光子计数集成成像系统通过在多个视角下采集场景的二维光子计数图像,可以实现光子数极少环境下三维目标的被动式重构,从而广泛运用于军事国防、国民经济等领域。传统的光子计数集成成像三维重构算法选择在贝叶斯框架下采用伽马分布作为先验分布进行贝叶斯后验概率估计,或者将重构问题转化为求逆问题,在迭代式中引入正则化因子进行重构。这些方法严重依赖于先验分布的选择而且存在参数调节的不确定性,从而导致传统算法的重构性能不稳定且对场景的自适应性不强。为了弥补上述不足,本文从统计学角度出发,充分利用光子计数集成成像系统的冗余采样特性,提出了光子计数集成成像三维重构的新的思路和方法。首先,在提出的基于贝叶斯自适应估计的光子计数集成成像重构算法中,引入局部自适应均值因子来进行贝叶斯后验概率的估计;对比传统贝叶斯的实验重构结果,提出算法能够重构出灰度变化更加丰富、峰值信噪比更高的三维深度切片图像,极大地改善了重构结果。其次,在提出的基于复合光子计数模型的光子计数集成成像重构算法中,巧妙地运用了泊松分布的可加性,将基于像素位置的自适应信息纳入极大似然估计器的求解中,并结合基于方差稳定化变换的三维块匹配滤波算法,最终实现了低光子数环境下更高质量的三维深度切片图像重构。针对以上提出的两种算法,通过理论与实验分析了环境光子数以及邻域范围对算法重构性能的影响,本文提出的两种算法都适用于低光子数场景的重构,而邻域范围的有效扩展将有助于重构图像质量的进一步提升。最后,通过电子倍增CCD相机在微光环境下实际采集微光集成图像,分别基于高斯探测模型以及泊松探测模型进行集成成像三维重构的算法推导以及对比性实验,验证了提出的贝叶斯自适应算法对微光场景重构质量的提高作用。