近年来,基于高光谱图像的异常目标检测成为了遥感图像处理领域的研究热点,许多新的算法被提出,并取得了较好的检测效果。然而,由于高光谱图像的数据量非常庞大,受限于软件平台的处理速度,很多异常检测算法都无法满足实时检测的需求。FPGA（Field Programmable Gate Array）是一种可重复编程、体积小、耐辐射、低功耗的硬件平台,其内部具有丰富的逻辑、存储、计算资源,为星载高光谱图像实时异常检测的实现提供了可能性。但软件算法直接移植到FPGA平台上往往不能达到最佳的效果和速度,因此对异常目标检测算法进行改进并基于FPGA加速实现具有重要的研究意义。AED（Attribute and Edge-Preserving Filtering based Anomaly Detection）是一种基于形态学属性滤波和域变换递归滤波的高光谱图像异常检测算法,在很多数据集上取得了较好的检测效果。然而AED算法中的形态学属性滤波和域变换递归滤波实时性较差,且不适合在硬件上实现,因此本文对AED算法做出改进,提出了一种基于FPGA实现的实时异常检测算法RT-MED（Real-Time Morphological and Edge-Preserving Filtering based Anomaly Detection）。首先使用形态学开、闭运算替换属性滤波模块来提取图像中的目标轮廓,开、闭运算可以分解为膨胀运算和腐蚀运算,在FPGA上可以实现流水线处理;然后使用引导滤波方法替换域变换递归滤波来对图像进行后处理,在保持边缘信息的同时滤除背景中的干扰,并对引导滤波进行了简化,在保证检测精度的同时减少了处理时间。最后,本文基于Xilinx Vivado和HLS工具对RT-MED算法进行了FPGA加速设计,在Xilinx VC709开发套件上实现了高光谱图像实时异常检测系统。为了证明本文设计的优势,使用San Diego和ABU数据集对实现的异常检测系统进行了测试,测试结果表明,RT-MED算法的检测性能整体优于RX（Reed-Xiaoli Detector）、LRX（Local Reed-Xiaoli Detector）、CRD（Collaborative Representation based Detector）、AED等现有算法,AUC得分更高,检测图像中目标更清晰、背景干扰更少。在软硬件平台性能对比测试中,基于FPGA实现的算法速度分别是Matlab和C++的3.36倍和2.68倍,功耗仅为CPU（Central Processing Unit）的20.75%,能够满足较高的实时性和低功耗需求。因此,本文中基于FPGA实现的高光谱实时异常检测算法具有较高的实际应用价值,也为其他高光谱图像分类、检测等算法的加速实现提供了参考。