Las imágenes hiperespectrales son una de las tecnologías más asentadas en observación remota. En este tipo de imágenes, cada píxel es el resultado de la reflectancia de la luz a lo largo de cientos de bandas espectrales. Estas bandas están muy próximas entre sí por lo que, si representamos gráficamente la reflectancia de la luz de un píxel a lo largo de cada una de las bandas, obtenemos una firma espectral continua. El análisis de la firma espectral de un píxel para encontrar los materiales puros (endmembers) de los que se compone y la fracción de abundancia de cada uno de ellos se conoce como desmezclado hiperespectral. Para llevar a cabo este análisis se requiere utilizar tecnología computacional de alto rendimiento debido a la alta dimensionalidad de datos y a la alta complejidad de los algoritmos de desmezclado. Las FPGAs brindan flexibilidad, bajo consumo de energía y un gran rendimiento. Se necesitan métodos de desarrollo alternativos más rápidos que los tradicionales lenguajes HDL ya que la velocidad a la que se desarrollan nuevos algoritmos para el análisis hiperespectral es sustancialmente más alta que la velocidad a la que estos algoritmos se implementan en FPGA. La síntesis de alto nivel (HLS) es un método de desarrollo alternativo que ayuda con la transformación de una descripción del comportamiento del hardware en un modelo de nivel de transferencia de registro (RTL), reduciendo así los tiempos de desarrollo. En este trabajo, el Automatic Target Detection and Classification Algorithm (ATDCA) se aceleró en FPGA utilizando Dataparalell C++ (DPC++) e Intel oneAPI. El análisis del algoritmo y las tres implementaciones realizadas consiguen una aceleración superior a 13x.