高光谱仪器的成像原理决定了其成像数据能容纳更多地物特征,信息丰富,这给地物分类带来了极大的便利,但同时也导致分类算法运行速度慢、耗时长。传统的遥感图像分类方法难以适应这种变化,特别在一些需要快速做出应对反应的范畴如突发性自然灾难监测、战时敌对目标实时预警等。近几年来,随着图像处理技术的发展,基于Graphic Processing Unit(GPU)的高光谱遥感图像并行处理逐步得到应用。根据以上相关调研,基于GPU架构的高光谱图像处理已经有了一些相关的应用与处理,但是基于GPU架构的高光谱图像处理仍有内容需要进一步优化。因此,本文针对NRS处理高光谱数据速度问题,提出了基于GPU的NRS高光谱图像分类并行算法,算法充分利用GPU的高速处理带宽的同时,优化GPU-CPU间的数据传输与GPU端核函数设计等方面,实现完成高光谱图像分类处理速度提升,同时分类精度相近或者不变。论文首先详细推导了 NRS算法的相关公式,并通过流程图的方式给出算法求解,通过相关对比给出NRS算法的优点,从理论与实践方面说明采用NRS算法作为本文研究基础的重要性。之后,结合前面章节NRS分类算法流程的相关内容介绍给出算法实现的大体思路,与作为GPU并行分类算法的对比完成NRS分类算法的串行CPU实现并详述NRS算法CPU实现主要完成算法流程分解、矩阵求解、设置变量等相关内容。最后,基于CUDA的高光谱图像NRS分类算法并行设计,根据高光谱图像NRS分类CPU算法,完成高光谱图像NRS分类GPU并行算法设计,并完成相关实验。实验表明,基于GPU的并行优化程序完成全部运算所用的时间为6378.96s(1.772hours),与 GPU未调用 CULA 18963.48s(5.268hours)和 CPU的139976.85s(38.88hours.)相比要快得多,达到了 21.94倍的加速比。本文的相关研究成果可以应用于一些需要快速做出应对反应如突发性自然灾难监测、战时敌对目标实时预警等的范畴。