摘要：遥感技术是一种用来进行自然环境和生态资源监测的有效手段，在自然资源的检测与评级、生态环境的治理、矿山地质环境灾害的防护方面承担着重要角色。由于现阶段矿山地质遥感方面的应用要求的提升，需要很高的数据处理实时性能。现代遥感技术虽发展迅速，但面临着两大问题。一是如何融合不同来源的异体架构数据。二是现代社会对于矿山地质遥感数据的需求量超过本身的规模。本文针对这些问题进行了分析，并根据矿山地质遥感数据的特点，分析了矿山地质遥感处理算法。从并行处理流程的角度进行剖析，阐述了通用性较强的并行处理矿山地质遥感数据的策略原理，该原理是基于高性能的集群计算。
关键词：集群,高性能计算,遥感
随着国家对经济增长和环境保护的双重推动，尤其是碳中和目标的设定，如何实时、全面地获取矿山地质和自然环境的监测数据，已成为社会关注的焦点。传统的地面监测方式，已无法满足对矿山地质环境复杂性和变化性的全面掌控。遥感卫星，以其覆盖区域广、实时性强、数据容量大且不受地形限制的显著优势，在矿山地质监测、环境保护等领域展现出了巨大的应用潜力。高清通信、大数据存储、芯片硬件等关键技术的飞速发展，推动了遥感技术的广泛应用，逐渐形成了一个全天候、多层面的全球对地观测网络。遥感技术由此步入了大数据新时代，为矿山地质监测提供了前所未有的数据支持。
然而，尽管遥感数据获取手段取得了显著进步，但在数据的分析处理及实时服务方面，仍存在严重的滞后。据统计，仅有不到12%的遥感影像数据得到了充分且实时的利用，既造成了大量数据的浪费，也反映出当前数据处理能力的不足。随着高分遥感卫星数量的不断增加，这一矛盾将更加凸显。特别是在矿山地质领域，对数据的精准性和实时性要求更高，如何有效处理和分析海量的遥感影像数据，成为亟待解决的问题。
矿山地质环境复杂多变，地质灾害频发，对遥感技术的应用提出了更高要求。从矿山的开采情况监测到地质灾害的预警，从矿产资源的勘探到地质环境的评估，遥感技术都发挥着不可替代的作用。然而，现有的遥感数据处理技术难以满足这些需求，导致地质灾害预警不及时、矿产资源勘探效率低下等问题频发。
因此，研究高效处理矿山地质遥感影像数据的并行策略，具有极其重要的现实意义。通过优化数据处理流程、提升计算效率、实现定制化遥感服务产品等方式，可以为用户提供高效率且实时性强的遥感产品服务，满足矿山地质监测的现实需求，减缓当前遥感领域的现实矛盾。同时，这也将为矿山的安全生产、资源合理利用和环境保护提供有力的技术支持。
1矿山地质遥感数据处理的集群并行系统介绍
从硬件信息流通的角度，可以将并行高性能计算机系统分为单指令单数据流（SISD）、单指令多数据流（SIMD）、多指令单数据流（MISD）、多指令且多数据流（MIMD）四类，其中单指令多数据流和多指令多数据流应用最为广泛。
技术的更新带动了计算机模型的快速发展，形成了5种前沿先进的计算机模型：①对称多处理共享存储并行计算机（SMP）；②并行向量处理机（PVP）；③大规模并行计算机（MPP）；④分布共享存储并行计算机（DSM）；⑤工作站集群（COW）。
本文为了方便给用户呈现出一个整体调配的计算资源，采用软件和硬件集群式管理模式。通过许多个单独的计算机节点来组成并行的集群工作站框架。各个节点之间是采用专门的网络连接以提高运行传输速度。如何构建计算节点，则可以按照实际的要求进行建设。建设的形式可以多样化，如电脑、单纯的处理器以及大型的工作站等多运算服务器。每个计算节点都很容易构建，且具有很好的扩展能力。此外，每个节点都有独立的CPU、GPU、存储器和操作系统。多个节点构成了集群工作站结构，可以将分散各区域的节点通过网络进行集中虚拟管理。
2矿山地质遥感影像处理流程
地质遥感技术，以其独特的空间信息获取能力，正日益成为全面、深入分析全球矿山地质环境及资源状况的关键工具。在矿山地质勘探、灾害预警、环境监测等多个关键领域，遥感技术均展现出无可替代的重要性。通过遥感卫星捕获的矿山地质影像，能够洞察矿山地表的微妙变化，揭示矿体构造的奥秘，为矿山地质研究提供海量的数据支持。
