光谱成像仪在电磁场的紫外线,可见光,近红外和中红外区域,以数百个连续且细分的波段对目标区域同时成像,得到高光谱图像。实际情况中,高光谱图像获取的过程会受到很多方面的干扰,比如说,拍摄距离,大气层中物质的干扰以及光谱仪镜头的分辨率等;另一方面,目标区域中包含地物的不确定性以及地物分布和混合的随机性,导致图像所含像元是混合像元。混合像元的存在,导致地物信息的不确定性。因此,高光谱图像解混成了必不可少的一项重要研究。本文对高光谱图像解混的研究,是基于线性混合模型的基础上。本文对高光谱图像解混的研究采用统计学中的盲分离理论,将丰度值和为一、丰度值非负作为解混的目标函数。差分搜索算法求解复杂度较高的函数出现无法快速达到收敛的情况,针对这一问题,本文所提出的基于精英策略以及概率选择的差分搜索算法,改进后的算法在求解复杂函数可以快速收敛到全局最优。本文采用基于精英策略以及概率选择的差分搜索算法对目标函数进行求解,提高整个算法的效率,使得寻优过程快速而稳定。高光谱图像解混计算量复杂,耗时较长,针对这一问题,本文提出在GPU上实现高光谱图像解混的并行化研究,提出了两种并行化策略,分别是在高光谱图像解混的预处理和智能优化阶段,并分别描述了其工作模型和实施过程。本文采用高光谱仿真数据和真实遥感数据对算法性能进行评价。实验结果表明,本文提出的解混算法能够高效实现高光谱解混。那么,我将主要工作分为以下几点:(1)改进差分搜索算法,差分搜索算法是一种新型高效的群智能算法。然而当优化复杂度较高函数,依旧会出现无法快速达到收敛的弊端。因此,本文提出改进策略,用于优化差分搜索算法。首先将种群最优值引入到搜索方程中引导首次搜索;另一方面,提出选择概率P引导搜索方程。改进后的算法可以快速达到全局收敛。(2)优化加入约束条件的目标函数,由于梯度法易受初始设定和迭代步长的影响而容易陷入局部收敛,采用基于精英策略以及概率选择的差分搜索算法优化目标函数实现信号盲分离,即完成混合像元解混。(3)高光谱图像所含信息丰富,数据量大,导致解混过程耗时较长。为此,本文提出在GPU上实现高光谱解混的并行化运算。根据高光谱混合像元解混的特点,提出两种并行方案。