隨著空間遙感技術、對地觀測技術的不斷進步，一個以多時相、多分辨率、多傳感器、多波段為特征的多層、立體、多角度、全方位和全天候遙感對地觀測數據獲取體系正在形成，能夠獲取巨量的對地觀測空間數據，同時這些數據每天還在以TB級的速度增長。快速實時性、空間無限性以及成本低廉性，使遙感柵格數據日益成為數字地球重要的數據源。例如，僅美國航空航天管理局(NASA)的對地觀測系統每天可發回的衛星圖像數據" title="圖像數據">圖像數據就達1012字節之多。長期以來，雖然人們積累了各種大量的圖像數據，但由于缺少有效快速的處理方法，使得決策者們在進行目標識別、信息提取等決策分析工作時發現可供參考的有用信息寥寥無幾。傳統的集中式遙感圖像處理模式在處理能力、異地資源共享等方面存在著不足，已成為遙感圖像處理系統" title="圖像處理系統">圖像處理系統的一個瓶頸，無法適應遙感圖像處理技術發展的需要。因此，遙感圖像數據的快速網絡化、并行化" title="并行化">并行化處理技術就顯得異常重要。
　　本文從遙感圖像處理系統存在的問題入手，提出了利用分布式技術、并行計算來構建分布式環境下高性能遙感圖像處理系統的方案，并將注冊機制引入到原型系統，實現各類資源的集成。同時，詳細分析了該原型系統的邏輯框架、工作流程設計以及關鍵技術的實現，并給出OTSU分割算法在實驗系統里運行的實例。
1 實驗系統邏輯框架設計
　　根據實際的研究工作以及對相關技術的分析，借鑒了XML-RPC、CORBA、RMI等分布式體系結構，并基于中間件、JSP/Servlet、XML以及數據庫等技術，設計和實現了一個基于MPI并行計算以及簡單過程調用RPC機制的高性能遙感圖像處理實驗系統，并集成若干遙感圖像處理算法。為了使系統具有較高的動態擴展性，設計了一個基于注冊服務的機制，將圖像處理算法、數據等資源以某種統一的服務描述形式發布到注冊中心，自由組合滿足所需要的功能，從而使系統具有很高的松耦合性。
　　圖1描述了分布式環境下高性能遙感圖像處理系統的邏輯框架。

　　從圖1可以看出，從下至上五層模型主要包括基礎層、構建層、資源服務層、系統應用層以及用戶接口層。
　　基礎層即為網絡基礎設施，包括高速傳輸網絡基礎框架、主機及硬件環境、系統軟件支撐系統等，為分布式環境下的整個應用系統提供物理運行平臺。
　　構建層主要在基礎層上構建一個分布式并行計算的支撐環境，并通過向上層提供底層的編程接口API、SDK服務包以及一些技術規范，支持應用系統開發和運作。如向上層資源層的算法資源提供并行編程平臺MPI標準的MPI庫函數“mpi.h”和“libmpi.a”等。這一層是構建優秀應用系統的關鍵。
　　資源服務層根據構建層提供的支持，通過將所有網上的資源，如數據資源、算法資源、計算資源、知識資源等抽象為服務，建立自己的服務資源層，為上層系統應用層提供基礎服務。
　　系統應用層主要功能是針對具體應用，在資源服務層和構建層的基礎上構建適合自己需求的應用系統，并提供給用戶。
　　用戶接口層提供用戶與應用系統交互的接口。
　　在此模型的基礎上，構建了遙感圖像處理系統的各個邏輯功能模塊，主要包括遙感圖像的預處理、圖像分析、結果顯示等幾部分。
　　遙感圖像的預處理主要是一些基本的圖像處理操作，并對需要分析的圖像進行適當的優化和預處理。
　　圖像分析部分主要由圖像分割、圖像分類以及目標的表達與分析組成。由于系統中要集成大量的圖像分割算法，通過圖像分割，系統將原始的遙感圖像數據轉變為用于下一步目標識別的特征，并通過特征和知識庫中的先驗知識，對目標進行識別、分類。然后，對目標識別所得的各種地物目標進行分析，并基于目標對象的視覺知識、目標地物周圍的環境知識，以及目標地物間的協同知識對已識別的目標地物進行正確性判定，提供上層決策使用。最后，將目標識別的結果及其各種特征存放到特征數據庫中。該模塊匯聚了大量的圖像處理算法，而這些圖像處理算法所消耗的時間較多，是系統的一個瓶頸。本文對部分計算復雜度高的算法采用了并行計算。
　　顯示模塊顯示處理得到的圖像結果，而對于地物特征主要通過虛擬地理環境、虛擬現實、三維顯示等手段進行顯示。
　　各個邏輯功能模塊的算法以服務的形式在不同的服務器節點上實現，并通過服務注冊機制提供給客戶。這樣，不同的客戶在實際應用時就可以通過服務發現并應用不同服務器節點上的服務，就像使用本地的資源一樣，實現真正意義上的分布式。
2 實驗系統運行時的流程設計
　　圖2描述了處理系統運行時的工作流程。

