遙感影像數(shù)據(jù)并行計(jì)算中數(shù)據(jù)分配策略研究

馬偉鋒，李　偉

(1.浙江科技學(xué)院 信息與電子工程學(xué)院，浙江 杭州 310023；2.浙江工業(yè)大學(xué) 浙江省可視媒體智能處理技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310023)

遙感影像數(shù)據(jù)并行計(jì)算中數(shù)據(jù)分配策略研究

馬偉鋒1,2，李偉2

(1.浙江科技學(xué)院 信息與電子工程學(xué)院，浙江 杭州 310023；2.浙江工業(yè)大學(xué) 浙江省可視媒體智能處理技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310023)

摘要：分布式并行計(jì)算技術(shù)的發(fā)展使得遙感影像的快速處理成為了可能，而數(shù)據(jù)分配策略是遙感影像數(shù)據(jù)并行計(jì)算的核心問題.針對(duì)不同的影像數(shù)據(jù)類型和計(jì)算算法，提出了基于計(jì)算優(yōu)化的平均劃分與非平均劃分和基于效果增強(qiáng)的窗口劃分與尺度劃分四種數(shù)據(jù)分配策略模式，分析了不同模式適合的算法類型和應(yīng)用場(chǎng)合，對(duì)基于計(jì)算優(yōu)化的模式進(jìn)行計(jì)算速度和效率的理論分析，并通過構(gòu)建MPI并行計(jì)算環(huán)境進(jìn)行實(shí)驗(yàn)測(cè)試和分析.實(shí)驗(yàn)結(jié)果符合理論分析預(yù)期，可以對(duì)遙感影像數(shù)據(jù)并行計(jì)算系統(tǒng)構(gòu)建和算法設(shè)計(jì)提供有效的參考和評(píng)價(jià).

關(guān)鍵詞：遙感計(jì)算;并行計(jì)算;數(shù)據(jù)分配;遙感影像處理;分布式計(jì)算

隨著空間技術(shù)的不斷發(fā)展，人類獲取空間數(shù)據(jù)的能力迅速增強(qiáng)，以遙感影像為代表的對(duì)地觀察數(shù)據(jù)正成為空間信息應(yīng)用的主要數(shù)據(jù)來源.遙感計(jì)算技術(shù)緊密依賴于計(jì)算機(jī)技術(shù)、通訊網(wǎng)絡(luò)技術(shù)和智能處理技術(shù)的發(fā)展，如何從海量的遙感空間數(shù)據(jù)中快速、有效地提煉與應(yīng)用目標(biāo)直接相關(guān)的信息和知識(shí)，并服務(wù)于各行各業(yè)的分析與決策一直是遙感計(jì)算技術(shù)發(fā)展的瓶頸問題.近年來，分布式并行計(jì)算技術(shù)的發(fā)展為遙感計(jì)算問題提供了新的契機(jī)，尤其是基于數(shù)據(jù)并行的集群計(jì)算[1-2].

數(shù)據(jù)分配是基于數(shù)據(jù)并行的集群計(jì)算的關(guān)鍵問題.目前，國(guó)內(nèi)外對(duì)遙感影像并行計(jì)算的環(huán)境、算法設(shè)計(jì)等方面研究較多，但對(duì)數(shù)據(jù)分配策略這一關(guān)鍵問題的研究較少，所能參考的文獻(xiàn)和資料也寥寥無幾.李國(guó)慶等[3]提出了6種分布式影像處理的數(shù)據(jù)分配模式，但這種模式的分類主要側(cè)重于計(jì)算和操作角度，分別為整圖模式、行序圖、列序圖、交叉序圖、矩陣和特定型；黃國(guó)滿等[4]對(duì)并行遙感影像信息并行處理中的數(shù)據(jù)劃分問題也進(jìn)行了比較深入的研究；沈占鋒等[5-7]都對(duì)數(shù)據(jù)分配策略模式有過相應(yīng)的研究；從計(jì)算環(huán)境角度，較大部分研究工作基于MPI的并行環(huán)境，也有基于網(wǎng)格計(jì)算、Hadoop框架以及趙偉彪等提出MPI向云計(jì)算遷移等相關(guān)研究及應(yīng)用[8-14]；國(guó)外對(duì)基于消息傳遞機(jī)制的分布式并行遙感影像處理研究較早，也比較成熟，集中在并行處理環(huán)境、處理系統(tǒng)以及處理算法等方面[15-16].基于以上問題，在結(jié)合實(shí)踐科研工作的基礎(chǔ)上，提出了4類數(shù)據(jù)分配策略模式，分析了不同模式適合的算法類型和應(yīng)用場(chǎng)合，對(duì)相關(guān)模式的計(jì)算性能進(jìn)行理論分析并實(shí)驗(yàn).

