本發(fā)明是基于分布式計(jì)算的編程框架構(gòu)建并行集群計(jì)算平臺(tái)，研究多角度和多尺度的多源遙感圖像獲取模式，突破多源可見(jiàn)光多角度、多分辨率圖像自動(dòng)提取分辨率、高精度的DSM技術(shù)的基礎(chǔ)上研究圖像塊的快速重投影和無(wú)縫拼接方法，通過(guò)海量影像的勻光勻色技術(shù)實(shí)現(xiàn)影像無(wú)差別顯示。屬于電子信息技術(shù)領(lǐng)域，可對(duì)高分辨率的衛(wèi)星遙感產(chǎn)品進(jìn)行規(guī)模化的生產(chǎn)，大大加快了產(chǎn)品生產(chǎn)的速度。

背景技術(shù)：

1)精細(xì)DSM提取技術(shù)：利用所有能獲得的目標(biāo)區(qū)影像，采用多基元、多分辨率的多片影像的匹配技術(shù)，加強(qiáng)匹配的約束條件，達(dá)到提高影像匹配的可靠性，提取高精度DEM的目的。

2)基于高精度DSM的建筑物遮擋計(jì)算和陰影自動(dòng)去除：在明確獲知成像時(shí)間和位置的前提下，可以知道當(dāng)時(shí)當(dāng)?shù)氐奶?yáng)高度角，同時(shí)可以計(jì)算出圖像中的陰影范圍。對(duì)于多云和陰天的情況，陰影可能并不存在，于是將對(duì)計(jì)算出的陰影范圍與鄰近的區(qū)域進(jìn)行灰度和對(duì)比度等指標(biāo)的計(jì)算。比較，判斷是否是陰影。遮擋區(qū)域和陰影將同時(shí)考慮，作為需要填補(bǔ)的區(qū)域。這樣的方法適合同時(shí)處理大范圍影像，也適合做并行處理。其以區(qū)域的高分辨率DSM為核心，不局限于每景影像的單獨(dú)處理。

3)研究多角度和多尺度的多源遙感圖像獲取模式：將新獲取的多源可見(jiàn)光圖像與基準(zhǔn)圖像數(shù)據(jù)進(jìn)行自動(dòng)匹配，獲取高精度的均勻分布的地面控制點(diǎn)，免除了人工定位和輸入地面控制點(diǎn)的工作，成為整個(gè)流程的自動(dòng)化的第一步。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明采取的技術(shù)路線如下：

技術(shù)路線共包括5個(gè)部分，分別是：任務(wù)劃分與數(shù)據(jù)智能調(diào)度技術(shù)、GPU與CPU協(xié)同處理技術(shù)、數(shù)據(jù)處理算法的并行化與模塊化技術(shù)、多任務(wù)協(xié)同生產(chǎn)作業(yè)模式和自動(dòng)流程化生產(chǎn)技術(shù)。

1)任務(wù)劃分與數(shù)據(jù)智能調(diào)度技術(shù)

項(xiàng)目擬通過(guò)處理任務(wù)劃分模塊、節(jié)點(diǎn)負(fù)載監(jiān)測(cè)模塊、任務(wù)組織調(diào)度模塊、任務(wù)監(jiān)控存儲(chǔ)模塊，實(shí)現(xiàn)處理任務(wù)的精細(xì)劃分和智能調(diào)度，其中，處理任務(wù)劃分模塊根據(jù)并行處理節(jié)點(diǎn)的數(shù)量以及生產(chǎn)任務(wù)的大小與并行能力，對(duì)生成任務(wù)進(jìn)行劃分；節(jié)點(diǎn)負(fù)載監(jiān)測(cè)模塊將定時(shí)獲取計(jì)算節(jié)點(diǎn)的負(fù)載信息，生成負(fù)載報(bào)告，并將報(bào)告發(fā)送至任務(wù)組織調(diào)度模塊；任務(wù)組織調(diào)度模塊接收到節(jié)點(diǎn)負(fù)載報(bào)告后，按照負(fù)載均衡的方式，將待處理的任務(wù)發(fā)送到相應(yīng)的處理節(jié)點(diǎn)上，隨后通知任務(wù)監(jiān)控存儲(chǔ)模塊，對(duì)任務(wù)處理的進(jìn)展進(jìn)行實(shí)時(shí)監(jiān)控；任務(wù)監(jiān)控存儲(chǔ)模塊不斷接收處理節(jié)點(diǎn)上運(yùn)行任務(wù)的信息，并通過(guò)人機(jī)界面讓操作員實(shí)時(shí)了解任務(wù)進(jìn)展，通 過(guò)在線存儲(chǔ)方式，實(shí)時(shí)備份當(dāng)前的處理結(jié)果，同時(shí)接收各節(jié)點(diǎn)的成果數(shù)據(jù)，在本機(jī)上儲(chǔ)存?zhèn)浞?。技術(shù)路線如圖一。

