GPU是计算机中的图形处理器,由于其出色的并行数据处理能力,近年来越来越多的应用于通用科学计算中。CUDA是英伟达公司推出的一种GPU编程平台,它开发流程和编程风格很简单,在编程过程中使用多线程,使得编程效率很高。该平台充分利用GPU强大的计算能力的同时,对编程人员的要求不是很高,因此在计算密集型应用中得到了广泛地运用。混合分辨图像的超分辨算法利用图像之间的相关性,借用高分辨率图像的高频信息,对混合分辨率图像中的低分辨图像进行超分辨处理,恢复其原始分辨率图像。其主要的实现步骤和关键技术包括图像视角的转化及投影、投影图不闭合区域的修复、频率分解合成得到图像。在对庞大数据量的处理过程中,该算法涉及了大量的并行计算,为提高超分辨率图像算法的运行速度,需要利用GPU强大的并行处理能力。本文首先对CUDA编程原理进行了阐述,总结了经典的超分辨方法,然后论述了混合分辨图像的超分辨的原理及其关键技术。在分析现有的裂纹修复方法的基础上选取了基于非均匀数据采样的条纹修复方法。超分辨率算法首先在MATLAB进行了算法功能仿真实现,然后根据GPU的并行编程特点,并在GPU架构上编程实现。在混合分辨率图像的超分辨并行化的基础上,本文深入研究了并行化计算的优化策略,包含针对GPU硬件特点的优化和算法的优化。经过优化后,本文进一步提高了GPU处理该算法的速度,提高了混合分辨率图像的超分辨的执行效率。对混合分辨率图像的超分辨的MATLAB仿真、优化前后GPU算法的对比研究结果,表明了基于GPU的混合分辨率图像的超分辨在不降低图像质量前提下,快速实现了其算法,提高了算法的执行效率。