微光是指只有少量自然光的黑暗环境(小于10-3lx),微光图像的重建作为图像重建技术向低照度方向的延伸,能够有效弥补在夜间等微光环境下,人眼无法有效识别目标场景的缺陷,对深海探测、军事作战、医学检测等有着极其重要的应用价值。本文的工作在微光环境下展开,搭建成像实验平台获取微光图像,并对微光图像的恢复与重建方法展开以下研究:1.为了获取微光环境下三维目标物体的图像,依据离轴集成成像原理设计成像系统。在硬件上将多像素光子计数器（MPPC）与光学成像结构相结合,进行光路设计,搭建了微光集成成像实验平台。在软件上编写了系统控制程序,采集和记录图像信息。实现在10-3-1 0-6 lx的低照度环境下,三维目标物体的成像。2.在微光图像恢复的研究中,针对背景噪声等污染使图像质量下降的问题,提出一种贝叶斯正则化光子计数图像恢复算法。该算法依据光子计数的泊松分布特性,对微光图像的光子计数值进行估计,把贝叶斯估计引入到正则化算法中,建立目标函数。在目标函数的求解过程中,先验条件设置为光子计数期望值的Gamma分布,误差部分表示为范数的形式,对正则化参数进行迭代求解,找出最佳区间,从而估计出光子计数的最优值。与BM3D等先进算法的对比分析表明,所提方法能够有效地恢复微光图像,提高微光图像的质量。3.在微光图像重建的研究中,基于SIFT算法,提出一种混合型特征点检测匹配方法。该方法在SITF特征描述子的基础上结合FAST角点检测,提高了检测运行速度的同时增加了识别特征点的数量;在匹配过程中,SIFT匹配提高了匹配特征点的精确度;在去除误匹配时,RANSAC算法剔除误匹配点的概率达到80%,大幅减少了误匹配点。该方法解决了由于微光图像极度匮乏光子信息,特征细节不明显,无法准确识别角点的问题。通过对比分析,该方法重建后的微光图像,细节信息更丰富,识别度更高。本文提出的微光图像恢复算法和特征点检测匹配方法均能有效提高微光图像重建的质量。微光图像恢复后的峰值信噪比、均方误差和相关系数相比其他算法均有3%-7%的提升,重建后的灰度平均梯度、拉普拉斯算子、对比度分别提升10.4%、32.3%、2.9%。