2)GPU與CPU協(xié)同處理技術(shù)

項(xiàng)目擬采用CUDA開(kāi)發(fā)包，將GPU和CPU兩種不同架構(gòu)的處理器集成在一起，采用OpenMP多線程并行機(jī)制管理多個(gè)GPU設(shè)備，組成GPU-CPU硬件上的協(xié)同模式。在應(yīng)用程序編寫過(guò)程中，項(xiàng)目擬將并行層次明顯、計(jì)算量大的函數(shù)改寫為能夠在GPU上執(zhí)行的核函數(shù)，開(kāi)發(fā)基于GPU的細(xì)粒度密集并行計(jì)算能力，并利用CPU執(zhí)行順序型代碼，真正實(shí)現(xiàn)GPU和CPU的協(xié)同配合。在GPU-CPU協(xié)同配合的基礎(chǔ)上，項(xiàng)目進(jìn)一步將CPU-GPU異構(gòu)計(jì)算機(jī)作為計(jì)算節(jié)點(diǎn)，通過(guò)互聯(lián)網(wǎng)絡(luò)連接，構(gòu)建多節(jié)點(diǎn)混合集群系統(tǒng)，提供成本更低、體積和功耗更小、性能更強(qiáng)的高性能并行處理體系架構(gòu)。

3)數(shù)據(jù)處理算法的并行化與模塊化技術(shù)

通過(guò)分析整個(gè)空間信息處理作業(yè)流程，提取其中計(jì)算密集計(jì)算量大的處理算法與步驟，從算法層上對(duì)其進(jìn)行多CPU并行分解，通過(guò)模塊化方式，構(gòu)建一套由數(shù)據(jù)驅(qū)動(dòng)的高度自動(dòng)化的空間信息處理并行算法庫(kù)，更好地實(shí)現(xiàn)空間數(shù)據(jù)的并行化處理。項(xiàng)目擬構(gòu)建的空間數(shù)據(jù)處理并行算法庫(kù)主要包括影像預(yù)處理、多基線影像匹配、DSM/DEM自動(dòng)提取、正射影像制作等主模塊，且各主模塊包含了多個(gè)核心并行算模塊。

4)多任務(wù)協(xié)同生產(chǎn)作業(yè)模式

空間信息產(chǎn)品的生產(chǎn)，常常需要有多個(gè)部門、多個(gè)人來(lái)共同完成，由于空間信息生產(chǎn)的復(fù)雜性，需要建立多任務(wù)協(xié)同生產(chǎn)的作業(yè)模式。在多任務(wù)的協(xié)同設(shè)計(jì)中，基于工作流的多任務(wù)協(xié)同技術(shù)實(shí)現(xiàn)。以工作流為導(dǎo)向的分布式協(xié)同生產(chǎn)控制技術(shù)能夠智能地通知生產(chǎn)人員在正確的時(shí)間處于正確的崗位，同時(shí)為他們提供完成工作所需的合適的信息?？梢越⒁环N協(xié)同管理模式，將組織機(jī)制和協(xié)調(diào)方法融合在一起，實(shí)現(xiàn)分布式協(xié)同生產(chǎn)控制的整體框架可以實(shí)現(xiàn)跨企業(yè)、跨地域，以有效的協(xié)調(diào)方式響應(yīng)用戶需求、提高生產(chǎn)應(yīng)變能力和生產(chǎn)的敏捷。生產(chǎn)作業(yè)模式圖如圖二所示。

5)自動(dòng)流程化生產(chǎn)技術(shù)

項(xiàng)目將整個(gè)區(qū)域的數(shù)據(jù)一次性導(dǎo)入，且在產(chǎn)品生產(chǎn)流程中，盡可能多地實(shí)現(xiàn)自動(dòng)處理。

