本发明属于医疗技术领域，尤其涉及一种肾癌病例数字化信息管理系统及管理方法、终端。
背景技术
目前，业内常用的现有技术是这样的：
肾癌是起源于肾实质泌尿小管上皮系统的恶性肿瘤图像，学术名词全称为肾细胞癌，又称肾腺癌，简称为肾癌。包括起源于泌尿小管不同部位的各种肾细胞癌亚型，但不包括来源于肾间质的肿瘤图像和肾盂肿瘤图像。早在1883年德国的病理学家grawitz根据显微镜下看癌细胞形态类似于肾上腺细胞，提出肾癌是残存于肾脏内的肾上腺组织起源学说，故我国改革开放前的书籍中将肾癌称为grawitz瘤或肾上腺样瘤。直到1960年才由oberling根据电子显微镜的观察结果，提出肾癌起源于肾的近曲小管，才纠正了这个错误。然而，目前临床对于部分缺乏手术指征或存在手术禁忌症的肾癌患者(如晚期肾癌患者)，由于肿瘤图像组织无法切除，细针穿刺组织又容易造成肿瘤图像播散，波形蛋白状态评估变得困难；同时对肿瘤图像采集的图像分割需要手工交互；采集的图像数据对噪声敏感，故准确分割较为困难；图像处理时间长，难以满足临床要求。
综上所述，现有技术存在的问题是：
目前临床对于部分缺乏手术指征或存在手术禁忌症的肾癌患者(如晚期肾癌患者)，由于肿瘤图像组织无法切除，细针穿刺组织又容易造成肿瘤图像播散，波形蛋白状态评估变得困难；同时对肿瘤图像采集的图像分割需要手工交互；采集的图像数据对噪声敏感，故准确分割较为困难；图像处理时间长，难以满足临床要求。
现有技术的信息采集，图像处理性能差，不能为医学提供准确依据。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种肾癌病例数字化信息管理系统及管理方法、终端。
本发明是这样实现的，一种肾癌病例数字化信息管理方法，所述肾癌病例数字化信息管理方法包括：
通过患者信息采集模块采集患者基本信息和临床检验资料；在无线传感器网络区域内，随机抛撒若干个相同的患者信息采集模块集成的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心；其中，数据处理中心用于发起查询任务并接收目标区域的簇头传来的数据；根据混合节能分布式分簇算法将无线传感器网络节点分簇管理；
数据处理中心向多个目标区域发起查询任务，每个目标区域内的簇头首先通过aftqck算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度；
每个目标区域内的簇头利用计算出来的最佳冗余度向数据处理中心发送数据；得到患者基本信息和临床检验资料信息；
通过波形蛋白检测模块检测患者波形蛋白状态数据信息；
通过图像采集模块采集患者肾癌肿瘤图像影像数据；通过图像采集模块集成的影像采集器获取待评价的患者肾癌肿瘤图像影像数据；
图像灰度化，为方便图像的边缘提取，利用数字图像处理中rgb图像的r、g、b各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
gray＝r*0.3+g*0.59+b*0.11；
进行图像边缘提取，利用数字图像处理方法中的roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模型如下：
e(i,j)＝|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)|；
中央处理模块通过图像分割模块对肿瘤图像病理图像自动快速分割；
通过病理分析模块根据检测的数据对患者病理进行分析；
通过数据更新模块根据患者检测情况、术后治疗和检查结果，并指导医生实时更新诊疗方案策略；
通过显示患者检测的数据信息及影像信息。
进一步，根据混合节能分布式分簇算法将无线传感器网络节点分簇管理的方法为：
在每个无线传感器网络节点中筛选初始簇头；
目标区域内的簇头广播簇头消息，非簇头节点向目标区域内的簇头发出请求加簇消息，收到加簇消息的目标区域内的簇头向该非簇头节点发送允许加簇消息；
非簇头节点选择通信代价最小的可达簇头作为其簇头；
所述数据处理中心向多个目标区域发起查询任务，每个目标区域内的簇头首先通过aftqck算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度中，
设每个目标区域内的簇头通过aftqc算法计算出查询任务的最佳冗余度为(ms,mp)，其中，ms表示源节点冗余度，mp表示路径冗余度；获得最佳冗余度(ms,mp)的方法为：
计算一次由ms个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过mp条路经向数据处理中心传输数据的查询成功传输的概率rq；
由第t次查询要求k个簇头应答的概率为pt(k)，得到第t次查询成功的平均概率rq(t)；
