台灣的森林由於海拔以及氣候的關係分布較廣，如果要利用人工管理必須要耗費極大的人力，因此遙測影像被廣泛地應用在此一用途，然而人工影像判讀不僅僅需要大量人力也依賴判讀者的經驗。
近幾年來多層次形態學動態輪廓演算法(MMAC)被提出來用以自動偵測樹木與輪廓描繪，此一演算法可以有效地解決高山地區的樹木輪廓辨識率，不過卻也面臨運算量龐大的問題，使其難以運用於大面積的遙測影像。
近年來平行運算架構逐漸趨於成熟，被視為用以解決龐大運算量的有效方案，然而目前的平行運算架構，依然受限於資料與運算相依性的問題。而多層次形態學動態輪廓演算法由於具有高度的運算相依性，因此難以利用平行運算架構來實踐，並解決運算量龐大的問題。
本論文將修改多層次形態學動態輪廓演算法，透過影像編碼的概念，減少其運算過程中的相依性，使一演算法得以被實踐於平行運算的平台上，並採用統一計算架構為範例，進一步驗證本論文的概念與平行運算的效能。
遙測技術近年來發展相當快速，相關的應用有環境監控、農業管理、醫療診斷及軍事偵測等用途上。由於高光譜影像所提供的大量光譜與空間上的資訊，使得許多過去無法找到的細微特徵可以被擷取出來。這些特徵由於在空間常僅佔有很小的比例，因此在多頻譜影像中，無法用有限的空間或光譜資訊來偵測，然而細微的光譜資訊除了可以做目標偵測外，還可以進一步用來做純物質翠取、物質含量預估與異常物偵測等重要的應用。
高光譜影像是結合細微的光譜與空間解析度的高維度影像，縱然能夠提供許多優勢，卻也必須面對大量資訊，所導致運算複雜度過大與傳輸的問題。這些議題在即時運算與太空載具之中，由於有限的傳輸頻寬與運算效能，使得許多相關應用，難以利用高光譜影像所提供的優勢。現行的許多文獻中，線性分解的模型往往被用來解決此一問題，此一模型假設整張影像中的每個像素，是由p個純物質與各自對應的含量所組成，由於此一模型能夠將高光譜影像中的資訊大幅減化，因此被運用為高光譜影像重要的前處理步驟。
場域可程式邏輯閘陣列( Field-programmable gate array, FPGA )是一個利用數位邏輯硬體電路的方式，將演算法內嵌於硬體電路中，除了可以達到平行運算來加速演算法執行效能外，並可以進一步做成應用導向積體電路(ASIC)嵌入感測器中，用以做到機上處理(On-board Processing)。本論文利用FPGA硬體的優勢，來實踐高光譜中的線性分解演算法，並利用平行化和流水線的技巧，加速運算降低計算複雜度，並希望透過此一論文的貢獻，將線性分解的技術內嵌於感測器中做到機上處理(On-board Processing)，用以減少高光譜影像傳輸與運算的負擔，並提供即時運算的結果。