矿山地质遥感影像处理流程，是一个从前端获取原始影像开始，经过一系列复杂的处理环节，最终提取出可为矿山地质研究和生产实践提供指导信息的过程。这一流程涵盖了影像的校正、增强、分类等多个关键步骤，每一步都对最终结果的准确性和实用性产生深远影响。
在处理矿山地质遥感影像时，并行性成为了一个不可忽视的概念。由于矿山地质遥感影像的数据量庞大，处理过程复杂，如何快速且高效地完成处理任务成为了一项紧迫的课题。并行处理技术的运用，为解决这一问题提供了有力的支持。通过并行处理，可以将繁重的数据处理任务分配给多个处理器或计算机并行执行，从而显著提升处理效率。
2.1矿山地质遥感影像处理流程介绍
矿山地质遥感影像处理本质上是使用图像处理的模型和算法，对原始影像进行加工变换处理，进而提炼合成使用者所需要的信息资料。整个流程包含预处理、数据处理、信息提取、知识部分以及应用部分。
（1）预处理。矿山地质原始影像有时会出现光谱失真、比例变形、畸形变化等现象，这主要是由于卫星或者航天飞行器拍摄的遥感影像信息，会受到不同观测角度、大气层条件、太阳高度角等因素影响造成的。所以，必须使用多项预处理流程来处理原始影像数据，才能精准获得真实可靠的目标数据。第一，将诸如太阳高度角、所在位置的经纬度、当前的准确时间等辅助数据分离出来。第二，利用分离出来的辅助数据，对原始的地质遥感影像数据进行如几何纠正、辐射纠正等处理，即可获取初级遥感影像数据产品。第三，在获得初级遥感数据产品的基础上，进行细微加工处理，如几何纠正和正射纠正等，从而得到遥感影像精确纠正产品。
（2）数据处理。为了更便于下一部分的信息提取，需要进一步的数据处理。该部分处理前后均为图像信息，且地质图像信息中的元素之间的处理类似，适合并行处理实现，主要处理操作有图像融合、配准和内嵌等。
（3）信息提取。信息提取是将处理后的影像数据进行分类以及特征提取，实质是对这些信息数据的整理分析。这些信息的特征性质有形状、纹理等。因此数据的规模较大，算法较为复杂。这些特征决定了该部分不适合并行处理。该处理包含有图像识别、对图像的解释提取等操作。
（4）知识部分。该部分的主要任务是联合专业知识和专家系统，对信息提取部分的数据进行影像信息释义和描述。虽然本部分处理的是知识数据信息，人机操作所占比例大，实现并行运算较为复杂。但是这部分同样需要并行处理计算，来适应当前的高性能标准的自动定义前沿技术，主要处理有特殊场景恢复、定制化出图、三维立体空间建模等。
（5）应用部分。通过知识部分出来的信息结合实际的应用资料，就可以呈现出实际应用的服务产品。在生态环境管理监测、气象预警、国土调查勘探等行业都有实际需求。
2.2矿山地质遥感数据处理并行度分析
（1）多级任务生产处理。在矿山地质遥感影像处理过程中，前后步骤顺序不能颠倒，后面的处理部分需要使用到前一个部分的处理结果。因此，对于遥感产品生成过程中，可以归纳出子过程。每个子过程都需要上一级的子过程的处理结果来充当生产原料。它的生产加工的结果又作为生产原料输出到下一级的子过程，这样的分类模式可以叫作任务分解。其优势在于不相关的子过程可以分而治之。
（2）大量级处理数据。普通计算机由于内存有限，往往不能应对数据规模庞大的矿山地质遥感影像数据，且还是浮点运算。计算机容易出现内存不够用的情况。虽然近年来硬件芯片技术发展迅速，仍不能完全解决遥感影像数据快速生产的问题。根据遥感数据中使用算法的特点，可将数据进行分解处理。这种方法是将数据转化成小规模子数据块，每个子数据模块进行类似的操作处理。这也是并行处理策略的特点。
（3）多功能。矿山地质遥感影像处理流程可总结为：输入数据—处理算法模型—输出结果数据，输入输出数据和算法模型在不同的流程中不尽相同。为了实现遥感处理流程的自动化快速部署以及并行多指令运行，可以通过定制化子流程来实现，同时控制子流程的输入输出数据流。
（4）算法分解。处理算法分为空间域和频率域处理算法。其中，点处理算法、局部处理算法及全局处理算法都属于空间域算法。与局部和全局处理所不同的是，点处理只进行自身的像元素的参数运算。而局部与全局处理算法处理其他像元素的参数运算。
3矿山地质遥感影像数据并行处理的通用策略
