方 雷，姚申君，包航成，康俊峰，劉 婷

1. 復(fù)旦大學(xué)環(huán)境科學(xué)與工程系，上海 200438； 2. 華東師范大學(xué)地理科學(xué)學(xué)院，上海 200241； 3. 金華市規(guī)劃與地理信息中心，浙江 金華 321000； 4. 江西理工大學(xué)建筑與測繪工程學(xué)院，江西 贛州 341000； 5. 杭州師范大學(xué)理學(xué)院，浙江 杭州 311121

海量空間信息處理和應(yīng)用具有信息密集和運(yùn)算密集的特征，目前廣泛依賴于并行技術(shù)和高性能計(jì)算機(jī)的應(yīng)用。遙感影像處理(如影像的校正、配準(zhǔn)、識(shí)別)是并行技術(shù)在空間信息處理領(lǐng)域的一大主要應(yīng)用。早在10年前，國內(nèi)外就已廣泛開展圖像的并行化處理研究[1-10]，在該領(lǐng)域取得多方面的成果。例如，結(jié)合并行技術(shù)和遺傳算法有學(xué)者提出利用低分辨率相機(jī)獲取高分辨率圖像的方法[6]；部分研究人員提出能高效實(shí)現(xiàn)遙感圖像預(yù)處理的分布式共享存儲(chǔ)并行處理系統(tǒng)[7]、遙感衛(wèi)星圖像幾何粗校正的數(shù)據(jù)并行方法[8]、基于小波的遙感圖像全局配準(zhǔn)算法[9]、遙感多圖像配準(zhǔn)中自動(dòng)提取特征點(diǎn)的并行算法[10]、基于GPU的并行算法[11-12]等，此外還有針對(duì)遙感影像識(shí)別、分割、分類、融合等高性能算法[13-18]。針對(duì)數(shù)據(jù)量呈指數(shù)增長的全球遙感圖像，必須研究基于并行化的快速、有效、高精度的自動(dòng)圖像配準(zhǔn)算法，為此，有學(xué)者提出了相應(yīng)的遙感圖像自動(dòng)配準(zhǔn)的并行策略[19-20]。而隨著遙感影像并行化方法的研究深入，近5年來，越來越多的學(xué)者不滿足于某一類操作或者數(shù)據(jù)的并行化處理算法，而傾向于提出并行算法的通用模型[21-24]。

可以看出，目前研究主要還是利用遙感圖像的矩陣可分解性質(zhì)，設(shè)計(jì)了大量關(guān)于影像并行算法和并行處理的環(huán)境。但是，在云計(jì)算環(huán)境下，一份遙感數(shù)據(jù)存在多個(gè)冗余備份，具備同步并行處理多個(gè)計(jì)算任務(wù)，解決了對(duì)一份數(shù)據(jù)處理時(shí)輸入輸出(I/O)資源爭用的問題。例如，可以同時(shí)對(duì)同一份遙感數(shù)據(jù)的不同備份進(jìn)行數(shù)據(jù)劃分和壓縮操作，快速生成金字塔索引。過往并沒有針對(duì)該環(huán)境的最佳并行處理路徑選擇的深入研究。本文在總結(jié)前人研究的基礎(chǔ)上，給出一個(gè)一般情況下的基于數(shù)據(jù)劃分的最佳并行處理路徑的數(shù)學(xué)模型，實(shí)現(xiàn)了在相同的遙感影像處理算法和同等的計(jì)算資源條件下，計(jì)算機(jī)自主選擇最優(yōu)處理路徑，達(dá)到最優(yōu)的遙感影像處理效率。

