虑图像成分的差异性,提出多成分低维流形正则化Poisson图像重建方法。另外,根据低光子Poisson图像信息缺损严重的情况,在“修复+重建”的框架下,将低维流形正则化方法与基于压缩感知的矩阵补方法进行耦合,进一步改善Poisson图像重建质量。本论文的主要研究内容和创新点有:1.提出基于多成分低维流形正则化的低光子Poisson图像重建方法本文首先将用于高斯噪声的低维流形正则项引入到Poisson图像重建模型,然后根据一幅自然图像中不同成分（平滑区域和纹理区域）块流形具有不同的维数,提出多成分低维流形正则化Poisson图像重建模型。在多成分低维流形Poisson重建模型中,首先将图像的块流形分为不同的图像成分子流形,以各流形的维数作为正则项,并对不同子流形对应的维数正则项赋予不同的权重,从而更好地重建图像中不同形态的成分。数值实验表明,在视觉效果和客观指标上,多成分低维流形正则化Poisson图像重建模型在低维流形正则化Poisson图像重建模型的基础上进一步提高了图像的重建效果。2.提出基于矩阵补的多成分低维流形正则化的低光子Poisson图像重建方法针对低光子Poisson图像信息缺损严重的问题,本文考虑“修复+重建”的框架来重建图像,在本文中引入压缩感知的矩阵补方法与多成分低维流形正则化方法进行耦合,针对低光子Poisson图像特点,设计了特殊的采样算子,并使用ADMM算法对该模型进行求解。数值实验表明,本文提出的基于矩阵补的多成分低维流形正则化Poisson重建模型有效地提高了重建图像的视觉效果和客观指标。在此基础上,基于ADMM算法,将上述方法进一步拓展到“即插即用”格式,可以使用不同的高斯去噪方法代入算法,体现了该方法的灵活性。