航空遥感数据目前已广泛应用于城市规划、国土资源、测绘、农业、林业、交通、环保等领域,为经济社会发展、国家利益和国防安全提供了强有力的保障。但随着GIS技术应用范围的扩大和空间信息服务的逐渐普及,如何快速地存储和处理采集到的航空遥感影像数据得到空间信息产品对处理的方式和速度提出了更高的要求。本文主要从分析和研究航空遥感影像数据的高效、安全存储和快速计算的若干主要问题入手,研究分布式存储数据分散、基于GPU的航空遥感影像处理、异构集群下CPU/GPU协同处理计算等关键技术,为发展具有自主知识产权高性能航空遥感数据快速存储和自动处理系统提供技术支撑。本文的主要研究工作包括：(1)本文首先探讨了基于GPGPU的航空遥感影像提取矢量数据空间冲突检测关键技术。这里从详细描述GPGPU的发展现状、原理、应用方法,以及基于CUDA (Compute Unified Device Architecture,统一计算设备架构)GPGPU计算模型的技术实现路线入手,分析了对航空遥感影像测图提取矢量数据进行空间冲突检测的必要性和基本原理,并以检测地形图中等高线与水系线空问冲突问题为例,详细描述了如何利用CUDA实现基于拓扑关系的并行空间冲突检测方法,针对方法本身的特点及空间数据对双精度的要求,提出了任务包处理模式和单双精度数转换方法以适应不同的计算硬件条件的方法,最后通过不同数据量的实验展现了处理密集型计算任务时GPU并行处理对CPU串行处理的巨大优势,验证了运用GPGPU进行地理空间运算的可行性。(2)其次本文针对航空遥感影像分布式存储的现状进行分析,详细探讨了冗余复制和秘密共享两种主流数据分离存储策略的研究成果和不同策略存在的问题,并以秘密共享方法中IDA数据分散算法为例,从系统可用性、可靠性、安全性和性能方面与冗余复制方法深入进行比较,验证了以IDA算法应用于航空遥感影像分布式存储的数据分离方法的有效性,同时根据IDA数据分散算法文件块编码效率低下的问题提出了利用GPU超大线程进行快速IDA编码的并行算法,该算法结合矩阵分块方式,将不同文件块字节缓存到共享内存上实现数据快速存取,实验结果证明对16M大小的文件块进行IDA编码已经可以达到实时或准实时的要求,能够满足航空遥感影像可靠、高效存储的要求。(3)越来越庞大的航空遥感影像数据量使得仅仅依靠摄影测量的理论创新、算法改进和模型优化方法已无法达到快速生产实践的要求,本文从分析并行算法的理论出发,详细探讨了航空遥感影像的并行性,包括航空遥感影像并行处理模式和基于GPU的负载均衡,并对航空遥感影像处理过程进行了并行性分析,再以航空遥感影像处理的基本流程中影像预处理、影像匹配和影像拼接为例,分别实现了基于GPU的直方图均衡、模板匹配和相位相关拼接并行算法,通过实验验证计算效率均优于CPU串行算法,为实现航空遥感影像处理其他核心步骤的并行算法打下基础。(4)针对目前并行处理往往只单独研究CPU或GPU,较少探讨CPU和GPU之间协同计算的现状,以及单机纵向扩展能力有限,无法满足大数据量航空遥感影像快速存储和处理需求的问题,本文结合并行计算和并行计算集群相关理论,提出了基于MOCG的异构集群CPU/GPU协同并行计算框架,通过MPI、OpenMP、CPU/GPU三层并行机制,利用权值表实现的发送者/接受者共同启动的任务调度机制,实现了异构并行计算集群计算资源的最大化利用。同时本文以IDA数据分散算法和航空遥感影像直方图增强为例,在不同数据输入环境、不同异构集群规模、不同数据量大小条件下进行综合实验,分析了不同条件下对异构集群并行处理的效率及问题。实验结果表明基于MOCG的异构集群CPU/GPU并行计算架构能够较好的实现任务调度和计算资源利用,满足大数据量航空遥感影像并行存储和处理的要求,为下一步进行海量航空遥感影像分布式存储和管理提供了实践基础和有益参考。