1 基于數(shù)據(jù)劃分的最佳并行處理路徑的數(shù)學(xué)模型

并行分為功能分解和數(shù)據(jù)分解?；跀?shù)據(jù)分解的并行處理，在遙感圖像的并行處理中使用較為普遍。例如，創(chuàng)建金字塔索引時(shí)，對(duì)原始影像劃分的過程中同時(shí)伴隨著數(shù)據(jù)壓縮。本文根據(jù)柵格數(shù)據(jù)的可分解性給出柵格影像數(shù)據(jù)并行處理的相關(guān)定義，最后提出最佳并行處理路徑選擇算法的數(shù)學(xué)模型，即旋轉(zhuǎn)門模型。

1.1 并行處理算法數(shù)學(xué)模型及其相關(guān)定義

一般的柵格影像劃分存儲(chǔ)及并行處理過程均可以抽象成如圖1所示的模型。它包含以下4個(gè)要素：數(shù)據(jù)態(tài)Ri、元素個(gè)數(shù)ni、相對(duì)信息量rj、映射f及其對(duì)應(yīng)的單位信息量下的計(jì)算代價(jià)φp。

圖1 柵格影像的一般并行處理過程Fig.1 General parallel processing model of a raster image

如果要想從源數(shù)據(jù)態(tài)Ri, j生成3個(gè)數(shù)據(jù)態(tài)(Ri, j+1、Ri+1, j和Ri+1, j+1)必須經(jīng)過一次f和f′操作以及一次Ri, j到Ri+1, j的操作；或一次f′和f操作以及一次Ri, j到Ri, j+1的操作。這兩次操作可以是串行的操作也可以是并行的操作。任何一條獨(dú)立的處理鏈無法同時(shí)(并行的)獲得3個(gè)結(jié)果數(shù)據(jù)態(tài)，所以并行操作必須將圖中x方向和y方向的操作相結(jié)合，形成多路并行處理過程：既生成3個(gè)結(jié)果數(shù)據(jù)態(tài)，又可以充分利用云計(jì)算平臺(tái)中的多個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算資源，提高數(shù)據(jù)處理效率。此外，雖然有兩條處理路徑均能生成數(shù)據(jù)態(tài)Ri+1, j+1，但是這種情況在實(shí)際的并行過程中顯然是不被允許的，因?yàn)樵摲绞皆斐闪擞?jì)算資源的浪費(fèi)。于是對(duì)并行模型進(jìn)行化簡，得到縱向并行和橫向并行。

圖2給出了更為一般的縱向并行和橫向并行處理，顯示了從源數(shù)據(jù)態(tài)經(jīng)過處理鏈得到的不同的數(shù)據(jù)態(tài)(劃分?jǐn)?shù)據(jù)態(tài)和其他數(shù)據(jù)態(tài))的過程。圖2(a)和(b)均是一個(gè)不完全二叉樹。易知，不完全二叉樹上的每一個(gè)分叉都表示一種實(shí)行并行的可能性。若將每一個(gè)映射過程視為一個(gè)并行任務(wù)，則并行維數(shù)為d的映射過程，可以形成d條并行的子任務(wù)。若生成所有的數(shù)據(jù)態(tài)，均有橫向并行和縱向并行兩種并行路徑的選擇。易知，若映射f不發(fā)生變化，并行路徑不發(fā)生改變。在具體的并行處理實(shí)施過程中，如何讓計(jì)算機(jī)根據(jù)映射f動(dòng)態(tài)選擇最佳的并行路徑將是“遙感影像并行處理并對(duì)處理后的數(shù)據(jù)進(jìn)行分布式存儲(chǔ)，再對(duì)存儲(chǔ)后的遙感影像進(jìn)行下一次的并行處理”這種循環(huán)往復(fù)操作的關(guān)鍵問題。

圖2 一般性縱向并行與橫向并行處理Fig.2 General longitudinal and horizontal parallel processing

經(jīng)過推導(dǎo)[25]，采用式(1)對(duì)并行處理路徑進(jìn)行選擇

(1)

1.2 示例及討論

(2)

