随着计算机科学的发展，GPU（图形处理单元）的并行处理能力在高性能计算领域得到了广泛的应用，尤其在处理大数据和复杂计算任务方面展现出了巨大的潜力。CPU/GPU异构计算模式，即结合了中央处理单元（CPU）和图形处理单元（GPU）的计算模式，已经成为了推动高光谱遥感影像数据处理研究与实现的重要技术手段。高光谱遥感技术，作为遥感技术的新发展，能够提供极高的光谱分辨率和丰富的光谱信息，对于物质成分的识别和分析具有重要意义。
高光谱遥感影像数据处理，是利用遥感影像数据，通过数学和物理方法提取地面信息，包括土地利用、植被覆盖、大气成分等。由于高光谱遥感影像具有高维数据特性，其处理任务的数据量大、计算复杂度高，传统的CPU计算模式在处理此类大数据时效率较低，难以满足实时处理的需求。因此，探索基于CPU/GPU异构模式的数据处理技术，是提升高光谱遥感影像处理效率和实时性的关键。
在并行计算方面，OpenMP（Open Multi-Processing）是一种常用的共享内存多处理编程接口，支持多核处理器上的并行编程。在CPU/GPU异构模式的研究与实现中，OpenMP常被用于CPU端的并行处理。
MNF（最大噪声分离）是一种用于光谱数据处理的技术，尤其在高光谱数据降维方面具有明显优势。通过降维，可以在尽可能保留原始信息的前提下减少数据量，从而提高后续处理的速度和效率。
在上述提到的论文中，研究人员针对共享存储型小型桌面超级计算机，基于CPU/GPU异构模式实现了高光谱遥感影像MNF降维的并行化处理。他们通过对比串行程序和共享存储的OpenMP同构模式，验证了异构模式在高光谱遥感处理领域的发展潜力。通过实验表明，采用CPU/GPU异构计算模式可以显著提高处理效率，缩短计算时间。
该研究为高光谱遥感影像数据处理提供了新的思路，即通过并行计算提升处理速度，尤其是在数据量大和计算密集型的应用场景中。随着硬件技术的进步和软件优化的发展，可以预见，CPU/GPU异构模式将在未来的遥感数据处理中扮演更加重要的角色。
关键词“高光谱遥感”、“CPU/GPU”、“OpenMP”、“MNF”揭示了研究的焦点和主要技术，中图法分类号“TP391”反映了研究的学科范畴，文献标识码“A”和DOI号则是学术出版物的重要参考信息。此类研究不仅对遥感影像处理领域具有理论和实际意义，对其他需要处理大规模数据的科学领域也有一定的借鉴和指导作用。
