随着航空、航天和传感器技术及计算机技术的飞速发展，遥感数据的获取能力不断提高，这给遥感数据的管理和分析带来新的挑战，尤其是在军事、环境、灾害监测等应用领域，遥感数据的实时处理能力要求非常之高。然而由于遥感影像数据量庞大、影像处理算法复杂度较高，仅仅通过研究改进串行算法的性能和提高PC机处理器性能已经无法满足遥感图像处理的需求。高性能并行计算技术的发展给解决上述问题带来了新的机遇，国内外业已开展了很多基于网格和高性能集群系统的遥感数据处理研究。但是对于遥感工作者而言，要进行高性能并行遥感影像处理，就必须掌握高性能并行计算技术，这大大增加了遥感数据高性能并行处理的难度。因此，急需研究发展一种可以自动或半自动地将现有的遥感影像处理算法改编为并行处理算法的技术，以降低普通遥感工作者进行高性能并行遥感影像处理的难度。　　鉴于此，本文研究以解决更普遍的遥感影像处理算法并行化问题为目标，将高性能并行计算技术和半自动并行化技术引入到遥感影像数据处理中来，构建了基于Linux集群系统的遥感影像处理算法半自动并行化关键技术框架。研究包括以下几个方面:　　(1)研究Linux集群系统技术。深入研究Linux集群系统体系结构及关键技术。针对遥感影像处理算法数据吞吐量大、计算密集的特点，采用分层架构的思想设计并搭建了适合进行遥感影像处理的高性能Linux集群平台系统HPRSIPCP。　　(2)研究并行文件系统及并行I/O技术。研究了分布式并行文件系统配置，性能优化以及基于分布式并行文件系统的并行I/O技术。根据遥感影像数据并行I/O的需求，设计基于高性能并行文件系统的遥感影像数据存储格式，设计实现了常见遥感影像数据格式转换为并行文件系统存储格式的中间件;并设计实现遥感影像数据并行I/O接口。　　(3)研究遥感影像处理算法快速并行化技术。分析归纳常见的遥感影像处理算法并行模式，并制定相应的并行化策略;设计实现遥感影像处理算法快速并行化程序设计模板，将遥感影像处理算法的常见并行模式进行封装，使得遥感从业人员在深入了解并行计算技术的情况下可以快速的实现现有的串行遥感影像处理算法的并行化。　　(4)遥感影像处理算法半自动并行化实例。基于并行程序设计模板，实现4个遥感影像处理算法的并行化，分析并行算法的性能，验证了本文建立的技术框架的可行性。　　研究结果表明，论文构建的遥感影像处理算法半自动并行化技术框架可用于并行化很大一部分的遥感影像处理算法，并且具有处理速度快、可处理数据量大、并行化功能丰富等诸多特点。此外，该方法简单灵活、切实可行，为解决更为广泛的遥感影像处理算法并行化提供了一种可行的新思路。　　综上所述，论文在研究遥感影像数据处理技术和高性能并行计算技术基础上，构建了遥感影像处理算法半自动并行化技术框架。在此框架下，首先构建了遥感影像数据处理高性能Linux集群平台系统;重点探讨了并行I/O技术和遥感影像数据处理算法半自动并行化技术;最后，对Meanshift高分辨率遥感影像分割算法等算法进行了半自动并行化实践，并从处理时间、加速比和I/O吞吐量等方面分析评价了并行算法的性能，验证了技术框架的可行性。