附圖說(shuō)明

圖1是處理任務(wù)的精細(xì)劃分和智能調(diào)度組成模塊示意圖；

圖2是多任務(wù)協(xié)同生產(chǎn)作業(yè)模式圖

具體實(shí)施方式

1、任務(wù)劃分與數(shù)據(jù)智能調(diào)度技術(shù)

通過(guò)處理任務(wù)劃分、節(jié)點(diǎn)負(fù)載監(jiān)測(cè)、任務(wù)組織調(diào)度、任務(wù)監(jiān)控存儲(chǔ)等功能模塊，實(shí)現(xiàn)處理任務(wù)和數(shù)據(jù) 的智能調(diào)度。

(1)處理任務(wù)的精細(xì)劃分模式

根據(jù)遙感影像處理的特點(diǎn)，本發(fā)明將采用按照數(shù)據(jù)劃分和按任務(wù)劃分兩種模式，對(duì)處理任務(wù)進(jìn)行精細(xì)劃分。在數(shù)據(jù)劃分模式下，各個(gè)處理節(jié)點(diǎn)(或是小型集群系統(tǒng))完全獨(dú)立地處理一塊數(shù)據(jù)，并行地完成一系列的計(jì)算步驟，得出這一塊數(shù)據(jù)的最終計(jì)算結(jié)果，交由主節(jié)點(diǎn)統(tǒng)一整合結(jié)果數(shù)據(jù)。

任務(wù)劃分模式下，不同的處理任務(wù)根據(jù)其作業(yè)流程根據(jù)劃分為不同的階段，不同的處理階段根據(jù)需要并行處理，階段處理同步后再進(jìn)行下一步的處理。相對(duì)于依數(shù)據(jù)劃分模式，這種作業(yè)流程明確了當(dāng)前階段的處理任務(wù)，任務(wù)的調(diào)度更容易，但同時(shí)這種模式下處理節(jié)點(diǎn)之間的交互更多，對(duì)網(wǎng)絡(luò)通信的要求更高。

(2)處理任務(wù)的組織調(diào)度方案

本發(fā)明將利用靜態(tài)調(diào)度和動(dòng)態(tài)調(diào)度手段，實(shí)施任務(wù)智能調(diào)度。靜態(tài)調(diào)度研究在任務(wù)執(zhí)行前如何對(duì)集群內(nèi)的計(jì)算資源進(jìn)行評(píng)估，并由此確定任務(wù)的分配；而動(dòng)態(tài)調(diào)度研究在任務(wù)執(zhí)行期間如何根據(jù)計(jì)算節(jié)點(diǎn)執(zhí)行任務(wù)的當(dāng)前狀態(tài)和計(jì)算資源的占用情況，對(duì)任務(wù)進(jìn)行實(shí)時(shí)調(diào)整，以達(dá)到集群計(jì)算的最佳性能。項(xiàng)目對(duì)兩種作業(yè)流程模式下的任務(wù)調(diào)度策略進(jìn)行分析，包括作業(yè)網(wǎng)絡(luò)的形成、無(wú)資源需求的任務(wù)調(diào)度算法。其中，動(dòng)態(tài)任務(wù)調(diào)度采取半分布式策略，將整個(gè)集群系統(tǒng)分成若干小區(qū)域，區(qū)域內(nèi)部采用集中式任務(wù)調(diào)度，而區(qū)域間采用分布式調(diào)度。

在負(fù)載收集策略上，本發(fā)明采用變化收集的方法對(duì)各個(gè)處理節(jié)點(diǎn)的負(fù)載情況進(jìn)行收集。在負(fù)載遷移的執(zhí)行上，考慮復(fù)雜度較低的數(shù)據(jù)遷移方式，但是由于遙感數(shù)據(jù)處理的數(shù)據(jù)密集型，大數(shù)據(jù)的傳輸勢(shì)必造成整體作業(yè)時(shí)間的增加，所以考慮提前遷移的策略，即根據(jù)節(jié)點(diǎn)負(fù)載情況，提前將負(fù)載較重的節(jié)點(diǎn)的數(shù)據(jù)向負(fù)載較輕的節(jié)點(diǎn)遷移，通過(guò)計(jì)算和通信重疊來(lái)提高計(jì)算性能。

2、GPU與CPU協(xié)同處理技術(shù)

