随着CT技术发展和应用需求的提高，三维CT成像系统日益普遍，提高三维图像重建处理速度是研究热点之一。锥束CT完成一次三维扫描的数据量达几百GB甚至TB，重建算法复杂，运算量大，耗时较多，难以满足实际应用中实时性的要求。因此研究一种能更快实现锥束CT三维重建方法显得尤为重要。FDK三维图像重建算法在可并行性上具有显著优势，本文对FDK重建算法及其加速技术进行研究。由于CUDA技术和GPU的硬件特性给FDK算法并行加速提供了条件，本文首先实现了一种在GPU中利用CUDA技术实现FDK重建算法加速。实验结果显示：在旋转一周为256个分度的情况下，重建2563大小的单精度浮点数据格式的图像，使用GPU与使用CPU的重建时间分别大约为2s和2489s，重建加速比达到1000倍以上；在旋转一周为512个分度的条件下，重建10243大小的图像，重建时间只需大致100秒。而CPU重建时间之长已没有实用价值，GPU的加速性能已得到充分体现。为了进一步提高超大三维数据CT图像重建速度，本文又采用了GPU集群实现更高的加速。通过构建一个GPU集群，包含2个GPU工作站，使用CSocket与CUDA混合编程，完成了基于Windows操作平台的GPU集群对海量数据的FDK算法加速。为了突破32位编程内存分配的限制，将要重建的10243大小的图像分别由8个子任务来重建，每个子任务即对1024×1024×128的单精度浮点数据格式进行重建。用GPU集群重建，最后把重建的结果返回给主机重组得到重建的完整图像。实验结果显示：在旋转一周为512个分度的情况下，重建10243大小的图像时间可以缩短为58秒。和同一性能的单GPU重建时间对比，集群加速比接近两倍。本文对FDK算法进行了并行性分析，实现了基于CUDA技术在单GPU以及GPU集群上的FDK加速重建算法。实际采集1024×1024×128个投影数据需要1分钟以上，重建时间最好在1分钟以内，通过大量的对比实验表明：基于GPU集群的FDK加速重建算法满足了实际的需求，所以本文提出的加速重建方法在工业CT方面具有较高的实际工程应用价值。