航拍图像在城市建设、森林防护、自然灾害等方面具有十分重要的应用价值。通过航拍图像的自动识别，可解决人类手工拍摄的局限性，能够从高空拍摄到特定区域的全景图，提供更全面的解决方法。航拍与传统的拍照方式有所不同，它使用直升机、无人机等飞行器在飞行途中对沿途的地面进行拍摄。航拍中，相机与被拍摄的物体距离很远，可以根据不同的高度、角度、多方位进行摄影，摄像。航拍在林业中有着广泛的使用。传统的森林资源经营和管理工作主要是通过林业人员对森林进行大量的调研考察，这种方式不仅消耗大量的人力和物力而且不具备实时性，很难处理森林管理中出现的各种各样的问题，造成不必要的损失。航拍图像和传统的观测手段相比，具有综合性、可重复性、实时性、经济性等巨大优势，这手段为研究森林资源现状及其动态变化提供了理想的工具。因此研究航拍图像的自动模式识别有着很大的实用价值。模式识别是航拍图像自动识别的最重要的部分，模式识别在不同的领域中有着广泛的应用，所以研究它有着很具体的意义。特征匹配是指通过点、线、面等特征，对特征进行参数描述，提取两个或多个图像的特征，之后使用点、线、面和相关参数来进行匹配的种算法。特征匹配首先建立两幅图像之间特征的匹配对应关系，然后对图像进行预处理来提取其高层次的特征，通常使用的特征基元有区域特征、边缘特征和点特征。本文就航拍图像处理中的聚类算法进行基于GPU（图形处理器）的并行化研究，使用GPU加速航拍图像的处理过程。航拍图像具有数据量大，分辨率高的特性。处理从无人机返回的数据，通常需要大量的时间。不能够满足我们日益增长的需求。通过使用CUDA（计算统设备架构）对航拍数据进行大规模的数据并行处理。可以大大缩短获取结果的时间，提升相关人员的工作效率。实验分析。从结果中可以看出本文实现的GPU并行化程序在高分辨率图像中，计算速度更加的快，使用更少的时间，与CPU相比拥有良好的加速比。