1數(shù)據(jù)并行計(jì)算原理

在并行計(jì)算模型中，基于消息傳遞機(jī)制的模型以其靈活、方便、高效被廣泛的采用.基于該模型的遙感影像數(shù)據(jù)并行計(jì)算的工作過程為：首先有個(gè)核心計(jì)算機(jī)，將要被計(jì)算的原始遙感影像分成若干個(gè)數(shù)據(jù)塊，并將這些數(shù)據(jù)塊分配到不同的并行數(shù)據(jù)處理計(jì)算機(jī)上分別進(jìn)行數(shù)據(jù)處理與計(jì)算，最后再將處理完畢的結(jié)果進(jìn)行合并，完成數(shù)據(jù)并行計(jì)算的任務(wù)，如圖1所示.

圖1　數(shù)據(jù)并行計(jì)算原理Fig.1　Data parallel computing

從圖1可以看出：整個(gè)數(shù)據(jù)并行計(jì)算的實(shí)質(zhì)就是將數(shù)據(jù)分配給各個(gè)計(jì)算結(jié)點(diǎn)進(jìn)行分別計(jì)算然后結(jié)果匯總的過程，其中圖1顯示的是一種平均分配策略，即將被處理的原始圖像數(shù)據(jù)平均的劃分成若干部分進(jìn)行計(jì)算，這種方式適合那些信息均勻分布的遙感影像.但是對(duì)于遙感影像來說，分布在影像上的信息不可能全部都是勻質(zhì)分布的，需要通過非均勻的、特殊的數(shù)據(jù)劃分策略進(jìn)行計(jì)算.因此根據(jù)不同遙感影像特點(diǎn)和計(jì)算算法來設(shè)計(jì)對(duì)應(yīng)的數(shù)據(jù)劃分策略，在數(shù)據(jù)量傳輸、通訊量、計(jì)算速度等方面將會(huì)獲得比傳統(tǒng)計(jì)算方法更好的效果.

2數(shù)據(jù)分配策略模式

目前，已經(jīng)有部分專家學(xué)者對(duì)數(shù)據(jù)劃分策略進(jìn)行了研究，基本上確立的分配模式可以歸納為平均分配和非平均分配兩類，但是這種分類比較粗糙.因此，根據(jù)信息在整個(gè)影像中的分布情況，算法的類型等方面，初步總結(jié)了四類數(shù)據(jù)劃分的策略，如圖2所示.

圖2　數(shù)據(jù)分配策略模式Fig.2　Data distribution strategy

從圖2中可以看出：數(shù)據(jù)分配策略分為平均劃分、非平均劃分、窗口劃分和尺度劃分4種模式.其中根據(jù)信息量在整個(gè)遙感圖像中分布的情況不同，提出了平均劃分的數(shù)據(jù)分配策略和非平均劃分的數(shù)據(jù)分配策略，主要目的是為了探討快速計(jì)算的優(yōu)化問題.同時(shí)，為了在圖像快速處理的基礎(chǔ)上得到更好的處理效果，根據(jù)圖像處理算法的不同，提出了基于窗口的數(shù)據(jù)分配模式和基于尺度劃分的數(shù)據(jù)分配模式.

