随着科技的进步,光学遥感卫星对地观测技术蓬勃发展,已步入数据获取方式多样化和信息爆发的新时代。近年来,以国产卫星ZY3、GF1、GF2,国外卫星IKONOS、GeoEye系列、Pleiades,WorldView系列等为代表的高分辨率光学卫星先后发射,大多数高分辨率卫星的分辨率达到亚米级,设计的影像产品尺寸达到数万个像元,从数据获取、产品生产、信息提取、实际应用等影像处理流程必定极为耗时。另一方面,在某些领域对卫星数据处理的实时性有着严格要求,从影像数据到最终实用产品的全部流程必须在分钟级内完成,以提供可靠有效的信息给后续的情报分析、安排救援等工作。若不能及时完成产品生成并提取出有用信息,将无法发挥出遥感技术的快速、定量以及综合作用,导致遥感数据积压,失去实用价值。因此,研究如何使用各类新的高性能计算手段满足某些遥感应用领域的实时性要求十分必要。目前,GPU(Graphics Processing Unit)的高性能计算架构可以在受限环境下提供高性能计算能力,在GPU硬件架构上设计高效运行的算法为上述问题提供了一个可行的方案,并已逐渐成为国际上解决大数据计算和实时处理问题的主流方案。实际应用场景中,必须首先通过正射纠正流程获取目标区域的正射影像,但正射纠正处理过程密集,耗时很长。针对正射纠正的加速问题,本文设计了一套基于CUDA(Compute Unified Device Architecture)架构的并行算法,在GPU上处理正射纠正的各个环节,结合GPU设备和并行计算的特点对各并行环节进行加速优化,实现遥感影像正射纠正的快速处理。本文具体的研究内容包括以下三个方面:(1)RPC模型精细化光学卫星影像产品一般提供RPC文件作为影像的定向参数文件,但由于可能出现卫星定位不准原因,导致RPC模型出现误差。如果不进行精细化改正,纠正得到的结果影像就会存在较大的定位误差。本文利用覆盖影像区域的控制点对RPC模型进行精细化改正,而控制点是有原始影像与相应DOM进行控制点匹配得到。(2)并行算法改进与优化将正射纠正的串行算法在CUDA编程架构下并行改进是实现快速正射纠正的有效手段,本文首先分析了正射纠正的每个环节及其改进方法,然后将可并行的部分进行并行改进,最后对并行算法进行多种优化,通过实验分析测试,确定有效的并行优化方法,最终形成一套高效的快速正射纠正算法。(3)快速正射纠正结果评价本文从准确性和优化效率两个方面对快速正射纠正结果进行评价,设计了多组对比实验,分析了快速正射纠正算法的可行性和实用价值。