項(xiàng)目采用CUDA開(kāi)發(fā)包，將GPU和CPU兩種不同架構(gòu)的處理器集成在一起，組成硬件上的協(xié)同模式；同時(shí)在應(yīng)用程序編寫過(guò)程中，由CPU負(fù)責(zé)執(zhí)行順序型代碼，將并行層次明顯、計(jì)算量大的函數(shù)改寫為能夠在GPU上執(zhí)行的核函數(shù)，而GPU負(fù)責(zé)密集型的并行計(jì)算，實(shí)現(xiàn)GPU和CPU的真正協(xié)同配合，提高處理效率。

為了充分發(fā)揮這種多層次、多節(jié)點(diǎn)的混合集群并行系統(tǒng)的優(yōu)勢(shì)，關(guān)鍵要掌握CUDA編程模型、基于OpenMP的集群節(jié)點(diǎn)內(nèi)多GPU并行管理機(jī)制、基于MPI的集群節(jié)點(diǎn)間多GPU并行管理機(jī)制以及GPU性能提升策略。

(1)CUDA編程模型

當(dāng)GPU計(jì)算程序運(yùn)行時(shí)，CUDA驅(qū)動(dòng)程序會(huì)將并行數(shù)據(jù)映射、加載到GPU中，并將其細(xì)分成更小的區(qū)塊，然后進(jìn)行并行處理，主機(jī)端程序可以通過(guò)高速的PCI Express總線與GPU進(jìn)行數(shù)據(jù)交換。數(shù)據(jù)傳輸、GPU運(yùn)算功能的啟動(dòng)以及CPU和GPU的交互都可通過(guò)調(diào)用驅(qū)動(dòng)程序中的專門操作來(lái)完成。

(2)基于OpenMP的集群節(jié)點(diǎn)內(nèi)多GPU并行管理機(jī)制

本發(fā)明借鑒集群系統(tǒng)的思想將多個(gè)GPU集成在一起，構(gòu)建計(jì)算性能更高的GPU集群，實(shí)現(xiàn)多GPU并行。

為有效管理多個(gè)GPU的調(diào)度線程，項(xiàng)目擬采用OpenMP的多線程機(jī)制管理多個(gè)GPU設(shè)備。根據(jù)所加載的GPU并行加速卡數(shù)目，由OpenMP主線程派生出相同數(shù)目的子線程，每個(gè)派生線程通過(guò)CUDA提供的上下文管理和設(shè)備管理接口選擇其中一個(gè)GPU設(shè)備進(jìn)行管理、執(zhí)行GPU內(nèi)核程序，實(shí)現(xiàn)多GPU的粗粒度并行。

(3)基于MPI的集群節(jié)點(diǎn)間多GPU并行管理機(jī)制

CUDA與MPI聯(lián)用，通過(guò)消息傳遞機(jī)制，將任務(wù)分配到各個(gè)節(jié)點(diǎn)，實(shí)現(xiàn)節(jié)點(diǎn)間的粗粒度并行；而在每個(gè)節(jié)點(diǎn)上，啟動(dòng)多線程機(jī)制，利用共享內(nèi)存實(shí)現(xiàn)快速高效的細(xì)粒度并行。這種混合粒度的并行程序的開(kāi)發(fā)既可以發(fā)揮每個(gè)節(jié)點(diǎn)的巨大的計(jì)算能力，又可以充分利用集群的可擴(kuò)展性，為大型計(jì)算提供一個(gè)切實(shí)可行的方案。

而在GPU集群搭建過(guò)程中，需要保留傳統(tǒng)純CPU集群系統(tǒng)的任務(wù)管理與調(diào)度、數(shù)據(jù)通信、功能實(shí)現(xiàn)等接口不變，僅將其計(jì)算節(jié)點(diǎn)升級(jí)為GPU并行計(jì)算機(jī)，或每個(gè)節(jié)點(diǎn)加載多塊GPU加速卡，形成混合型GPU集群并行計(jì)算平臺(tái)。

(4)GPU性能提升優(yōu)化策略

GPU具有獨(dú)特的硬件結(jié)構(gòu)，采用常規(guī)的并行算法，很難發(fā)揮GPU的運(yùn)算優(yōu)勢(shì)，通常需要結(jié)合GPU的硬件特點(diǎn)和算法的可并行性，才能有效提高GPU的計(jì)算效率。為獲得更大的性能提升，需要對(duì)初始程序進(jìn)行優(yōu)化。優(yōu)化的核心思想是改進(jìn)計(jì)算訪存比和各存儲(chǔ)層次上的延遲隱藏，主要包括執(zhí)行配置優(yōu)化、共享存儲(chǔ)器優(yōu)化和紋理存儲(chǔ)器優(yōu)化。