2.1平均劃分模式

目前最普遍采用的方法就是數(shù)據(jù)平均分配策略，也是較為容易的一種實(shí)現(xiàn)方法.該方法適合對(duì)信息量分布比較均勻的遙感圖像.這種分配方式下，所適用的圖像算法應(yīng)具有在計(jì)算時(shí)對(duì)像素間的關(guān)聯(lián)距離不大這一特點(diǎn)，如圖2(a)所示.在該方法的指導(dǎo)下，提出了若干種具體的分配方式，如按塊狀進(jìn)行劃分，按行條狀進(jìn)行劃分以及按列條狀進(jìn)行劃分等等.

2.2非平均劃分模式

非均勻劃分模式比較復(fù)雜，需要在分配前粗略的計(jì)算劃分的邊界，所適合的圖像處理算法與平均劃分模式一樣，但面向的遙感圖像與均勻劃分不同，是信息量分布不均衡的遙感圖像，即在遙感圖像上我們感興趣的信息所占整個(gè)圖像的比例較小，集中在一個(gè)較小的區(qū)域內(nèi)，如圖2(b)所示.假如系統(tǒng)想要在某一遙感影像數(shù)據(jù)中獲取相關(guān)水域中的船體信息，但影像并非整個(gè)包含水域信息，可能其中絕大部分是陸地信息，水域信息只占據(jù)了一部分，所占區(qū)域非常小.而由于我們希望獲取的船體的信息，一般位于水域信息中，因此在對(duì)船體進(jìn)行信息提取時(shí)，就沒有必要對(duì)陸地區(qū)域進(jìn)行計(jì)算，只需對(duì)影像的水域信息進(jìn)行處理.這樣系統(tǒng)就可以進(jìn)行預(yù)處理獲取兩個(gè)區(qū)域間的邊界，明確需要計(jì)算的部分.在有效區(qū)域占比不高的情況下，邊界統(tǒng)計(jì)會(huì)增加開銷，但可以大大減少后期復(fù)雜度較高的遙感計(jì)算算法的開銷，非常有益.

2.3重疊劃分模式

上述兩種劃分模式主要針對(duì)的是在計(jì)算時(shí)像素間的關(guān)聯(lián)不大，關(guān)聯(lián)距離較小的圖像處理算法.然后，在各類圖像處理算法中，像素間無關(guān)聯(lián)計(jì)算的情況幾乎很少，有的甚至關(guān)聯(lián)距離很大，例如基于窗口和模板的圖像處理算法.因此，為了在獲得快速圖像處理的同時(shí)，獲取較好的處理效果，在數(shù)據(jù)劃分的時(shí)候要充分考慮像素間關(guān)聯(lián)問題，即劃分?jǐn)?shù)據(jù)需要一定的重疊，如圖2(c)所示.

這種數(shù)據(jù)劃分模式其實(shí)就是在圖2(a，b)模式的基礎(chǔ)上考慮邊界的數(shù)據(jù)重疊問題，控制重疊區(qū)域的大小是其中的關(guān)鍵點(diǎn)，也是難點(diǎn).假如重疊區(qū)域大小控制的較差，非但不會(huì)提升遙感影像計(jì)算的效率，反而將增加計(jì)算的通信量，加劇遙感影像計(jì)算的系統(tǒng)開銷.根據(jù)以往經(jīng)驗(yàn)，一般建議冗余總體窗口寬度的1/10到1/20像素?cái)?shù)據(jù).

2.4尺度劃分模式

地理空間本身具有尺度的依賴性.為獲取更好結(jié)果，對(duì)于部分遙感影像不能只采用某一個(gè)分辨率進(jìn)行計(jì)算，而是需要有尺度依賴性，選取同一影像的多個(gè)分辨率進(jìn)行處理，最后將結(jié)果進(jìn)行綜合、合并.比如多尺度、多分辨率算法，可以按照需求，在主節(jié)點(diǎn)進(jìn)行預(yù)處理建立多個(gè)尺度的影像數(shù)據(jù)，在子節(jié)點(diǎn)對(duì)不同尺度的影像數(shù)據(jù)進(jìn)行計(jì)算，獲取不同分辨率下的特征數(shù)據(jù)，最后對(duì)相關(guān)數(shù)據(jù)進(jìn)行融合，提升圖象處理效果.圖2(d)是采用多尺度的數(shù)據(jù)分配策略.

