高性能计算通常是指由很多处理器组成的大规模计算系统和环境,其规格与性能远远超过一般的个人计算机和工作站,被用来解决科学、工程、商业上的大规模问题。在地球探测领域,随着遥感技术的不断发展,干涉合成孔径雷达(InSAR)的卫星影像分辨率不断提高,遥感信息的提取、处理、解译越来越依赖大规模计算资源,采用高性能计算技术已成为必然趋势。二维相位解缠是遥感技术中干涉合成孔径雷达(InSAR)卫星影像处理中的关键技术和最主要的误差源之一。干涉合成孔径雷达卫星信号中提取真实相位信息时,相位值却会被限制在(-π,π)的弧度区间内,位于该区间外的真实相位被缠绕到这一区间内。此现象被称为相位缠绕,得到的相位称为缠绕相位。从缠绕相位恢复真实相位的过程就叫做相位解缠。噪声、欠采样和物体不连续的存在使相位解缠变得困难。到目前为止已经有很多著名的相位解缠算法被提出。这些算法在不同的方面有着各自的优势,比如解缠结果的准确性或算法的执行时间。但是绝大多数的算法在设计时并没有考虑到计算机内存对算法性能的限制。随着干涉合成孔径雷达技术的发展,待处理的缠绕相位图尺度越来越大,当出现由于单台计算机资源限制导致的缠绕相位图不能一次性整体处理的情况时,分块求解的策略将不得不采用。在这种情况下,局部相位解缠结果和全局整体处理时的相位解缠结果是否一致就成为相位解缠技术的新挑战。针对这一挑战,本论文首先提出了一种新的基于模拟退火方法的相位解缠算法。这种方法先将整幅图像的残差点根据经典的最邻近算法用枝切线连接起来,再用模拟退火方法对这些枝切线不断地进行组合优化,最后绕过这些枝切线进行相位解缠。利用模拟退火方法的并行化原理以及分布式内存与共享内存混合并行编程模型,该相位解缠算法实现了高效的多进程与多线程并行化,并使之在高性能集群上的执行速度大大提高。模拟数据和实际干涉合成孔径雷达相位数据被用来评估这一算法的表现,结果显示与一些常用相位解缠算法相比,该算法其独有的并行化编程实现使其具有极短的执行时间且解缠结果更准确。其次,利用并行计算天生具有的分而治之的特性以及并行进程间可以高效通讯等的优势,提出了一种新的分块策略。此分块策略严格保证Lo范数相位解缠算法局部解和全局解的一致,实验结果也证明了这一点。并且,采用这一分块策略的相位解缠算法的并行化执行依然有着很好的并行效率。面对大尺度相位解缠问题,采用这一分块策略且基于模拟退火方法的相位解缠算法运算速度快,并且具有与整块处理结果相同的高准确性。随着卫星影像数据越来越大,相位解缠同时面临的另一个挑战是大数据的处理和分析。针对这一挑战,本文利用最新的Spark大数据分析云平台解决大尺度相位解缠前的数据预处理问题,如聚类分析。并且将Spark平台与相位解缠算法所依赖的MPI、OpenMP计算平台进行整合,构建统一化的执行平台,给各个不同类型的计算提供所需的各个不同的计算平台。我们将这一平台扩展开发为基于高性能科学计算的云平台。并且,在云平台上集成现有的计算矿物物理高性能应用,为其开发了软件即服务(SaaS)云组件。SaaS云技术让用户无论身处世界何处,只需要一个网页浏览器就能使用云平台的科学软件服务并调用后台的计算资源,使其易用性大大提高,降低了其使用门槛,让缺乏背景知识不再成为潜在用户使用高性能计算的障碍,并且科学计算及数据处理自动化流程化的软件服务提高了用户工作效率,减少了人工错误。