3、數(shù)據(jù)處理算法的并行化與模塊化技術(shù)

本發(fā)明分析整個(gè)遙感影像處理作業(yè)流程，提取其中計(jì)算密集、且計(jì)算量大的處理算法與步驟，從算法層上對(duì)其進(jìn)行CPU與GPU的并行分解，通過(guò)模塊化方式，構(gòu)建一套由數(shù)據(jù)驅(qū)動(dòng)的高度自動(dòng)化的遙感影像處理并行算法庫(kù)，更好地實(shí)現(xiàn)遙感數(shù)據(jù)的并行化處理。

發(fā)明擬構(gòu)建的遙感數(shù)據(jù)處理并行算法庫(kù)主要包括影像預(yù)處理、多基線影像匹配、真正射影像制作等主模塊，且各主模塊包含了多個(gè)核心并行算法子模塊。

(1)影像預(yù)處理算法的并行化與模塊化

本發(fā)明對(duì)影像預(yù)處理過(guò)程進(jìn)行分析，提取其中計(jì)算密集的預(yù)處理算法，實(shí)現(xiàn)其并行化處理，構(gòu)建相應(yīng)的并行算法子模塊。項(xiàng)目擬構(gòu)建的影像預(yù)處理并行算法子模塊包括：影像金字塔制作子模塊、特征點(diǎn)提取子模塊、Wallis濾波子模塊和暗原色去霧子模塊等。

以特征點(diǎn)提取子模塊為例，本發(fā)明主要針對(duì)SURF(Speeded Up Robust Features)算子進(jìn)行并行化與 模塊化處理。SURF算子使用Hessian矩陣來(lái)檢測(cè)特征點(diǎn)，利用盒式濾波器(Box Filters)來(lái)代替二階高斯濾波，并基于積分圖像(Integral Image)加速卷積運(yùn)算，提高處理效率。

(2)多基線影像匹配生成DSM算法的并行化與模塊化

在多基線立體影像匹配中，核線影像制作、相關(guān)測(cè)度計(jì)算等是典型的計(jì)算密集型步驟，對(duì)計(jì)算資源有著巨大的需求，同時(shí)又具有非常規(guī)則的結(jié)構(gòu)，體現(xiàn)著明顯的并行性，需要通過(guò)并行處理技術(shù)來(lái)提高效率。

針對(duì)多基線立體匹配過(guò)程中的算法步驟，項(xiàng)目擬構(gòu)建的多基線影像匹配并行算法子模塊包括：核線影像制作子模塊、松弛法匹配子模塊、相關(guān)測(cè)度計(jì)算子模塊和多視最小二乘匹配子模塊等。

以相關(guān)測(cè)度計(jì)算子模塊為例，本發(fā)明針對(duì)算法的SIMD并行處理特性，利用GPU來(lái)實(shí)現(xiàn)算法的并行處理，通過(guò)數(shù)據(jù)流轉(zhuǎn)過(guò)程的優(yōu)化，避免CPU系統(tǒng)主存與GPU設(shè)備顯存之間頻繁的數(shù)據(jù)通信。

(3)真正射影像糾正算法的并行化與模塊化

項(xiàng)目構(gòu)建的真正射影像糾正子模塊包括：遮擋區(qū)檢測(cè)子模塊、正射糾正子模塊、影像鑲嵌子模塊和興趣區(qū)勻光子模塊等。

以正射糾正子模塊為例，本發(fā)明在實(shí)際的正射糾正處理流程中采用間接法重采樣，對(duì)糾正目標(biāo)影像上的每一個(gè)像點(diǎn)，根據(jù)原始影像與糾正結(jié)果影像間的坐標(biāo)變換關(guān)系求解其對(duì)應(yīng)像點(diǎn)在原始影像上的坐標(biāo)，然后進(jìn)行灰度值內(nèi)插。在重采樣處理過(guò)程中，糾正目標(biāo)影像上每個(gè)像素的計(jì)算過(guò)程基本一致，且又相互獨(dú)立，非常適合GPU的細(xì)粒度數(shù)據(jù)并行計(jì)算。而為實(shí)現(xiàn)重采樣操作的GPU并行化，需要編寫一個(gè)與之對(duì)應(yīng)的“核函數(shù)(Kernel)”。在核函數(shù)內(nèi)，GPU線程通過(guò)CUDA的內(nèi)置變量來(lái)定位所要處理的像素。

