1.一种基于遍历寻优的图像对比度增强方法，其特征在于，包括：

S101，对由输入图像得到的图像直方图Hist进行均值归一化处理得到直方图Hnorm；

S102，根据预设的步进长度，从零到直方图最大值的范围内，遍历所有截断阈值；根据当前截断阈值t对直方图Hnorm进行截断均分处理，并对截断均分处理后的直方图进行均衡处理得到Hthresh；

S103，对直方图Hthresh进行均值归一化处理，得到当前截断阈值t对应的新直方图并计算非零灰度级个数Hnum以及局部对比度Cpart；

S104，基于所述非零灰度级个数Hnum以及局部对比度Cpart，通过优化模型得到最优截断阈值topt；使用求取的最优截断阈值topt对直方图Hnorm进行截断均分处理；

S105，对S104中截断均分处理后的直方图中小于1的数据进行Gamma校正处理；

S106，对进行Gamma校正处理后的直方图进行均衡处理后输出。

2.根据权利要求1所述的基于遍历寻优的图像对比度增强方法，其特征在于，所述S101中，对由输入图像得到的图像直方图Hist进行均值归一化处理得到直方图Hnorm，具体包括：将直方图Hist除以输入图像的像素总数N，再乘以理论灰度级总数Drange得到均值归一化直方图Hnorm，其中理论灰度级总数Drange表示图像明暗程度变化的最大范围。

3.根据权利要求1所述的基于遍历寻优的图像对比度增强方法，其特征在于，所述S102中，进行截断均分处理，具体包括：根据当前截断阈值t或最优截断阈值topt对直方图进行钳位处理，然后将直方图被截断部分数值和平均分配到所有规定的灰度级上。

4.根据权利要求1所述的基于遍历寻优的图像对比度增强方法，其特征在于，所述S103中，非零灰度级个数Hnum以及局部对比度Cpart的获取方法，如下：Hnum(t)＝∑kmin≤k≤kmax(Pk.^alpha)/Drange,Pk>0Cpart(t)＝∑kmin≤k≤kmax(Pk.^beita*Dk),其中，t为当前截断阈值标记；P为图像归一化直方图数据，k为灰度级编号，kmin为图像灰度级编号最小值，kmax为图像灰度级编号最大值；alpha和beita表示为匹配人眼主观感受以及有效的特征融合，对直方图数值相对大小进行矫正的参数，范围为0～1；Drange为理论灰度级总数；当nk-nk-1>1时，Dk＝nk-nk-1，当nk-nk-1<2时，Dk＝0，nk为直方图中非零数据对应的灰度级编号。

5.根据权利要求4所述的基于遍历寻优的图像对比度增强方法，其特征在于，所述S104中，优化模型表示如下：topt＝argmax{Hnum[]*Cpart[]}

其中，Hnum[]表示使用遍历的所有截断阈值获取的图像直方图对应非零灰度级个数的集合，Cpart[]表示使用遍历的所有截断阈值获取的图像直方图对应局部对比度的集合。

6.根据权利要求4所述的基于遍历寻优的图像对比度增强方法，其特征在于，所述S105中，进行Gamma校正处理，其中Gamma参数值与直方图中大于0小于1数据的逻辑计数值与所占理论灰度级总数的比值成比例，即：Gamma＝(∑kmin≤k≤kmax(Pk>0,Pk<1)/Drange)*主客观匹配系数。

其中Drange为理论灰度级总数；主客观匹配系数表示通过主观测试对客观量化Gamma值进行矫正，使之与人眼视觉分数相匹配的矫正参数，范围为0～1。