计算一次由ms个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过mp条路经向数据处理中心传输数据的能量消耗eq；
由第t次查询要求k个簇头应答的概率为pt(k)，得到第t次查询消耗的平均消耗能量eq(t)；
计算每次分簇消耗的能量eclustering；
针对不同的(ms,mp)，计算出相应的mttf，记录使得mttf最大的(ms,mp)即为最佳冗余度，mttf的计算公式如下：
式中，λq＝1次/min为查询速率，ethreshold＝0为能量阈值，tclustering∈[5-20]sec为分簇间隔；
所述每个目标区域内的簇头利用计算出来的最佳冗余度(ms,mp)向数据处理中心发送数据，包括：
每个目标区域内的簇头随机选择ms个簇内普通传感器节点，要求每个簇内普通传感器节点向其报告数据，然后簇头基于投票机制处理ms个普通传感器节点传来的数据，舍弃不可信数据，并将不可信数据对应的普通传感器节点记为恶意节点，最后将可信数据取平均值得到最终数据；
每个目标区域内的簇头根据多路径多速率路由协议选择mp条不相交的到达数据处理中心的路径，并进行数据的传输。
进一步，
图像边缘提取后，还需进行图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像f统计信息为sum_orig,滤波处理后的参考图像f2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；
根据最佳视觉效果的dmos范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价live2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,dmos)建立评价值value与dmos之间的映射关系，根据最佳视觉效果对应的dmos范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示模块上。
进一步，波形蛋白检测方法包括：
(1)将循环肿瘤图像细胞蜡块薄层切片在染色缸中按以下步骤进行脱蜡和水化：二甲苯溶液浸泡3次，每次10分钟；无水乙醇溶液浸泡3次，每次5分钟；95％乙醇溶液浸泡5分钟；85％乙醇溶液浸泡5分钟；75％乙醇溶液浸泡5分钟；蒸馏水浸泡2次，每次3分钟；ph＝7.4的pbs浸泡3次，每次3分钟；
(2)采用柠檬酸缓冲液高温高压抗原修复法对组织抗原进行修复：取ph＝6.0柠檬酸盐缓冲液800-1500ml于压力锅中，大火加热直至沸腾，将脱蜡水化后的组织切片置于耐高温不锈钢切片架上，放入已沸腾的缓冲液中，锅盖继续加热至喷汽开始计时，1-2分钟后，压力锅离开热源，冷却至室温，取出玻片，先用蒸馏水冲洗两次，之后用ph＝7.2-7.4的pbs冲洗两次，每次各3分钟；
(3)3％h2o2去离子水孵育5分钟，以阻断内源性过氧化物酶，pbs冲洗3次，每次2分钟；
(4)滴加波形蛋白一抗，室温或37℃孵育1-2小时或4℃过夜，pbs冲洗3次，每次2分钟；
(5)滴加通用型igg抗体，室温或37℃孵育15分钟，pbs冲洗3次，每次2分钟；
(6)应用dab溶液显色：甩去pbs液，每张切片加2滴或100μl新鲜配制的dab溶液，显微镜下观察3-10分钟；
(7)蒸馏水冲洗、复染、脱水、透明封片：蒸馏水冲洗2次，每次3分钟；苏木素复染1分钟；0.1％盐酸酒精分化；0.1％氨水返蓝；50％、70％、85％、95％、无水乙醇脱水干燥；二甲苯透明，中性树脂胶封片；
(8)细胞病理学专家阅片，根据细胞着色程度判定波形蛋白表达情况。
进一步，图像分割方法包括：
(1)建立基于词袋bow模型的肿瘤图像分类训练、测试数据库，构建texton字典，并训练出线性支持向量机linearsvm模型；
(2)将待分割的肿瘤图像病理图像，分别生成从1倍、2倍、4倍、8倍、16倍分辨率的病理图像；
(3)从1倍分辨率图像开始使用rgb颜色直方图模型和形态学闭操作得到包含肿瘤图像的初始感兴趣区域；
(4)在得到的初步分割结果基础上，重复步骤3)，得到更新后的感兴趣区域，并通过巴式距离计算2个感兴趣区域的差异，如果差异大于阈值，继续重复步骤(3)，直到差异小于阈值跳转到高一倍分辨率图像，终止条件达到阈值或者达到4倍分辨率，得到优化后的感兴趣区域；
(5)在优化后感兴趣区域中，在中心区域选择200×200像素框的图像；
(6)用收敛指数滤波算法对步骤(5)所选的区域进行细胞检测，如果细胞数量小于阈值，则跳转到高一层分辨率，继续重复步骤(5)、(6)；终止条件达到阈值，得到bow分类最佳分辨率；
(7)在步骤(6)确定的最佳分辨率所映射的优化后感兴趣区域中，按照长宽200×200像素分割成若干块图片，用mr8滤波器对每一个块图片进行滤波，得到mr8特征；
