郭 阳

（江西科技师范大学通信与电子学院，江西 南昌 330000）

0 引言

目前高光谱遥感[1]混合像元分解所涉及的算法基本都是采用串行的处理思路。但由于高光谱遥感图像自身空间分辨率、光谱分辨率等因素影响,造成其数据量巨大,包含的信息多,且算法计算过程复杂。如果采用传统的串行处理办法,执行过程中高达数百亿次浮点运算会严重影响计算机执行速度,过长的耗时严重制约了混合像元分解的实时性。因此，必须找到提高处理速度的办法，以解决实际应用中的海量数据处理效率的问题。而GPU的特点是处理数据密集型和计算密集型计算，非常适合需要大规模并行计算的领域。

1 GPU编程模型

随着计算机技术的发展，人们一直追求更高的性能。并行计算的提出，满足了我们提高程序执行效率的要求。随着CPU工艺提升，单芯片多处理器同时并行的计算是实现超高速计算的一种主要方向，我们把它叫做并行计算。也就是说并行计算可以利用每个处理器核心，充分发挥多核CPU处理器的能力。2007年NVIDIA推出了当今最流行的GPGPU编程语言,CUDA(Computer Unified Device Architecture,统一计算设备架构)[2]。他是一种专业处理和管理GPU计算的编程语言，给开发者提供编译器和开发工具，可以直接使用C语言进行CUDA程序开发。

2 GPU在高光谱遥感图像解混领域的应用

混合像元分解[3]是高光谱解混技术的关键问题。高光谱混合像元分解主要分为线性混合模型和非线性模型，通常高光谱混合像元分解都是采用线性混合模型。……