即①劃分的計(jì)算代價(jià)大于壓縮時(shí)，采用橫向并行(先劃分再壓縮)；②劃分的計(jì)算代價(jià)小于壓縮時(shí)，采用縱向并行(先壓縮再劃分)；③劃分與壓縮的計(jì)算代價(jià)近似時(shí)，為臨界狀態(tài)，采用橫向并行和縱向并行均可。

(3)

圖3 生成四叉樹索引(4層)Fig.3 Generating quadtree spatial index to image pyramid

圖4 柵格影像目標(biāo)識(shí)別Fig.4 Detection and recognition parallel processing of target

(3) 橫向并行和縱向并行的多種并行操作組合(圖5)。上述兩個(gè)示例均為一個(gè)并行操作和劃分操作組合的并行策略分析，本文提出的最佳并行策略可以推廣到多個(gè)并行。例如，圖5(a)給出了3個(gè)并行操作和劃分操作，包含了兩個(gè)縱向并行和一個(gè)橫向并行組合，稱為旋轉(zhuǎn)門模型。旋轉(zhuǎn)門模型是解決多個(gè)并行處理操作組合策略的問題，本質(zhì)上是最優(yōu)路徑規(guī)劃，而不是先后組合的問題。與“傳統(tǒng)的、沒有路徑規(guī)劃的”并行算法相比，旋轉(zhuǎn)門模型的優(yōu)勢在于：可以實(shí)現(xiàn)在相同的遙感影像處理算法和同等的計(jì)算資源條件下，計(jì)算機(jī)自主選擇最優(yōu)處理路徑，達(dá)到最優(yōu)的遙感影像處理效率。旋轉(zhuǎn)門模型以遙感影像數(shù)據(jù)劃分為基礎(chǔ)，是這個(gè)旋轉(zhuǎn)門的主軸，每一扇門都是一個(gè)縱向或橫向的選擇(必定包含數(shù)據(jù)劃分操作部分)，并且由于數(shù)據(jù)有多個(gè)冗余備份，每一扇門與其他扇門的操作都是可以同時(shí)進(jìn)行的、獨(dú)立并行的關(guān)系。如果不以劃分為軸，這種組合起來的策略還可變成一個(gè)彼此為邊的立方體模型(圖5(b))。

此外，進(jìn)一步討論式(2)和式(3)可知，旋轉(zhuǎn)門模型的路徑判斷準(zhǔn)則可簡單概括為“何種操作的單位計(jì)算代價(jià)大則先進(jìn)行何種操作”。即，要獲得全級(jí)別的柵格影像這一前提下，要實(shí)現(xiàn)多種并行處理操作組合的時(shí)間最優(yōu)，則要優(yōu)先進(jìn)行計(jì)算代價(jià)大的操作。這一結(jié)論與傳統(tǒng)的認(rèn)知和經(jīng)驗(yàn)不同，是旋轉(zhuǎn)門模型的另一理論貢獻(xiàn)。

2 算法實(shí)現(xiàn)流程描述及討論

圖6 算法流程Fig.6 Algorithm flow diagram

總之，通過實(shí)現(xiàn)算法的描述可知，旋轉(zhuǎn)門模型原理簡單實(shí)用，可以使計(jì)算機(jī)集群平臺(tái)自動(dòng)根據(jù)用戶輸入的遙感影像和指定的遙感影像處理程序準(zhǔn)確地得到并行處理時(shí)間最短的最優(yōu)路徑，解決了將并行技術(shù)應(yīng)用于海量遙感影像分布式存儲(chǔ)和處理領(lǐng)域時(shí)其處理模型所具有的多路可達(dá)性所引起的路徑動(dòng)態(tài)、最優(yōu)選擇問題，滿足了并行處理時(shí)耗時(shí)最短、最高效的要求。