(8)在步骤(7)基础上，用随机投影算法对图像进行降维，得到稀疏化的mr8特征；
(9)用稀疏化后的mr8特征和步骤(1)所得到的texton词典进行数据编码得到新的直方图特征；
(10)用步骤1)得到的linearsvm模型对所得到的直方图特征进行分类，筛选出在优化后的感兴趣区域中的肿瘤图像部分，最终分割出肿瘤图像。
本发明的另一目的在于提供一种实现所述肾癌病例数字化信息管理方法的计算机程序。
本发明的另一目的在于提供一种终端，所述终端实现权利要求1～5任意一项所述肾癌病例数字化信息管理方法。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的肾癌病例数字化信息管理方法。
本发明的另一目的在于提供一种实现所述肾癌病例数字化信息管理方法的肾癌病例数字化信息管理系统，所述肾癌病例数字化信息管理系统包括：
患者信息采集模块，与中央处理模块连接，用于采集患者基本信息和临床检验资料；
波形蛋白检测模块，与中央处理模块连接，用于检测患者波形蛋白状态数据信息；
图像采集模块，与中央处理模块连接，用于采集患者肾癌肿瘤图像影像数据；
中央处理模块，与患者信息采集模块、波形蛋白检测模块、图像采集模块、图像分割模块、病理分析模块、数据更新模块、显示模块连接，用于控制各个模块正常工作；
图像分割模块，与中央处理模块连接，用于肿瘤图像病理图像自动快速分割；
病理分析模块，与中央处理模块连接，用于根据检测的数据对患者病理进行分析；
数据更新模块，与中央处理模块连接，用于根据患者检测情况、术后治疗和检查结果，并指导医生实时更新诊疗方案；
显示模块，与中央处理模块连接，用于显示患者检测的数据信息及影像信息。
本发明的另一目的在于提供一种肾癌病例数字化信息管理平台，所述肾癌病例数字化信息管理平台至少搭载所述肾癌病例数字化信息管理系统。
本发明的优点及积极效果为：
本发明通过波形蛋白检测模块不用取材肾癌组织即可检测到肾癌患者波形蛋白表达情况，该技术属于微创甚至无创，并能够实时检测；同时通过图像分割模块模拟临床医生操作习惯，采用自适应多分辨率策略，在低分辨率情况下，通过rgb颜色模型和形态学操作获得初始肿瘤图像感兴趣区域，再通过巴氏距离对初始感兴趣区域进行优化，目的是减少运算量，提高效率；再通过收敛指数滤波算法对不同分辨率的图像进行细胞检测，当大于阈值确定该分辨率为最佳词袋模型分类分辨率，将优化后的感兴趣区域反映到该高分辨率图像中，通过随机投影对词袋模型输入特征进行降维，再通过和词袋字典texton进行编码生成直方图特征，最后通过linearsvm进行分类，达到对感兴趣区域中肿瘤图像组织的分割。本发明完全依靠计算机进行，能够大幅度减少医生手工勾画的工作量，同时避免手工勾画带来的误差。分割的结果将能够用于获得相关疾病诊断及手术规划所需的重要解剖及生理学参数，从而提高疾病诊断及治疗的效率及准确性。
本发明对节点进行分簇综合考虑了诸多的因素，这些因素包括网络节点距离数据处理中心dpc的跳数、节点的剩余能量以及节点能耗等因素，便于控制网络的拓扑结构和数据的收集与传输。
本发明在簇内收集数据时，使用投票机制舍弃恶意节点传来的错误数据，有效地提高了数据的可靠性。
本发明基于最佳冗余度自适应地进行数据的传输，在完全符合无线传感器通信特征的前提下，没有涉及有线链路、移动节点等条件，因此使得本发明的方法可以在不提高通信成本的前提下提高网络数据的采集性能。
本发明的图像评价不同于传统的评价方法，本发明建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标；本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。
附图说明
图1是本发明实施例提供的肾癌病例数字化信息管理系统结构框图。
图中：1、患者信息采集模块；2、波形蛋白检测模块；3、图像采集模块；4、中央处理模块；5、图像分割模块；6、病理分析模块；7、数据更新模块；8、显示模块。
图2是本发明实施例提供的图像分割模块分割方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的肾癌病例数字化信息管理系统包括：患者信息采集模块1、波形蛋白检测模块2、图像采集模块3、中央处理模块4、图像分割模块5、病理分析模块6、数据更新模块7、显示模块8。
患者信息采集模块1，与中央处理模块4连接，用于采集患者基本信息和临床检验资料；
波形蛋白检测模块2，与中央处理模块4连接，用于检测患者波形蛋白状态数据信息；
图像采集模块3，与中央处理模块4连接，用于采集患者肾癌肿瘤图像影像数据；
中央处理模块4，与患者信息采集模块1、波形蛋白检测模块2、图像采集模块3、图像分割模块5、病理分析模块6、数据更新模块7、显示模块8连接，用于控制各个模块正常工作；
