付征叶a，凡高娟b,c，王俊岭b,c

(河南大学 a.计算中心；b.计算机与信息工程学院；c.数据与知识工程研究所，河南 开封 475004)

1 概述

现代空间遥感技术的发展已经使传感器的空间分辨率、光谱分辨率和时间分辨率大幅度提高，使得遥感图像的数据量大增，有的影像文件大小甚至达到GB级[1]，也使遥感图像的数据量和计算机处理运算量大大增加。如在遥感图像处理中，卫星平均每秒向地面发送几百万个像素，每个像素需要100次～1000次运算操作，故要求处理系统每秒能完成亿次运算。这使现有的遥感数据处理系统面临着严峻挑战[2]。由于物理极限的限制，单计算机处理速度的提高越来越困难。为了提高遥感图像处理速度，内外学者开始把集群并行计算技术引入到遥感图像处理中[3]，负载平衡(load balancing)是一种能够通过恰当的任务分配策略来进行资源优化利用，实施并行计算、高计算机吞吐量和缩短任务响应时间的技术[4]。选择合适的负载均衡策略可有效避免计算节点出现部分节点负载过大、部分节点零负载或轻负载的情况出现，可使不同类型的计算节点相互协作，高效地完成生产任务[5]；因此，有效的任务分配和资源分配策略就变得十分重要，文献[2]提出了一种基于尺度的影像数据不平均分配策略，能很好地适应影像信息提取的精度和速度，但这种策略只适用于单计算节点的环境下，未考虑在集群环境下的应用，文献[3]提出了基于任务代价的任务分配模型，将任务分配问题转化为对混合整数线性规划的求解问题，但是这种任务分配模型在实际应用中的负载均衡效果并不是太好；……