特別的，在云計(jì)算或集群平臺(tái)上，圖2的縱向并行和橫向并行的旋轉(zhuǎn)門模型在計(jì)算節(jié)點(diǎn)上的實(shí)際運(yùn)行過程示意圖如圖7所示。由圖7可知，在實(shí)際運(yùn)行過程中，除第1個(gè)計(jì)算節(jié)點(diǎn)之外，旋轉(zhuǎn)門模型分配每個(gè)計(jì)算節(jié)點(diǎn)“非常有秩序地”都在做相同的操作，而且任何一個(gè)節(jié)點(diǎn)又都是一個(gè)不完全二叉樹的子節(jié)點(diǎn)的根節(jié)點(diǎn)，它們遵守相同的規(guī)則，環(huán)環(huán)嵌套。這樣的“秩序”是根據(jù)“計(jì)算時(shí)間最少”這一標(biāo)準(zhǔn)，由公式自動(dòng)計(jì)算出來，沒有人工干預(yù)。每個(gè)節(jié)點(diǎn)都做同樣的操作對(duì)龐大的云計(jì)算平臺(tái)有著諸多優(yōu)勢。例如，在同一個(gè)計(jì)算節(jié)點(diǎn)內(nèi)，若指令快速緩沖存儲(chǔ)區(qū)(cache)和數(shù)據(jù)cache都有限時(shí)，做同樣的事情可以有機(jī)會(huì)讓代碼和數(shù)據(jù)一直在cache里，從而提高效率；再如，減少數(shù)據(jù)傳輸次數(shù)，規(guī)避數(shù)據(jù)傳輸瓶頸；還有，容錯(cuò)率高，不會(huì)影響其他計(jì)算節(jié)點(diǎn)的計(jì)算結(jié)果，容易找到出錯(cuò)節(jié)點(diǎn)或問題所在，容易恢復(fù)中斷的處理和操作等等。綜上，旋轉(zhuǎn)門模型雖然是遙感影像處理領(lǐng)域的一個(gè)算法，但是從一個(gè)側(cè)面反映了“秩序即效率”的自然或社會(huì)規(guī)律。

圖7 縱向并行與橫向并行的旋轉(zhuǎn)門模型在計(jì)算節(jié)點(diǎn)上的實(shí)際運(yùn)行過程Fig.7 Longitudinal and horizontal parallel processing on compute nodes

3 結(jié)果驗(yàn)證與分析

前文已經(jīng)通過嚴(yán)密的理論論證提出了旋轉(zhuǎn)門模型。旋轉(zhuǎn)門模型的本質(zhì)是多種并行處理的組合基礎(chǔ)上的最優(yōu)路徑選擇策略。前文在分析傳統(tǒng)的遙感影像并行處理的缺點(diǎn)時(shí)，已經(jīng)指出現(xiàn)有的并行處理策略只注重單一操作的并行處理，若完成數(shù)據(jù)劃分、目標(biāo)識(shí)別、數(shù)據(jù)壓縮、投影變換、特征提取等處理過程，只能依次先完成數(shù)據(jù)劃分再進(jìn)行目標(biāo)識(shí)別，然后數(shù)據(jù)壓縮等。所以，第2節(jié)的理論模型就是在“多種遙感影像處理并行策略一定優(yōu)于這些并行處理過程各自完成再串行”這一前提假設(shè)的基礎(chǔ)上提出的。即旋轉(zhuǎn)門模型與現(xiàn)有并行處理策略相比具有天然的優(yōu)勢。換句話說，旋轉(zhuǎn)門模型可以實(shí)現(xiàn)在相同的遙感影像處理算法和同等的計(jì)算資源條件下，計(jì)算機(jī)自主選擇最優(yōu)處理路徑，達(dá)到最優(yōu)的遙感影像處理效率。所以本文試驗(yàn)的目的是為論證實(shí)際遙感影像并行處理過程中基于數(shù)據(jù)劃分的最佳并行路徑選擇模型的正確性及其性能，并未重點(diǎn)測試比較旋轉(zhuǎn)門模型與現(xiàn)有并行處理策略的高低(討論部分間接說明了旋轉(zhuǎn)門模型與現(xiàn)有并行處理策略的優(yōu)勢)。試驗(yàn)內(nèi)容以四叉樹金字塔并行生成過程和目標(biāo)識(shí)別為例，測試了“先壓縮再劃分和先劃分再壓縮”、“先識(shí)別再劃分和先劃分再識(shí)別”的運(yùn)行時(shí)間，最后結(jié)合壓縮算法、目標(biāo)識(shí)別算法和劃分算法的計(jì)算代價(jià)，對(duì)上述兩個(gè)測試結(jié)果進(jìn)行深入分析。需要說明的是，數(shù)據(jù)量和軟硬件環(huán)境不同會(huì)影響測試時(shí)間，但是最優(yōu)路徑的選擇結(jié)果和結(jié)論不會(huì)發(fā)生變化。

