随着时代的发展,不断涌现出了各种新技术,其中大数据、深度学习与云计算三项技术不只深刻影响我们的日常生活,也将更多的新思路带入了研究领域。在遥感研究领域,数据量的大幅增加虽然让研究有了长足的发展,但也随之涌现了两大问题,一个是海量数据的存储与管理问题,一个则是个人计算机越来越满足不了日益增长的计算需求问题。因此,越来越多的高校或实验室根据自身需求搭建了云计算平台以此保证自己的研究业务。本文即是依托所在研究组搭建的定制化混合云计算平台来展开,重点研究了基于分布式Java环境的卷积神经网络类库的实现。本文在了解遥感研究人员在进行深度学习研究时出现的运行时间久、现有深度学习库较为难以配置调试分布式计算环境,以及现有卷积神经网络类库Java平台版本较少的现实问题后,明确了两个主要目标,可用的卷积神经网络类库以及在分布式环境下进行部署和计算。主要实现了两个模块:（1）在较为系统的学习卷积神经网络（CNN）的前向传播与反向传播（BP）的原理以及数学模型之后,根据数学模型实现了CNN的前向传播代码,在BP的具体实现中根据梯度下降的原理设计并实现了前向式更新梯度的算法（Forward-BP）,算法在进行前向传播时就记录并更新了参数的变化,并且在编码过程中更好实现。（2）并行计算流架构下,根据Map Reduce编程思想设计以每一次Forward-BP为一次子任务分发给计算线程,然后再汇总计算结果;在数据同步的架构设计上借鉴了Concurrent Hash Map分段加锁的结构,采用深/浅复制的搭配建立了主线程Hash Map与子线程的数据通信,这在保证线程安全的前提下避免了锁的加入。在分布式环境中,结合socket技术,在主线程与计算线程中加入了通信线程保证前两者的通信与并行计算的持续进行,在分布式环境中也设计了相应的并行计算流架构与数据同步架构来理清不同线程间各自的任务以及中间的数据流向,以此为依据让编码实现。本文最终较为完整的开发了一个可用于分布式计算和Java环境的卷积神经网络类库并且以深圳市高分二号卫星图像数据为案例,进行类库的测试和实验。实验结果表明,本类库在分布式环境中,在保证了线程安全的前提下,可以对CNN并行计算Forward-BP。