作為針對(duì)圖形渲染任務(wù)而設(shè)計(jì)的專用硬件，GPU在處理通用計(jì)算問(wèn)題時(shí)具有同CPU完全不同的執(zhí)行機(jī)制和性能特征。采用執(zhí)行配置優(yōu)化技術(shù)提高Warp占有率，利用共享存儲(chǔ)器優(yōu)化減少對(duì)效率低下的全局存儲(chǔ)器中坐標(biāo)變換系數(shù)的重復(fù)訪問(wèn)，通過(guò)紋理存儲(chǔ)器代替全局存儲(chǔ)器優(yōu)化對(duì)原始影像數(shù)據(jù)的訪問(wèn)，提高正射糾正的處理效率，正射糾正過(guò)程的GPU-CPU協(xié)同處理流程。

單GPU并行主要研究針對(duì)幾何糾正過(guò)程的內(nèi)部像素級(jí)細(xì)粒度并行處理技術(shù)及優(yōu)化策略進(jìn)行研究，而要利用多GPU并行來(lái)進(jìn)一步提高處理效率，則需要分析處理任務(wù)中更高層次的并行性。在面陣影像幾何糾正的批量處理任務(wù)中，稍粗粒度的并行性表現(xiàn)為局部圖像塊間并行或者彩色圖像的顏色通道間并行，而更粗粒度的并行則表現(xiàn)為批量處理任務(wù)中的各原始影像間的并行。

4、多任務(wù)協(xié)同生產(chǎn)作業(yè)模式

1)建立工作流模型

工作流模型一般可以分為面向控制、面向數(shù)據(jù)和混合模型這三類。因此，協(xié)同遙感處理系統(tǒng)中的工作流系統(tǒng)采用混合模型，采用基于業(yè)務(wù)規(guī)則的事件驅(qū)動(dòng)，以數(shù)據(jù)為中心，以數(shù)據(jù)流向?yàn)轵?qū)動(dòng)，以服務(wù)端運(yùn)行的密集計(jì)算為主，同時(shí)具備同遠(yuǎn)程計(jì)算集群交互的能力，建立具備遠(yuǎn)程服務(wù)架構(gòu)的生產(chǎn)模型。

2)工作流分類

工作流的類型分類主要是對(duì)整個(gè)遙感數(shù)據(jù)處理工作流執(zhí)行過(guò)程中的相關(guān)對(duì)象的類型進(jìn)行設(shè)置，驗(yàn)證工作流的可執(zhí)行性以及對(duì)執(zhí)行過(guò)程中的相關(guān)數(shù)據(jù)的兼容性進(jìn)行轉(zhuǎn)換。

支持相關(guān)對(duì)象的類型設(shè)定，主要是指Token、Port和Relation等的設(shè)定。

驗(yàn)證工作流活動(dòng)的可連接性。

3)實(shí)現(xiàn)多任務(wù)協(xié)同生產(chǎn)

在多任務(wù)的協(xié)同設(shè)計(jì)中，基于工作流的多任務(wù)協(xié)同技術(shù)實(shí)現(xiàn)。以工作流為導(dǎo)向的分布式協(xié)同生產(chǎn)控制技術(shù)能夠智能地通知生產(chǎn)人員在正確的時(shí)間處于正確的崗位，同時(shí)為他們提供完成工作所需的合適的信息。

5、自動(dòng)流程化生產(chǎn)技術(shù)

系統(tǒng)能夠根據(jù)計(jì)劃自動(dòng)將整個(gè)任務(wù)自動(dòng)劃分成多個(gè)子任務(wù)交給計(jì)算結(jié)點(diǎn)進(jìn)行處理，最后自動(dòng)整合得到整個(gè)測(cè)區(qū)的影像產(chǎn)品，通過(guò)自動(dòng)化處理，大大減少人工勞動(dòng)，提高工作效率。因此，發(fā)明需要對(duì)遙感數(shù)據(jù)自動(dòng)化處理工作流進(jìn)行設(shè)計(jì)，以實(shí)現(xiàn)任務(wù)計(jì)劃的自動(dòng)劃分與節(jié)點(diǎn)計(jì)算資源的優(yōu)化分配。