1.一种基于遍历寻优的直方图均衡方法，其特征在于，包括：S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm；

S102，根据预设的步进长度Step，从开始值γstart到结束值γend的范围内，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ，并对Gamma校正后的直方图进行均衡处理得到校正直方图Ht；

S103，根据直方图Ht计算统计参数，得到信息熵及对比度；

S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γbest；使用最佳Gamma值γbest对均值归一化直方图Hnorm进行伽玛校正得到校正直方图Hrevise；

S105，对校正直方图Hrevise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γbest与主客观匹配参数的乘积；

S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出；

根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ中，校γ正公式为：Hλ＝(Hnorm) ；

信息熵Et和对比度Ct的计算方式如下：

Ct＝p0(x1‑x0)+∑1≤k≤Kpk(xk‑xk‑1)其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk‑1表示直方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk‑1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级；

所述混合模型表示如下：

EC(t)＝γbest＝arg max(Et×Ct)。

2.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm，具体包括：将灰度图像的直方图除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax‑Lmin。

3.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，所述主客观匹配参数的取值范围为[0.5,2]，默认值设为0.85。