直方图均衡作为一种对比度增强算法,由于其计算复杂度低、可移植性强的特点被广泛应用于图像增强领域。然而,直方图均衡算法在处理中以灰度级的像素点个数为映射基准,容易在多像素点处对灰度级的拉伸程度大,而低像素点处灰度级的拉伸程度小甚至产生合并现象。因而,图像易出现过度增强和细节丢失等问题。为了解决这些问题而对直方图均衡进行改进的众多算法中,使用伽马校正可以有效地修正直方图从而实现适度增强的目的。然而,大多算法使用的是预设的伽马值,无法有效地应对不同类型的图像。因此,为了自适应地确定伽马值,从而提升算法的有效性,本文主要进行了以下的工作:（1）本文提出了一个能自适应确定伽马值的二元优化模型。该模型首先对所有满足可能性的伽马值进行遍历,并生成一组直方图序列集。然后基于统计特性对直方图进行序列分析以自适应地寻优。此外,模型具有理论上界,系统输出稳定,可以灵活应对多种类型的图像。（2）为了缩小客观寻优与主观感知之间的差异,本文提出了一种基于主客观一致性的二元优化模型改进算法。该算法在二元优化模型的客观基础上,结合主观感知提出了主观偏置因子,实现了主客观统一。并且针对细节丢失问题,该算法提出了一种有效的细节保护技术。（3）本文结合人眼视觉机制提出了一种基于人眼视觉特性的二元优化模型改进算法。该算法在二元优化模型的客观基础上,将人眼视觉特性与直方图钳位技术相结合以曲线阈值来修正直方图的尖峰数据,并且使用二次伽马校正针对性地提升直方图中的小数据。除此之外,本文使用的二元优化模型只需要对直方图进行遍历,无需输出图像序列,可以有效地降低了系统的计算复杂度。