自上世纪60年代人类发射第一颗卫星以来,对空间技术的探索始终没有停滞过,对地观测技术也得到了快速发展,由最初的地面分辨率上百米到现在分辨率已经达到了 0.61米以下。由于高分辨率卫星遥感数据地物识别能力高、覆盖范围广、数据获取周期短、获取渠道多样化等优势,在农林检测、气象预报、防灾减灾、环境监测等方面发挥重要作用。随着高分辨率遥感技术的不断发展,观测手段不断提高,获取的高分辨率遥感数据也会越来越多,应用范围也将越来越广。然而面对数据的成倍增加以及用户群体的非专业化发展,如何准确、有效、及时地处理数据,已成为制约高分辨率遥感数据应用的一大瓶颈。传统处理方式因耗时较多已不能满足用户需求,迫切需要改善这一困境。针对上述问题,本文在分析目前高分辨率遥感数据处理现状的基础上具体开展了以下几个方面的工作:首先,针对目前高分辨率遥感图像处理现状,将云计算技术引入到数据处理中,搭建了基于Hadoop平台的高分辨率遥感图像处理架构,并对框架进行了说明。同时针对高分辨率遥感图像的自身特点,提出适合高分辨率遥感图像处理在Hadoop平台上执行的分片策略。其次,选用了 Meanshift算法对所搭建的基于Hadoop平台的高分辨率遥感图像处理架构进行验证,在Meanshift算法原理、数学公式的基础上在Hadoop平台进行实现。最后,对搭建的实验平台进行大数据处理测试和Meanshift算法图像分割实验,并从分割的效果和性能两方面对实验结果进行分析。实验结果表明:所建平台可以进行大数据处理,并且经过处理的图像满足遥感图像分割定义;Hadoop环境下进行高分辨率遥感图像处理,能够有效的降低整体处理时间。