自适应光学可以有效地抵偿大气湍流的影响,但尚未达到光学系统衍射极限效果,而多帧盲解卷积图像复原技术能够进一步提高自适应光学图像的分辨力,是目前自适应光学图像后处理的主要方法之一。基于Bayes原理的多帧迭代盲解卷积图像复原技术一般采用交替迭代、优化式方法解卷积以求解目标图像和点扩散函数,算法比较复杂,处理耗时过长,对多帧图像复原经常需要几分钟甚至几十分钟的计算时间,极大地影响了空间目标快速监视识别正常、高效地开展。本文通过研究和分析盲解卷积算法原理和算法结构,采用目前高速发展的CPU-GPU异构加速技术,研究多帧盲解卷积图像复原算法的并行加速实现。本文主要工作有以下两点:1)在对多帧盲解卷积图像复原算法研究分析的基础上,针对目前普遍采用的串行交替迭代技术在并行化实现上的不足,分析了“联合迭代”、“串行交替迭代”、“并行交替迭代”三种迭代方式的优缺点,提出了改进的并行交替迭代方案;针对算法中基于循环模式的多帧图像处理方法,设计并讨论了多GPU系统中的数据分组并行处理方案,提出了节点间非对称分组和节点内非对称分组的数据分组策略。模拟实验表明,本文算法在多GPU系统中能够提升系统运算性能,为算法向多GPU系统扩展奠定了基础。2)对程序中运算量比较集中的似然函数求导过程进行优化,利用CUFFT函数对程序运算中耗时最大的快速傅里叶变换进行并行加速,并在此基础上依据GPU加速的基本方法和原则进行了进一步的并行优化,实现了单GPU系统多帧盲解卷积图像复原算法并行化。实验结果表明,本文并行化算法相较于串行算法运行速度有较大提升,达到17倍以上的加速比。本文研究工作改善了目前图像复原过程耗时相对较长的问题,提升了运行速度,减少了运行时间,为后续工作中建立更为复杂的集群计算系统打下基础,研究成果对于我国空间目标快速监视识别正常、高效地开展,空间态势的快速感知具有非常重要的意义和实际应用价值。