罗耀华 ，郭 科，赵仕波

（1.成都理工大学 网络与教育技术中心，四川 成都 610059；2.成都理工大学 数学地质四川省重点实验室，四川 成都 610059；3.成都理工大学 管理科学学院，四川 成都 610059）

0 前言

高光谱遥感［2］影像包含了丰富的空间、辐射、光谱信息，光谱分辨率能达到几纳米，同时可以提供地物的连续光谱。相对多光谱影像，它是以光谱分析为主要的处理模式。高光谱遥感的每个像元都是地物光谱信息的综合，不同地物有不同的光谱特征。由于空间分辨率限制以及地物的多样性，使得在单像元点处得到的光谱一般是几种不同物质光谱的混合，称为混合像元。光谱混合从本质上可以分为线性与非线性混合二种模式。线性模式假设物体间没有相互作用，每个光子仅能“看到”一种物质，并将其信号叠加到像元光谱中。目前使用的端元提取方法大部份都基于线性模型，每个像元都可近似为图像各个端元的线性混合。常用的混合像元分解方法［3］有最小二乘法、端元投影向量法、单形体体积法等。

目前针对大数据量高光谱遥感影像的处理，主要采用多核CPU 或者集群模式，该模式对于环境配置和硬件要求较高，运算速度的提升空间也不理想，很难实现对海量数据高光谱遥感影像的实时处理。高性能计算技术是图像处理技术发展的重要方向，可编程图形处理器（GPU）［4］技术发展极为迅速。从并行的角度来看，现代的多核CPU 针对地是指令集并行（ILP）和任务并行（TLP），而GPU 则是数据并行（DLP）。……