3性能分析

上述4種模式，重疊劃分和尺度劃分主要是針對(duì)圖像處理效果的，而均勻劃分和非均勻劃分主要針對(duì)快速計(jì)算的優(yōu)化，因此分析了后2種劃分模式的計(jì)算速度和效率問題.

假設(shè)有個(gè)并行計(jì)算環(huán)境，其網(wǎng)絡(luò)傳輸速率為V(忽略其他通信環(huán)節(jié)的額外開銷，如高速網(wǎng)絡(luò)的傳播時(shí)延，各個(gè)計(jì)算結(jié)點(diǎn)的IO影響等等)，每個(gè)結(jié)點(diǎn)的軟硬件配置一樣.所要處理的遙感影像數(shù)據(jù)量為D(假設(shè)處理完后的結(jié)果數(shù)據(jù)量也是D)，那么在并行計(jì)算環(huán)境中執(zhí)行單一發(fā)送或接收的網(wǎng)絡(luò)傳輸時(shí)間開銷為Tn=D/V.影像處理算法為完全并行化，在單機(jī)運(yùn)行時(shí)所需要的時(shí)間為Ts每單位影像數(shù)據(jù)(Ts跟處理算法復(fù)雜度有關(guān)系，越復(fù)雜時(shí)間越大)，進(jìn)行并行計(jì)算機(jī)所需要的總時(shí)間為Tp.為方便期間，采用數(shù)據(jù)平均分配策略，對(duì)運(yùn)行時(shí)間Tp和加速比Sp進(jìn)行理論分析和實(shí)驗(yàn)測(cè)試.

3.1理論分析

3.1.1平均分配策略

假設(shè)采用的并行計(jì)算結(jié)點(diǎn)數(shù)為n，那么每個(gè)結(jié)點(diǎn)所要處理的影像數(shù)據(jù)為D/n，到達(dá)或接收每個(gè)結(jié)點(diǎn)的一次網(wǎng)絡(luò)傳輸時(shí)間為(D/n)/V.理論上每個(gè)結(jié)點(diǎn)進(jìn)行計(jì)算的時(shí)間為DTs/n，并行計(jì)算的總時(shí)間包括原始影像數(shù)據(jù)發(fā)送的網(wǎng)絡(luò)傳輸時(shí)間，單個(gè)結(jié)點(diǎn)運(yùn)算時(shí)間和處理結(jié)果接收的網(wǎng)絡(luò)傳輸時(shí)間，其表達(dá)式為

(1)

從式(1)可以看出：在該數(shù)據(jù)分配策略下，影響運(yùn)行總時(shí)間Tp的因素包括網(wǎng)絡(luò)傳輸速率、影像數(shù)據(jù)量、影像數(shù)據(jù)處理算法的復(fù)雜度(即單機(jī)運(yùn)算時(shí)間)和并行計(jì)算的節(jié)點(diǎn)數(shù)等.在一定的并行計(jì)算環(huán)境下，網(wǎng)絡(luò)傳輸速率一定，影像處理算法一定時(shí)，運(yùn)行總時(shí)間Tp與影像數(shù)據(jù)量成正比，與并行結(jié)點(diǎn)數(shù)成反比；同時(shí)，對(duì)于同一影像數(shù)據(jù)量和同一并行結(jié)點(diǎn)數(shù)時(shí)，運(yùn)行總時(shí)間Tp與網(wǎng)絡(luò)傳輸速率成反比，與影像處理算法的復(fù)雜度成正比，其中當(dāng)網(wǎng)絡(luò)傳輸速率較高，網(wǎng)絡(luò)傳輸時(shí)間遠(yuǎn)小于影像處理算法的單機(jī)處理時(shí)間，網(wǎng)絡(luò)傳輸時(shí)間可以忽略，平均分配策略所需總時(shí)間Tp主要取決影像處理算法的復(fù)雜度.