　　從圖2中可以看出，本系統中有三種不同的角色：(1)Client(用戶)，使用已經發布的方法服務；(2)Node(節點)由算法提供者建立，主要用來發布和執行方法服務。復雜的算法和大數據量處理時，采用基于MPI的本地節點并行計算處理。(3)注冊中心，主要用來提供方法服務的注冊、查詢以及對用戶、方法服務等動態管理。算法提供者在提供算法的同時將該算法的一些信息，包括算法的位置、算法所需的參數以及其他一些信息發布到該注冊中心，并可隨時更改自己的算法及相關信息。通過設立注冊機制，可使系統變得開放、容易擴展。
　　該系統設計的主要工作流程包括算法的注冊和算法的使用兩部分。
　　算法的注冊：(1)算法提供者訪問算法注冊區，填寫描述該算法基本信息的表單并注冊；(2)注冊中心生成一個“ServiceID.xml”的文件進行算法信息的登記，并返回注冊結果。如圖2虛線。
　　算法的使用：(1)用戶訪問注冊中心，查詢需要的算法服務；(2)注冊中心返回查詢結果，如果算法服務狀態欄顯示正常，說明當前可以使用該算法服務；(3)注冊中心得到使用命令后，找到相應方法服務的所在位置，并與節點A交互。節點A遠程解析在注冊中心該方法服務的參數描述文件(ServiceID.xml)，并生成界面提供給用戶。用戶填寫完參數，提交給A，然后A執行該方法服務；(4)最后將結果發送給用戶。如圖2實線。
3 原型系統實現
3.1 分布式系統環境設計
　　客戶端，原型系統前端利用JSP和JAVA Applet，通過IE瀏覽器與用戶交互。
　　服務器建設，Tomcat作為免費的、開放源碼的JSP/Servlet容器和Web服務器，被部署在各個服務器節點上。一些功能和業務邏輯采用中間件技術(主要是COM)以及Java Servlet實現。
　　注冊中心除安裝了Tomcat服務器軟件外，還安裝了SQL Server 2000，以支持大數據量的并發操作。
3.2 算法并行化處理策略
　　由于遙感圖像處理系統所要處理的圖像數據量大，一般都在幾兆、幾百兆甚至上千兆字節，而且某些處理算法計算相當復雜、耗時多，因此對某些復雜的處理算法，在算法提供的服務器端采用了本地并行化計算的策略。同時，考慮到實際情況，并行計算硬件環境采用了局域的CLUSTER集群結構設計，并輔以基于MPI的MPICH軟件環境。
　　基本思想就是采用了數據劃分的策略，如圖3。首先由主進程主機將待處理的圖像數據劃分成若干個子區(可以是均等，也可以不均等，根據具體情況而定)，每個子區作為一個單獨的處理對象分配到不同主機上，每個主機運行相同代碼，最后將每個主機處理的結果匯總，得到最終的處理結果。最后，歸結和設計了三類圖像并行處理算法：基于影像像素單元、基于影像窗口空間以及基于影像全局區域。
3.3 服務描述
　　本次實驗主要針對算法服務做了一定描述，具體所描述的內容如表1。當服務發布時，注冊中心將獲取該算法服務的基本信息存入注冊中心的數據庫表里，并將自動產生一個名為“服務代號.XML”的XML文件，用來保存該算法服務所需的參數信息。同時，根據圖像處理算法的特點，制定了六類參數：整型、浮點型，一維數組(整型和浮點型)、二維數組(整型和浮點型)、字符串以及文件類型。對OTSU圖像分割算法服務化描述的XML片斷如下：
　　＜service ID=“服務號”TYPE=(exe com servlet rpc)＞ //確定服務及其類型
　　＜localExe＞d:myserviceotsu.exe＜/localExe＞//確定服務在節點上的具體位置
　　＜url＞http:192.168.34.25:8080virRoot＜/url＞ //確定節點位置
　　＜method NAME=“otsu”＞ //具體方法
　　　＜des＞＜/des＞//服務描述
　　　＜sup＞BSQ＜/sup＞ //支持處理的圖像格式
　　　＜input NUM=“0”/＞//輸入參數描述
　　　＜output NUM=“1”＞ //輸出參數描述
　　　＜file type=“BSQ”＞ //文件參數
　　　＜/output＞
　　＜/method＞
　　＜/service＞

3.4 系統通信
　　為了使實驗系統具有較高的擴展性和兼容性，在設計客戶端與服務器、節點與服務器間通信時，采用了具有良好跨平臺性的XML文件格式以及SOAP協議。系統向后可以兼容服務形式的方法,如web services、grid services等，同時，通過在節點處設立代理服務層使得系統能向前兼容如微軟操作系統下的COM、EXE、DLL等方法。考慮到圖像處理中通常涉及圖像二進制文件的傳輸，采用了SUN公司的帶附件的SOAP傳輸協議包SAAJ(SOAP with Attachments API for Java)，并通過對數據的分塊傳輸來提高大數據量圖像數據傳輸的速度。
4 算法運行實例
　　考慮到當前的研究工作，圖像處理算法一般都是在VC環境下開發，通過對圖像處理算法進行DLL以及EXE(支持MPI并行計算)形式封裝，可以輕松地發布和集成到本系統中。
　　圖4顯示了集成到實驗系統中的OTSU算法服務對一幅交通圖像進行分割后的結果。