在地基太阳观测中,光线在穿越大气层时会受到大气湍流的影响而导致图像扭曲、变形以致质量下降。为了消除或降低大气湍流的影响,包括自适应光学技术和事后图像处理技术在内的许多技术被用来获得高分辨力的太阳图像。本文采用的是基于斑点重建算法的事后图像处理技术。斑点重建算法被分为两个部分:傅里叶振幅重建和傅里叶相位重建。振幅重建部分采用的是斑点干涉法,相位重建部分则采用的是斑点掩模法。然而,由于巨大的数据量以及计算的复杂性,斑点重建算法的计算十分耗时,传统的串行计算方式难以满足实时性要求。GPU由于其强大的计算能力、良好的可编程性以及经济性,为提高算法的计算效率提供了新的思路。为了加速斑点重建算法的计算过程,本研究在讨论了算法原理的基础上,使用CUDA并行计算架构实现了太阳图像斑点重建算法并行化。本文作了如下的工作:第一,介绍了大气湍流对太阳观测的影响,并详细论述了斑点重建算法的原理和步骤。第二,针对斑点重建算法在串行平台上耗时长、重建效率低的问题,利用GPU平台和CUDA框架对不同的步骤提出了各自的并行优化方案。实验结果表明,在我们的运行环境下,一张TiO通道2304×1984像素大小的图像,可以在70s内完成重建,相比运行在CPU上的串行程序,加速比可达7以上。可见,并行化后的算法,重建速度得到了显著的提升。第三、为了进一步减少耗时,本文提出了基于双GPU的加速方法以及基于CPU-GPU协同计算的加速方法。其中基于CPU-GPU协同计算的加速方法又分为在子块内的CPU-GPU协同计算和在子块间的CPU-GPU协同计算两种。实验表明,这三种加速方法相比单GPU情况下的速度都取得了一定程度的提升。可以预见,未来在更多的GPU上,是可以实现太阳图像高分辨力实时重建的。