數(shù)據(jù)平均分配策略下，帶有網(wǎng)絡(luò)開銷的并行加速比公式為

(2)

從式(2)可以看出：在該數(shù)據(jù)分配策略下，影響并行加速比的因素包括網(wǎng)絡(luò)傳輸速率、影像數(shù)據(jù)處理算法的復(fù)雜度(即單機(jī)運(yùn)算時(shí)間)和并行計(jì)算的節(jié)點(diǎn)數(shù).在并行計(jì)算環(huán)境的網(wǎng)絡(luò)傳輸速度和處理算法一定的情況下，加速比隨著結(jié)點(diǎn)個(gè)數(shù)增加程現(xiàn)增加的關(guān)系，網(wǎng)絡(luò)傳輸時(shí)間與單機(jī)運(yùn)行時(shí)間Ts之比越小，加速比增加快，效率較高.

3.1.2非平均分配策略

假設(shè)采用的并行計(jì)算結(jié)點(diǎn)數(shù)為n，數(shù)據(jù)分發(fā)前的預(yù)處理每單位影像算法時(shí)間為Tm，預(yù)處理后影像數(shù)據(jù)量為Da，那么每個(gè)結(jié)點(diǎn)所要處理的數(shù)據(jù)為Da/n，到達(dá)或接收每個(gè)結(jié)點(diǎn)的一次網(wǎng)絡(luò)傳輸時(shí)間為(Da/n)/V，理論上每個(gè)結(jié)點(diǎn)進(jìn)行計(jì)算的時(shí)間為DaTs/n，因此并行計(jì)算的總時(shí)間包括影像數(shù)據(jù)預(yù)處理時(shí)間，影像數(shù)據(jù)發(fā)送的網(wǎng)絡(luò)傳輸時(shí)間，單個(gè)結(jié)點(diǎn)運(yùn)算時(shí)間和處理結(jié)果接收的網(wǎng)絡(luò)傳輸時(shí)間，其表達(dá)式為

(3)

從式(2)可以看出：在該數(shù)據(jù)分配策略下，影響運(yùn)行總時(shí)間Tp的因素包括原始影像數(shù)據(jù)量、影像預(yù)處理算法的復(fù)雜度、預(yù)處理后影像數(shù)據(jù)量、網(wǎng)絡(luò)傳輸速率、影像處理算法復(fù)雜度和并行計(jì)算結(jié)點(diǎn)數(shù)等.在一定的并行計(jì)算環(huán)境下，網(wǎng)絡(luò)傳輸速率和并行計(jì)算節(jié)點(diǎn)數(shù)一定，當(dāng)影像數(shù)據(jù)量和影像處理算法復(fù)雜度一定時(shí)，預(yù)處理算法復(fù)雜度越小，預(yù)測(cè)處理后的影像數(shù)據(jù)量越小，那么運(yùn)行總時(shí)間Tp就越小.

非平均分配策略下，帶有預(yù)處理和網(wǎng)絡(luò)開銷的并行加速比Sp公式為

(4)

從式(4)可以看出：與式(2)相比，在網(wǎng)絡(luò)傳輸速率V和算法復(fù)雜度Ts一定的情況下，非平均分配的加速比主要取決于Tm/Ts，Da/D和n三個(gè)關(guān)鍵因素，當(dāng)預(yù)處理時(shí)間Tm越小，預(yù)處理后的數(shù)據(jù)Da越小，計(jì)算節(jié)點(diǎn)n越大，那么整個(gè)加速比越好.

