随着卫星遥感技术的飞速发展,遥感技术在国民经济和军事领域都发挥了巨大的作用。其中遥感图像的像素级融合(又称全色锐化),一直是遥感技术研究中的热点问题,它是一种将空间信息丰富的高分辨率全色图像与低分辨率多光谱图像进行融合,生成高分辨率多光谱图像的技术。传统的遥感图像融合算法无法兼顾光谱信息与空间信息的保留。近年来,基于变分法的遥感图像融合算法由于其优秀的融合效果以及具有高度的灵活性逐渐发展成为遥感图像融合领域一个新兴的重要分支。但同时变分图像融合算法的计算复杂度高,运算效率低,无法应对目前日益膨胀的遥感图像数据量。同时,随着高性能GPU和CUDA并行运算架构的出现,利用GPU进行并行运算已经成为遥感图像处理中日益普及的手段。本文针对基于变分法的遥感图像融合算法运算效率低的问题,在深入研究非局部关系变分模型的基础上,使用CUDA并行运算架构在GPU上并行处理遥感图像融合算法。在本文设计的并行算法中,先对多光谱图像进行了插值放大的预处理;然后使用IHS算法对多光谱图像与全色图像进行一个初步融合,作为非局部变分图像融合算法的初始化图像;在非局部变分图像融合模块,分别对非局部变分模型的三个约束项以及迭代公式的计算进行了并行化设计。在以上各步计算中,综合使用了纹理内存、常量内存、共享内存等不同层次的优化手段。本文使用了多组不同波段和不同尺寸的遥感图像对设计的非局部变分遥感图像融合并行算法从融合质量与运算效率两方面进行评价。在融合质量方面,本文算法相较于其它几种常用的遥感图像融合算法的主观视觉与客观指标均表现优越;在运算效率方面,本文的并行算法相比于串行算法的计算速度有明显的提升,并且获得了良好的加速比。