可编程图形处理器(GPU)具有强大的并行处理能力,可被看作为一个单指令流多数据流(SIMD)的流式处理器。本文针对遥感影像并行化处理的迫切需求,结合GPU强大的并行处理能力,提出了一种基于GPU的遥感影像并行化处理思路和实现方法。本文的研究既充分挖掘了现有计算机显卡可编程GPU的计算能力,提高了图像处理速度;又为我们提供了一个低成本的并行机编程试验平台。本文主要内容包括:1.在综述遥感影像并行化处理的迫切性、可能性和研究现状的基础上,总结了并行化处理的模式和主要的并行化处理系统;并对GPU的发展历史、体系结构、编程模型及通用计算的主要应用领域进行了论述。2.在深入分析GPU并行化处理特点的基础上,提出了一种GPU并行化处理的基本流程,设计并实现了一个遥感影像GPU并行化处理框架,并对其中的关键技术、优化措施和性能评价等问题进行研究。3.针对GPU自身的设计特点和图像处理算法的复杂程度,重点研究了遥感影像像素级处理算法的GPU并行化实现方法,并结合部分典型操作(监督分类、卷积运算、几何变换和离散小波变换)分别对像素级处理的点运算、局部运算和全局运算进行GPU并行化处理实验,验证了GPU并行化处理能力。4.设计并实现了一个基于GPU的遥感影像并行化处理原型系统GPUParImage。通过本文的研究可以得出结论:GPU对于细粒度的像素级数据并行问题具有明显的计算优势,特别是对计算密集型的算法(如监督分类等)并行加速效果更加明显。但是,其编程灵活性还需要进一步提高。