3.1 測試環(huán)境

測試采用名字節(jié)點(diǎn)3個(gè)，配置為表1中第1及第2類共3臺(tái)PC機(jī)；計(jì)算節(jié)點(diǎn)32個(gè)，配置為表1中8類共32臺(tái)PC機(jī)。本文試驗(yàn)的軟件環(huán)境簡單，Windows操作系統(tǒng)運(yùn)行穩(wěn)定、操作方便、安全性較高，為保證系統(tǒng)的正常運(yùn)行，服務(wù)器端操作系統(tǒng)采用Windows 2008 Server(64 bits)或Windows 2003 Server(32 bits)。其中，選擇Windows 2008 Server是為運(yùn)行Dryad平臺(tái)，選擇Windows 2003 Server(32 bits)是用其作為UDDI的服務(wù)目錄服務(wù)器。對(duì)客戶端理論上沒有要求，任何安裝了網(wǎng)絡(luò)瀏覽器的普通PC機(jī)均可作為客戶端。

數(shù)據(jù)選擇表2所示數(shù)據(jù)，其數(shù)據(jù)量從200 MB到5.58 GB不等。

表1 PC機(jī)及網(wǎng)絡(luò)設(shè)備配置

表2 試驗(yàn)用柵格數(shù)據(jù)

3.2 測試內(nèi)容

3.2.1 生成四叉樹金字塔(壓縮和劃分組合策略測試)

測試1：使用10個(gè)計(jì)算節(jié)點(diǎn)，對(duì)測試數(shù)據(jù)A采用先壓縮再劃分的并行策略，構(gòu)建8、10、12層四叉樹金字塔，記錄總時(shí)間；使用10個(gè)計(jì)算節(jié)點(diǎn)，對(duì)測試數(shù)據(jù)A采用先劃分再壓縮的并行策略，同樣構(gòu)建8、10、12層四叉樹金字塔，記錄總時(shí)間。

測試2：測定壓縮和劃分操作的單位信息量下的計(jì)算代價(jià)φp。分別請求壓縮和劃分操作，則云端的計(jì)算節(jié)點(diǎn)分別使用ENVI/IDL算法執(zhí)行壓縮(將一份影像數(shù)據(jù)按四叉樹金字塔的壓縮方法進(jìn)行壓縮)和劃分(將同一份影像數(shù)據(jù)劃分64份)處理，分別記錄柵格數(shù)據(jù)A—F壓縮和劃分時(shí)間，并計(jì)算出相同環(huán)境下單位信息量下的計(jì)算代價(jià)。

3.2.2 目標(biāo)識(shí)別(目標(biāo)識(shí)別和劃分組合策略測試)

