高光谱遥感技术广泛应用在地球科学领域里,是对地观测、资源勘探、地图绘制、军事侦查、灾害调查等领域的新型科技手段。高光谱图像的分类技术是高光谱遥感领域的研究热点问题。由于高光谱图像分类所要处理的数据量往往很大,而且存在算法复杂度较高等问题,另外,一般的CPU上串行分类算法的执行效率都较低,每次分类都要花费很长的时间,很难达到高光谱图像处理实时分类的需求。近年来,GPU(graphics processing unit)通用计算技术得到了迅速发展,相比较于CPU,GPU具有处理核心多、处理能力强以及存储器带宽高等方面的优势,在提高高光谱图像分类效率方面具有较大的应用潜力。本文在分析广义组合核高光谱图像分类模型和算法的基础上,设计了面向实时应用的高光谱遥感图像分类系统,并提出了基于CUDA的实时并行分类方法,最后利用MFC设计了基于GPU的广义组合核架构高光谱图像分类系统,并进行了实验测试与分析。论文工作主要包括:首先,针对高光谱遥感图像分类系统,深入分析了面向实时应用的高光谱遥感图像分类的理论,原则以及用户的要求。设计了面向实时应用的高光谱遥感图像分类方法流程。在此基础上,设计了基于GPU的高光谱遥感图像并行分类系统。其次,在分析广义组合核高光谱图像分类模型和算法的基础上。本文基于CUDA/CULA对广义组合核、LORSAL分类算法和多项式逻辑回归设计了相应的并行优化。广义组合核函数的高光谱图像分类方法在核函数的组合上有极大的灵活性,摒弃了凸组合的方法。而且该方法是通过利用扩展的多元特征形态学来建模空间信息。与此同时,我们也可以通过逻辑回归器来控制其泛化能力。最后,在基于CUDA高光谱实时并行分类的基础上,利用MFC设计了基于GPU的广义组合核架构高光谱分类系统。本文中设计的系统框架主要包括以下几个模块:高光谱图像数据选择、参数设置、分类处理以及图像显示和加速比计算。最后利用真实场景高光谱图像数据对本文中提出的并行分类系统进行了实验验证。