图像分割模块5，与中央处理模块4连接，用于肿瘤图像病理图像自动快速分割；
病理分析模块6，与中央处理模块4连接，用于根据检测的数据对患者病理进行分析；
数据更新模块7，与中央处理模块4连接，用于根据患者检测情况、术后治疗和检查结果，并指导医生实时更新诊疗方案；
显示模块8，与中央处理模块4连接，用于显示患者检测的数据信息及影像信息。
本发明提供的波形蛋白检测模块2检测方法如下：
(1)将循环肿瘤图像细胞蜡块薄层切片在染色缸中按以下步骤进行脱蜡和水化：二甲苯溶液浸泡3次，每次10分钟；无水乙醇溶液浸泡3次，每次5分钟；95％乙醇溶液浸泡5分钟；85％乙醇溶液浸泡5分钟；75％乙醇溶液浸泡5分钟；蒸馏水浸泡2次，每次3分钟；ph＝7.4的pbs浸泡3次，每次3分钟；
(2)采用柠檬酸缓冲液高温高压抗原修复法对组织抗原进行修复：取ph＝6.0柠檬酸盐缓冲液800-1500ml于压力锅中，大火加热直至沸腾，将脱蜡水化后的组织切片置于耐高温不锈钢切片架上，放入已沸腾的缓冲液中，锅盖继续加热至喷汽开始计时，1-2分钟后，压力锅离开热源，冷却至室温，取出玻片，先用蒸馏水冲洗两次，之后用ph＝7.2-7.4的pbs冲洗两次，每次各3分钟；
(3)3％h2o2去离子水孵育5分钟，以阻断内源性过氧化物酶，pbs冲洗3次，每次2分钟；
(4)滴加波形蛋白一抗，室温或37℃孵育1-2小时或4℃过夜，pbs冲洗3次，每次2分钟；
(5)滴加通用型igg抗体，室温或37℃孵育15分钟，pbs冲洗3次，每次2分钟；
(6)应用dab溶液显色：甩去pbs液，每张切片加2滴或100μl新鲜配制的dab溶液，显微镜下观察3-10分钟；
(7)蒸馏水冲洗、复染、脱水、透明封片：蒸馏水冲洗2次，每次3分钟；苏木素复染1分钟；0.1％盐酸酒精分化；0.1％氨水返蓝；50％、70％、85％、95％、无水乙醇脱水干燥；二甲苯透明，中性树脂胶封片；
(8)细胞病理学专家阅片，根据细胞着色程度判定波形蛋白表达情况。
如图2，本发明提供的图像分割模块分割方法如下：
s101:建立基于词袋bow模型的肿瘤图像分类训练、测试数据库，构建texton字典，并训练出线性支持向量机linearsvm模型；
s102:将待分割的肿瘤图像病理图像，分别生成从1倍、2倍、4倍、8倍、16倍分辨率的病理图像；
s103:从1倍分辨率图像开始使用rgb颜色直方图模型和形态学闭操作得到包含肿瘤图像的初始感兴趣区域；
s104:在得到的初步分割结果基础上，重复步骤3)，得到更新后的感兴趣区域，并通过巴式距离计算2个感兴趣区域的差异，如果差异大于阈值，继续重复步骤s103，直到差异小于阈值跳转到高一倍分辨率图像，终止条件达到阈值或者达到4倍分辨率，得到优化后的感兴趣区域；
s105:在优化后感兴趣区域中，在中心区域选择200×200像素框的图像；
s106:用收敛指数滤波算法对步骤s105所选的区域进行细胞检测，如果细胞数量小于阈值，则跳转到高一层分辨率，继续重复步骤s105、s106；终止条件达到阈值，得到bow分类最佳分辨率；
s107:在步骤s106确定的最佳分辨率所映射的优化后感兴趣区域中，按照长宽200×200像素分割成若干块图片，用mr8滤波器对每一个块图片进行滤波，得到mr8特征；
s108:在步骤s107基础上，用随机投影算法对图像进行降维，得到稀疏化的mr8特征；
s109:用稀疏化后的mr8特征和步骤s101所得到的texton词典进行数据编码得到新的直方图特征；
s1010:用步骤s101得到的linearsvm模型对所得到的直方图特征进行分类，筛选出在优化后的感兴趣区域中的肿瘤图像部分，最终分割出肿瘤图像。
本发明管理时，通过患者信息采集模块1采集患者基本信息和临床检验资料；通过波形蛋白检测模块2检测患者波形蛋白状态数据信息；通过图像采集模块3采集患者肾癌肿瘤图像影像数据；中央处理模块4通过图像分割模块5对肿瘤图像病理图像自动快速分割；通过病理分析模块6根据检测的数据对患者病理进行分析；接着，通过数据更新模块7根据患者检测情况、术后治疗和检查结果，并指导医生实时更新诊疗方案；最后，通过显示患者检测的数据信息及影像信息。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的肾癌病例数字化信息管理方法，包括：
通过患者信息采集模块采集患者基本信息和临床检验资料；在无线传感器网络区域内，随机抛撒若干个相同的患者信息采集模块集成的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心；其中，数据处理中心用于发起查询任务并接收目标区域的簇头传来的数据；根据混合节能分布式分簇算法将无线传感器网络节点分簇管理；