測試1：本文采用Tensorflow與CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的目標(biāo)識(shí)別方法*，使用10個(gè)計(jì)算節(jié)點(diǎn)，對(duì)測試數(shù)據(jù)F采用先目標(biāo)識(shí)別再劃分的并行策略，構(gòu)建2、3、4層數(shù)據(jù)，最終將4、16、64份數(shù)據(jù)均勻存儲(chǔ)在計(jì)算節(jié)點(diǎn)上為止，記錄1—2級(jí)、2—3級(jí)、3—4級(jí)的時(shí)間；使用10個(gè)計(jì)算節(jié)點(diǎn)，對(duì)測試數(shù)據(jù)F采用先劃分再目標(biāo)識(shí)別的并行策略，同樣構(gòu)建2、3、4層數(shù)據(jù)，最終將4、16、64份數(shù)據(jù)均勻存儲(chǔ)在計(jì)算節(jié)點(diǎn)上為止，記錄1—2級(jí)、2—3級(jí)、3—4級(jí)的時(shí)間。

測試2：測定目標(biāo)識(shí)別和劃分操作的單位信息量下的計(jì)算代價(jià)φp。分別請求目標(biāo)識(shí)別和劃分操作，則云端的計(jì)算節(jié)點(diǎn)分別使用ENVI/IDL算法執(zhí)行目標(biāo)識(shí)別(將一份影像數(shù)據(jù)按Tensorflow與CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的目標(biāo)識(shí)別方法進(jìn)行目標(biāo)識(shí)別)和劃分(將同一份影像數(shù)據(jù)劃分64份)處理，分別記錄柵格數(shù)據(jù)A—F目標(biāo)識(shí)別和劃分時(shí)間，并計(jì)算出相同環(huán)境下單位信息量下的計(jì)算代價(jià)。

為了客觀起見，本測試試驗(yàn)運(yùn)行50～100次，取其均值作為試驗(yàn)結(jié)果。表3和表5結(jié)果為實(shí)際并行處理過程模擬，故包含傳輸時(shí)間。

3.3 測試結(jié)果

3.3.1 生成四叉樹金字塔(壓縮和劃分組合策略測試)

柵格數(shù)據(jù)A采用不同的并行策略獲得的測試結(jié)果如表3所示。

表3 柵格數(shù)據(jù)A構(gòu)建四叉樹金字塔并行策略測試結(jié)果

Tab.3 Results of building quadtree pyramid parallel processing of dataAmin

測定壓縮和劃分操作的單位信息量下的計(jì)算代價(jià)如表4所示。

表4 單位信息量下的計(jì)算代價(jià)測定結(jié)果

3.3.2 目標(biāo)識(shí)別(目標(biāo)識(shí)別與劃分組合策略測試)

柵格數(shù)據(jù)F采用不同的并行策略獲得的測試結(jié)果如表5所示。

測定目標(biāo)識(shí)別和劃分操作的單位信息量下的計(jì)算代價(jià)如表6所示。

表5 柵格數(shù)據(jù)F目標(biāo)識(shí)別并行策略測試結(jié)果

Tab.5 Results of target detection and recognition parallel processing of dataFh

表6 單位信息量下的計(jì)算代價(jià)測定結(jié)果

3.4 結(jié)果討論

3.4.1 生成四叉樹金字塔(壓縮和劃分組合策略測試)

由圖3可知，若創(chuàng)建n級(jí)金字塔索引，則該索引中的文件總數(shù)Sn為

(4)

那么，柵格數(shù)據(jù)A在構(gòu)建8級(jí)、10級(jí)、12級(jí)金字塔索引過程中新生成29 123份、466 029份、7 456 535份圖像文件。同理，若原始圖像的數(shù)據(jù)量為a，則數(shù)據(jù)總量m為

(5)

3.4.2 目標(biāo)識(shí)別(目標(biāo)識(shí)別和劃分組合策略測試)

