作为遥感图像处理的研究热点,图像分类与大多数遥感应用息息相关,因此研究快慢也就直接影响着遥感图像处理应用的发展。随着遥感数据规模的不断增大,传统的串行计算已经无法满足计算复杂的遥感分类处理和用户的实时性应用需求。并行计算的运用,如GPU通用计算和MPI并行等,为提高图像处理速度开拓了新的思路。计算机网络技术自从上世纪60年代中期诞生以来,经过四十多年的长足发展,已经渗透到社会各领域。如何将计算机网络技术与遥感图像处理系统相结合,对遥感图像进行有效、快捷的管理,以融入互联网发展的浪潮,成为当今遥感领域一个新的课题。本文针对遥感图像分类处理中较常见的三种算法,即KNN最近邻算法,SNN算法以及简单贝叶斯图像分类算法进行深入研究,提出基于GPU的遥感图像分类并行算法及优化策略,基于各种特定的图像处理算法,针对于图像处理在实际上的应用,我们设计并且实现了这一遥感图像处理并行计算系统。本文的主要工作和贡献体现在以下几个方面:(1)深入理解CPU-GPU异构计算和MPI并行计算模式。掌握GPU体系结构、CUDA编程模型和MPI编程模型,为算法并行化设计提供理论依据和技术指导。(2)设计并实现了基于GPU的遥感图像分类并行算法。以KNN最近邻算法,SNN算法以及简单贝叶斯图像分类算法为研究对象,分析程序可并行热点,并从数据结构、内存优化、线程访存等方面进行了优化。通过实验分析,三种算法的GPU并行程序分别获得平均72.472,149.536,125.39倍的加速效果。(3)设计并实现了基于Web的遥感图像并行处理系统。该系统采用B/S模式,基于ASP.net、数据库等技术进行开发,最终实现了集成三种分类算法(KNN、SNN、简单贝叶斯)和两类并行平台(CUDA和MPI)的web遥感并行处理系统。文章对系统的操作流程、结构设计、功能模块等方面进行了详细描述。