3.2實(shí)驗(yàn)測(cè)試

數(shù)據(jù)平均分配的計(jì)算環(huán)節(jié)是子節(jié)點(diǎn)并行計(jì)算，而非平均數(shù)據(jù)分配的計(jì)算有兩個(gè)階段：主節(jié)點(diǎn)預(yù)處理和子節(jié)點(diǎn)并行計(jì)算.假設(shè)非平均分配中預(yù)處理減少的數(shù)據(jù)量計(jì)算時(shí)間正好抵消預(yù)處理計(jì)算時(shí)間，那么子節(jié)點(diǎn)并行計(jì)算就是影響數(shù)據(jù)平均分配和非平均數(shù)據(jù)分配計(jì)算速度與效率的關(guān)鍵.實(shí)驗(yàn)構(gòu)造了MPI并行計(jì)算環(huán)境，在考慮網(wǎng)絡(luò)開銷情況下，對(duì)子節(jié)點(diǎn)并行計(jì)算速度與效率進(jìn)行了實(shí)驗(yàn)測(cè)試.實(shí)驗(yàn)選用經(jīng)典的共生矩陣特征提取算法，對(duì)Brodatz紋理圖像進(jìn)行了角二度、熵、同質(zhì)區(qū)、非相似性等進(jìn)行計(jì)算及聚類.表1是對(duì)不同大小的圖像在不同節(jié)點(diǎn)數(shù)上的網(wǎng)絡(luò)時(shí)延、計(jì)算時(shí)間、加速比和系統(tǒng)效率的對(duì)比.

表1　共生矩陣特征并行計(jì)算結(jié)果

圖3　計(jì)算時(shí)間對(duì)比Fig.3　The comparison of computing time

圖4　加速比對(duì)比Fig.4　The comparison of speedup

實(shí)驗(yàn)結(jié)果基本符合理論分析，在考慮網(wǎng)絡(luò)開銷下，系統(tǒng)的加速比較好.當(dāng)被計(jì)算的遙感數(shù)據(jù)的傳輸時(shí)間與計(jì)算算法的復(fù)雜度之比越小，系統(tǒng)的運(yùn)行效率就越高，加速比也越好.當(dāng)非平均分配中預(yù)處理計(jì)算時(shí)間小于預(yù)處理減少的數(shù)據(jù)量計(jì)算時(shí)間，那么非平均分配模式的計(jì)算速度將進(jìn)一步提高.因此，系統(tǒng)對(duì)于計(jì)算復(fù)雜度高、所需運(yùn)行時(shí)間較長(zhǎng)的遙感影像處理算法非常適合.

4結(jié)論

數(shù)據(jù)并行計(jì)算是遙感影像快速、高效計(jì)算的重要方向，而數(shù)據(jù)分配則是遙感影像數(shù)據(jù)并行計(jì)算的核心問題.文章提出了遙感影像數(shù)據(jù)并行計(jì)算中的四類數(shù)據(jù)分配策略模式，分析了不同模式適合的算法類型和應(yīng)用場(chǎng)合，對(duì)基于計(jì)算優(yōu)化的模式進(jìn)行計(jì)算速度和效率的理論分析，并通過構(gòu)建MPI并行計(jì)算環(huán)境，對(duì)平均分配和非平均分配的子節(jié)點(diǎn)并行計(jì)算環(huán)節(jié)進(jìn)行實(shí)驗(yàn)測(cè)試和分析.結(jié)果表明：相關(guān)的分配策略合理可行，可以對(duì)遙感影像數(shù)據(jù)并行計(jì)算算法的設(shè)計(jì)提供有效的參考和評(píng)價(jià).當(dāng)然，隨著計(jì)算體系的發(fā)展，將進(jìn)一步研究新的遙感計(jì)算模型以及非平均分配的應(yīng)用場(chǎng)景和算法，對(duì)基于效果增強(qiáng)的窗口劃分與尺度劃分的算法進(jìn)行歸類和實(shí)驗(yàn).

參考文獻(xiàn)：

[1]張哲.基于海量遙感數(shù)據(jù)的集群并行處理技術(shù)研究與應(yīng)用[D].開封：河南大學(xué)，2012.

[2]LIANG Fan, LU Xiaoyi.Accelerating iterative big data computing through MPI[J].Journal of computer science and technology,2015,30(2):283-294.

[3]李國(guó)慶，劉定生.遙感圖象處理的并行計(jì)算模式研究[J].中國(guó)圖形圖像學(xué)報(bào),2003,8(z1):901-905.

