高光谱图像可以将物体不同波长的光谱信息压缩到一个图像立方体中,因此含有丰富的光谱信息,在图像分类、目标和异常检测等领域应用广泛。高光谱图像异常检测通常不需要光谱先验信息,可以减轻信息的传输负载而达到实时监测目的,是当前研究热点之一。但随着成像技术的发展,图像分辨率越来越高,图像获取的速度大于其被处理的速度,大部分的异常检测应用难以满足实时处理的要求。近年来GPU计算能力快速发展,对于大规模图像矩阵的密集运算处理能力越来越强,因此GPU在高光谱图像实时检测中的应用也越来越多。RX算法是一种经典的高光谱图像异常检测算法,它常被作为新算法的比较基准。当下在异常检测的任务中,如何达到实时处理的目的以及提升算法的检测效果和稳定性是研究的重点。本文主要工作内容包括以下两点:一方面,针对目前高光谱图像数据量过大的问题,在NVIDIA GPU上实现了 RX算法的并行化,文中实验结果验证了 GPU并行对于密集矩阵计算的高效性。此外,针对高光谱图像在获取过程中由于大气折射和云层等影响而产生的噪声,在本文中使用derivative特征提升了算法的检测效果,基于决策融合的方法使得检测效果更加稳定。另一方面,根据已有算法,完成了基于GPU的高光谱图像处理软件设计与实现。在文中给出了软件的整体架构并且对RX异常检测、CRT(Collaborative Representation based on Tikhonov)分类、高光谱图像显示、格式转换及去除条纹噪声等模块进行了测试。