遥感系统向高空间分辨率、高时间分辨率和高光谱分辨率方向发展,每天采集的海量遥感数据量给存储、传输和处理带来了巨大挑战。遥感图像压缩是解决存储和传输的重要手段,低复杂度高吞吐率的遥感图像压缩算法成为遥感图像实时应用系统的关键技术。JPEG2000系列最新的图像压缩标准━高吞吐率JPEG2000（High Throughput JPEG2000,HTJ2K）为这一关键技术提供了有效的解决方法,因此对HTJ2K标准的研究具有重要的意义。由于HTJ2K算法架构具有极高的并行特性,当被部署到并行计算平台上可以极大的提升其处理的吞吐率。随着GPU处理能力的不断提升和CUDA软件功能的不断完善,GPU成为实现HTJ2K标准高吞吐率的优选平台。论文重点研究了HTJ2K压缩算法以及在GPU上的并行实现技术:（1）针对HTJ2K难以实现精确的码率控制问题,结合码率预测和压缩后率失真优化算法,提出了一种高精度自适应码率控制方法（HTJ2K-RPRD）。针对二维小波变换高频子带数据提出了高斯统计模型的码率预测方法,针对低频子带数据提出了基于清理通道编码规则的码率预测方法。统计所有编码后子带数据的码率预测值来估计基础截断位平面。从基础截断位平面编码产生多个编码通道,对产生的编码通道进行率失真优化以实现自适应码率控制的图像压缩。实验结果表明,对于不同尺寸和不同位深的图像,提出方法的压缩码率控制精度可达99.997%,并获得与JPEG2000和CCSDS-IDC标准相当的压缩图像质量。（2）深入研究了HTJ2K并行特性,在GPU上实现了HTJ2K图像压缩的并行加速。利用CUDA软件设计基于寄存器的小波变换并行处理方法,实现了最大400倍的加速比。针对HTJ2K编码块并行处理,采用内存分配优化策略减少内存分配耗时,采用ILP和TLP协同优化策略充分利用GPU硬件资源,采用CUDA多流技术实现块编码的任务级并行,采用码流并行组织减少压缩码流的传输耗时。实验结果表明,设计的方法实现了最大289M像素/秒的图像压缩处理能力,相比于CPU处理加速比达到135。