[4]黃國(guó)滿，郭建峰.分布式并行遙感圖像處理中的數(shù)據(jù)劃分[J].遙感信息,2001(2):9-12.

[5]沈占鋒，駱劍承，陳秋曉,等.高分辨率遙感影像并行處理數(shù)據(jù)分配策略研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2006,38(11):1968-1971.

[6]李德仁，李軍.分布式遙感圖像處理中的若干關(guān)鍵技術(shù)[J].遙感學(xué)報(bào),1999,24(1):15-19.

[7]GREGORY A. NEWMAN. A review of high-performance computational strategies for modeling and imaging of electromagnetic induction data[J]. Surveys in geophysics,2014,35(1):85-100.

[8]FOX G. Message passing: from parallel computing to the grid[J]. Computing in science and engineering,2002,4(5):70-73.

[9]馬偉鋒，岑崗，李君，等.高性能遙感圖像處理與空間信息網(wǎng)格建模[J].計(jì)算機(jī)工程.2006,32(5):283-284.

[10]郭淑琴，薛益趙，徐步匯.一種基于Hadoop的分布式地圖匹配算法[J].浙江工業(yè)大學(xué)學(xué)報(bào),2015,43(3):332-335.

[11]楊建鋒，孟利民.視頻監(jiān)控系統(tǒng)中實(shí)時(shí)流媒體傳輸控制方法的設(shè)計(jì)[J].浙江工業(yè)大學(xué)學(xué)報(bào),2012,40(4):454-457.

[12]張劍華，張自然等.基于結(jié)構(gòu)顯著性的醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)[J].浙江工業(yè)大學(xué)學(xué)報(bào),2015,43(6):636-641.

[13]李帆，何洪林，任小麗等.基于MapReduce的空間敏感性分析并行算法設(shè)計(jì)[J].地球信息科學(xué)學(xué)報(bào),2014(6):874-881.

[14]趙偉彪.MPI并行空間算法在云計(jì)算平臺(tái)上的遷移技術(shù)研究[D].成都：電子科技大學(xué),2014.

[15]BROWNE P A , WILSON S. A simple method for integrating a complex model into an ensemble data assimilation system using MPI[J]. Environmental modelling & software,2015,68(6):122-128.

[16]DOBOSZ R, HURLEY R, MCCONNELL S. A hybrid openMP-MPI parallelization of structure software[J]. International journal of computer applications,2015,118(11):1-9.

(責(zé)任編輯：劉巖)

Research on data distribution strategy in parallel computing of remote sensing image

MA Weifeng1,2, LI Wei2

(1.School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, China;2.Key Laboratory of Visual Media Intelligent Process Technology, Zhejiang University of Technology, Hangzhou 310023, China)

Abstract:The development of distributed and parallel computing technology enables rapid processing of remote sensing image possible, and data distribution strategy is the core issue in remote sensing image parallel computing. This paper analyzes the current remote sensing parallel computing and data distribution methods. Base on the current status of research work, four data distribution strategy modes are proposed such as evenly division, non-evenly division, window-based division and scale division based on calculation optimization. Moreover, the paper discusses that the four distribution strategy modes would adapt to different types of algorithms and applications. The computing speed and efficiency are analyzed theoretically for the four modes based on calculation optimization. Finally, through building MPI parallel computing environment, the four data distribution strategies are tested and analyzed The experimental results correspond to the expected theoretical analysis results. It will be useful for system construction and algorithm design of the remote sensing image parallel computing.

Keywords:remote sensing computing; parallel computing; data distribution; remote sensing image processing; distributed computing

收稿日期：2016-01-18

基金項(xiàng)目：浙江省可視媒體智能處理技術(shù)研究重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(2012007)

作者簡(jiǎn)介：馬偉鋒(1979-)，男，浙江紹興人，講師，研究方向?yàn)榉植际降貙W(xué)計(jì)算、智能計(jì)算及移動(dòng)互聯(lián)網(wǎng)應(yīng)用等，E-mail:mawf@zust.edu.cn.

中圖分類號(hào)：TP31

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1006-4303(2016)03-0270-05