遥感图像并行处理是并行处理在遥感技术领域的应用，继承了图像处理算法和并行处理的一般方法，但是遥感数据获取方式和信息内容的特殊性使得遥感图像处理的方法、步骤、方案的选择以及程序的设计都要从遥感图像的特征和处理目的出发。本文结合遥感图像处理的特点给出了高效的并行处理模型，同时做了相关算法的实例分析，验证了并行化效果。　　 本文首先介绍了并行处理的一般体系结构和模型，提出了需要根据算法存在的不同层次的并行性能而采用有针对性的并行算法模型的思路。然后结合遥感图像处理的特点，总结得出了遥感图像处理算法适用的并行模型，并且依据得出的并行模型对无监督分类K-Means算法和几何校正算法的并行化做了实例分析。　　 对于无监督分类K-Means算法，本文分析了算法的串行特点、指出计算密集操作和通信密集的原因，同时分析现有两种并行化方案存在的问题。最后根据存在的问题和遥感图像多维特征渐变的特点，提出了一种基于分块逼近的并行化策略，通过增加部分冗余的计算换取了大量通信耗时的减少。实验证明该并行化策略有较好的加速比并实现了可控的精度。　　 对于几何校正算法，本文分析了几何校正算法的主要操作、并行化过程中出现的计算全局化问题并由此导致的几何校正边界计算等问题。分析几何校正重采样步骤的特点，发现算法的可分解性，通过分解几何校正重采样像素点对邻域的权重作用，保证了节点计算任务的负载平衡和重采样操作的局部性，较好地实现了几何校正的并行化。实验验证该并行化策略取得了较好的并行加速比。　　 本文最后总结了遥感图像处理并行化适用的模型和策略，同时根据目前遥感图像处理并行化的现状展望了未来可能的一些研究。