微波辐射计从实孔径发展到综合孔径,分辨率、探测距离等关键性能获得一定提升。这些性能的提升建立在信号处理复杂度大幅增加的基础之上,在G矩阵反演方法中G矩阵规模可以达到20GB,普通计算机无法在有效的时间内计算出亮温图像。本文以此为切入点,采用当前并行计算技术加速图像反演过程,为实时成像奠定基础。文中选择实际使用广泛的MPI和CUDA并行计算模型,即消息传递并行模型与GPU并行模型,对图像反演算法进行并行化处理。前者运行在天河2号超算平台,通过高速互联计算机集群加速计算;后者运行在NVIDIA公司生产的GPU或者专业的计算加速卡上,充分利用芯片内众多的计算核芯加速计算。综合孔径微波辐射计有很多种图像反演算法,主要分为傅里叶变换法和G矩阵反演法。本文选取三种典型图像反演方法,即阵列因子综合法、共轭梯度法、Tikhonov正则化法,它们分别代表傅里叶反演法、G矩阵数值迭代法、G矩阵求逆法。首先介绍这三种反演算法的计算原理;然后分析其中的并行度,提出设计思路并与两种并行计算模型结合编码实现并行化;最后将基于两种模型所实现的并行程序运行在仿真数据上,验证并行算法计算结果的正确性。并且通过与串行C++、Matlab程序运行时间对比,证明并行算法达到加速图像反演的目的,并且具备一定扩展性。但是在本次实现的并行算法上还有进一步优化的空间,如优化存储结构、增强程序的可移植性、采用更高效的函数库等。