目標(biāo)識(shí)別是一個(gè)數(shù)據(jù)量增加的過程，易從表5結(jié)果獲知“先識(shí)別再劃分”的并行策略遠(yuǎn)遠(yuǎn)優(yōu)于“先劃分再識(shí)別”的并行策略。從表6可知，目標(biāo)識(shí)別的單位信息量下的計(jì)算代價(jià)遠(yuǎn)遠(yuǎn)大于劃分，所以進(jìn)行先識(shí)別再劃分的策略是正確的?！跋葎澐衷僮R(shí)別”的策略(橫向并行)，相對(duì)“先識(shí)別再劃分”策略會(huì)讓計(jì)算節(jié)點(diǎn)過多地處理復(fù)雜的識(shí)別處理操作，從而會(huì)降低整體的計(jì)算效率。此外，從表6可知，由于目標(biāo)識(shí)別算法的單位計(jì)算代價(jià)過大，且與數(shù)據(jù)量和像元數(shù)量正相關(guān)，所以傳統(tǒng)方法中，將原數(shù)據(jù)分割成幾份再進(jìn)行并行目標(biāo)識(shí)別會(huì)減少數(shù)據(jù)處理的總時(shí)間。但是，旋轉(zhuǎn)門模型卻告訴我們，在生成全級(jí)別的柵格影像并同時(shí)實(shí)現(xiàn)目標(biāo)識(shí)別操作時(shí)，要“先識(shí)別再劃分”，然后再將各級(jí)別的結(jié)果分布存儲(chǔ)于云計(jì)算平臺(tái)上，既能保證數(shù)據(jù)完整性和目標(biāo)識(shí)別的準(zhǔn)確性，又能保證效率最高。

3.4.3 目標(biāo)識(shí)別、數(shù)據(jù)壓縮和數(shù)據(jù)劃分綜合并行操作組合

綜上，若同時(shí)進(jìn)行目標(biāo)識(shí)別、數(shù)據(jù)壓縮和數(shù)據(jù)劃分綜合并行組合操作，生成全級(jí)別的柵格影像時(shí)，最優(yōu)路徑應(yīng)是“目標(biāo)識(shí)別—數(shù)據(jù)壓縮—數(shù)據(jù)劃分”或“目標(biāo)識(shí)別—數(shù)據(jù)劃分”與“數(shù)據(jù)壓縮—數(shù)據(jù)劃分”兩種選擇，此路徑即能保證時(shí)間效率最高，又能保證數(shù)據(jù)操作的正確性。若先進(jìn)行數(shù)據(jù)壓縮或數(shù)據(jù)劃分操作，則目標(biāo)識(shí)別則需要重新訓(xùn)練樣本，除時(shí)間效率低下之外，還會(huì)增加多余的操作時(shí)間。

4 結(jié) 論

得益于云計(jì)算理論和技術(shù)的提出，遙感影像的處理可以實(shí)現(xiàn)對(duì)同一份數(shù)據(jù)進(jìn)行多任務(wù)的并行處理。本文在此前提下，深入研究了基于數(shù)據(jù)劃分的遙感影像并行處理問題，提出了8個(gè)定義(數(shù)據(jù)態(tài)、信息量、元素、映射過程、表達(dá)式、并行維數(shù)、計(jì)算代價(jià)與縱向/橫向并行)，6個(gè)性質(zhì)(有向性、傳遞性、繁殖性、多維性、同一性與多路可達(dá)性)。以這些定義和性質(zhì)為基礎(chǔ)，從相鄰數(shù)據(jù)態(tài)之間的一次映射逐步推導(dǎo)致“基于數(shù)據(jù)劃分的遙感影像并行處理”的一般情況，提出最佳并行路徑選擇模型——旋轉(zhuǎn)門模型，用于解決將并行技術(shù)應(yīng)用于遙感影像分布式存儲(chǔ)和處理領(lǐng)域時(shí)，其處理模型所具有的多路可達(dá)性所引起的路徑動(dòng)態(tài)、最優(yōu)選擇問題。本文的貢獻(xiàn)在于：在批量處理海量遙感數(shù)據(jù)的情形下，同時(shí)實(shí)現(xiàn)遙感數(shù)據(jù)生成、目標(biāo)識(shí)別等并行任務(wù)時(shí)，最優(yōu)并行路徑的選擇只與平均計(jì)算和數(shù)據(jù)態(tài)的相對(duì)信息量、元素個(gè)數(shù)的比值這一標(biāo)志有關(guān)，而且從原始數(shù)據(jù)(源數(shù)據(jù)態(tài)1)到最終數(shù)據(jù)(最終數(shù)據(jù)態(tài)n)的諸多并行路徑中，看似復(fù)雜，其實(shí)只有獨(dú)立上行和獨(dú)立下行組成的單向最優(yōu)路徑。