数据处理中心向多个目标区域发起查询任务，每个目标区域内的簇头首先通过aftqck算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度；
每个目标区域内的簇头利用计算出来的最佳冗余度向数据处理中心发送数据；得到患者基本信息和临床检验资料信息；
通过波形蛋白检测模块检测患者波形蛋白状态数据信息；
通过图像采集模块采集患者肾癌肿瘤图像影像数据；通过图像采集模块集成的影像采集器获取待评价的患者肾癌肿瘤图像影像数据；
图像灰度化，为方便图像的边缘提取，利用数字图像处理中rgb图像的r、g、b各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
gray＝r*0.3+g*0.59+b*0.11；
进行图像边缘提取，利用数字图像处理方法中的roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模型如下：
e(i,j)＝|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)|；
中央处理模块通过图像分割模块对肿瘤图像病理图像自动快速分割；
通过病理分析模块根据检测的数据对患者病理进行分析；
通过数据更新模块根据患者检测情况、术后治疗和检查结果，并指导医生实时更新诊疗方案策略；
通过显示患者检测的数据信息及影像信息。
根据混合节能分布式分簇算法将无线传感器网络节点分簇管理的方法为：
在每个无线传感器网络节点中筛选初始簇头；
目标区域内的簇头广播簇头消息，非簇头节点向目标区域内的簇头发出请求加簇消息，收到加簇消息的目标区域内的簇头向该非簇头节点发送允许加簇消息；
非簇头节点选择通信代价最小的可达簇头作为其簇头；
所述数据处理中心向多个目标区域发起查询任务，每个目标区域内的簇头首先通过aftqck算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度中，
设每个目标区域内的簇头通过aftqc算法计算出查询任务的最佳冗余度为(ms,mp)，其中，ms表示源节点冗余度，mp表示路径冗余度；获得最佳冗余度(ms,mp)的方法为：
计算一次由ms个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过mp条路经向数据处理中心传输数据的查询成功传输的概率rq；
由第t次查询要求k个簇头应答的概率为pt(k)，得到第t次查询成功的平均概率rq(t)；
计算一次由ms个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过mp条路经向数据处理中心传输数据的能量消耗eq；
由第t次查询要求k个簇头应答的概率为pt(k)，得到第t次查询消耗的平均消耗能量eq(t)；
计算每次分簇消耗的能量eclustering；
针对不同的(ms,mp)，计算出相应的mttf，记录使得mttf最大的(ms,mp)即为最佳冗余度，mttf的计算公式如下：
式中，λq＝1次/min为查询速率，ethreshold＝0为能量阈值，tclustering∈[5-20]sec为分簇间隔；
所述每个目标区域内的簇头利用计算出来的最佳冗余度(ms,mp)向数据处理中心发送数据，包括：
每个目标区域内的簇头随机选择ms个簇内普通传感器节点，要求每个簇内普通传感器节点向其报告数据，然后簇头基于投票机制处理ms个普通传感器节点传来的数据，舍弃不可信数据，并将不可信数据对应的普通传感器节点记为恶意节点，最后将可信数据取平均值得到最终数据；
每个目标区域内的簇头根据多路径多速率路由协议选择mp条不相交的到达数据处理中心的路径，并进行数据的传输。
图像边缘提取后，还需进行图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像f统计信息为sum_orig,滤波处理后的参考图像f2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；
根据最佳视觉效果的dmos范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价live2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,dmos)建立评价值value与dmos之间的映射关系，根据最佳视觉效果对应的dmos范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示模块上。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。