普通计算机的处理性能在面对地质遥感影像大规模数据处理时，往往显得力不从心。矿山地质遥感影像数据量庞大、处理复杂度高，对于处理速度有着极高的要求，这使得普通计算机的低级处理性能与地质遥感影像处理的需求之间形成了巨大的鸿沟。
为了弥补这一差距，迫切需要寻找一种高效的数据处理策略。而集群并行处理正是解决这一问题的有效途径。通过利用集群中的多个计算机节点协同工作，可以将大规模的地质遥感影像数据分割成多个子任务，并分配给不同的节点进行并行处理。这样不仅可以显著提高处理速度，还能充分利用集群的计算资源，实现更高效的数据处理。本部分在剖析矿山地质遥感影像处理流程的基础上，探索了并行处理的通用方案。该方案可支持多个遥感影像数据任务并行处理，提高执行效率。
3.1任务分解
依照矿山地质遥感数据处理的第一个特点即“任务分解，支持分治处理”，为了便于各个子流程产品的存储和自动快速查找，可以构造与之匹配的产品模型数据库。同时针对没有交集的子流程进行并行处理。每个子流程生产的产品，又可以为下一个流程所使用，最后形成遥感服务产品。
以矿山地质遥感影像分类的产品为例。使用者需要某一分类产品时，首先会从产品模型数据库中查找相关的产品。如果有则会直接反馈给使用者，如果没有就会继续查找相关的几何校正和植被指数等辅助分类产品，用于生成分类产品。如果有辅助分类产品就会返回给使用者进行生产，如果没有就会继续查找，一直查找至原始地质遥感影像为止。
3.2数据分解
矿山地质遥感影像的“数据分解，支持分块处理”性质，表明遥感影像数据可根据不同生产任务来调配至不同计算节点进行处理。另一方面，可根据相关规律将遥感影像划分成多个不相关的独立处理的子模块，分发至不同计算节点进行并行计算操作，统一汇总操作结果。具体流程为首先利用不同空间位置的准则对主流程的输入影像进行划分，并给每个子影像模块分配id编号。然后采取负载均衡的策略，把子影像模块划分至从节点进行操作处理。最后将处理之后的影像数据，依然按照id编号进行合成输出给用户。其中，对影像进行划分的原则有很多种，这里依照不同算法选择不同划分规则，有依据行和列进行划分、二维划分、重叠数据划分及不规则划分原则等。
3.3功能分解
依照矿山地质遥感影像数据的另一个特点即“功能分解，支持处理流程定制”，可将遥感影像数据处理看成一条处理链路。整个链路中，每一条链路节点都包含输入输出参数和算法处理，互相产生联系。最底层架构有底层函数库、服务调度服务库、并行策略服务库，这些服务库都是服务于上层算法。中间的功能服务库主要是每一个流程中所需要的处理服务。这样如果想要定制遥感影像输出产品，只需要对整个流程进行可视化的调配编排即可。当然使用者为了满足自身的特殊行业要求，也允许调换子流程进行重新排序。重排之后创建新的遥感影像处理流程，配置相关的输入输出和参数。
3.4算法分解
根据地质遥感处理的另一个特点“图像处理区域不同，支持算法分解”，可针对影像元素处理算法进行并行处理。以图像的卷积算法为例。卷积运算是一种相乘和相加结合的运算，采取并行处理的方法，能够将原本8次相乘和8次相加的运算，并行处理后转变为8次相乘和4次相加的运算，以减少运行所耗费的时间。
4结语
本研究专注于矿山地质遥感影像数据的高效处理，提出了一套并行处理的高性能通用策略。从并行处理的角度出发，深入分析了遥感数据的任务分解、数据分解、功能分解、算法分解等原理，并应用于矿山地质遥感影像的处理中。
在矿山地质遥感影像的实际应用中，充分展示了这四个方面原理的应用。实质上，数据并行策略和任务并行策略在矿山地质遥感影像处理中的原理是一致的。无论是针对图像元素的运算处理，还是局部乃至全局的处理，数据都是可以随时调用的，这为并行处理提供了坚实的基础。
此外，从原始矿山地质遥感影像到最终生成遥感服务产品，这一过程中涉及多个子模块。每个子模块都可以独立运行，实现功能任务的并行处理。这种并行处理策略不仅提高了处理效率，还使得整个处理流程更加灵活和高效。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/82157.html