本文還進(jìn)一步給出四叉樹索引并行生成、基于四叉樹的目標(biāo)識(shí)別并行處理的研究結(jié)果。指出在四叉樹索引并行生成過程中，如果劃分的計(jì)算代價(jià)大于壓縮時(shí)，采用先劃分再壓縮的橫向并行；如果劃分的計(jì)算代價(jià)小于壓縮時(shí)，采用先壓縮再劃分的縱向并行?；谒牟鏄涞哪繕?biāo)識(shí)別并行處理操作中，當(dāng)檢測結(jié)果很多時(shí)，無論劃分映射過程和目標(biāo)識(shí)別映射過程的效率如何，采用縱向并行(先目標(biāo)識(shí)別再劃分)的策略才能實(shí)現(xiàn)最優(yōu)化并行。

本文提出了基于數(shù)據(jù)劃分的遙感影像并行處理問題的基本概念和性質(zhì)，最終立足于最佳并行路徑選擇問題上。在模型的提出上，使用了簡單直觀的遙感影像二維矩陣來抽象表示遙感數(shù)據(jù)(可以理解為TIFF格式)，并在此基礎(chǔ)上提出概念、性質(zhì)和公式推導(dǎo)，最后得出結(jié)論。實(shí)際上，遙感數(shù)據(jù)在云計(jì)算平臺(tái)中存儲(chǔ)方式多樣，如果把一個(gè)二維矩陣按行重新組織成一維直線(1個(gè)像元高度)。原本二維矩陣?yán)镒x取一行或一列都很方便，現(xiàn)在，在一維直線中讀取一行可以直接根據(jù)偏移量連續(xù)讀取，但是如果讀一列需要先算好起始點(diǎn)和長度，然后每隔固定像元讀取一個(gè)像元，這種情況下就無法批量讀取；同樣如果將二維矩陣按列重新組織成一維直線，則按行批量讀取時(shí)也會(huì)有問題。得益于云計(jì)算環(huán)境中同一份數(shù)據(jù)的多個(gè)冗余備份特性，在實(shí)際應(yīng)用中，將遙感影像既按行存儲(chǔ)也按列存儲(chǔ)，并設(shè)計(jì)調(diào)度器對(duì)不同的遙感影像處理程序進(jìn)行調(diào)度，依據(jù)需要來處理按行存儲(chǔ)或按列存儲(chǔ)的一維數(shù)據(jù)。所以，實(shí)際存儲(chǔ)方式并不影響本文提出的算法模型及相關(guān)理論。只是基于不同的遙感數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)或存儲(chǔ)方式，需要對(duì)模型進(jìn)行具體化。同時(shí)針對(duì)不同的遙感影像處理方法，也需要對(duì)模型進(jìn)行具體化，還要考慮很多算法在實(shí)際應(yīng)用時(shí)的細(xì)節(jié)，特別是容錯(cuò)性和健壯性問題，這些都將是未來的研究工作的重點(diǎn)。此外，基于本文提出的概念和性質(zhì)，遙感影像并行處理問題還有很多其他的內(nèi)容可以研究，例如，負(fù)載均衡、質(zhì)量檢驗(yàn)等，而這些將在未來的研究工作中深入展開。