随着视觉信息处理技术的发展,人们对视觉信息的实时性和清晰度的要求越来越高,现有的计算架构已经渐渐不能满足视觉信息的大规模、高速率处理需求。可重构处理器因为其兼具通用性与计算高效性的特点,在视觉信息处理领域成为一个新的研究热点。基于可重构处理器的视觉信息处理技术的核心思想是利用可重构处理器的高效并行计算能力进行视觉信息处理算法的可配置实现。本文首先介绍了可重构处理器的基本架构,在分析了其特点与优势的基础上,将其应用于图像缩放的计算过程。将双三次插值算法在可重构处理器上进行了映射与分解,生成了相关的并行算子,并对这些算子在现有的通用处理器以及可重构处理器模型上进行了性能对比与分析。为了对缩放后的图像进行质量评价,本文分析了基于结构相似度的质量评价方法的优缺点,提出一种多尺度的基于相位谱与梯度相似性的图像质量评价方法。此外,介绍了基于可重构处理器的视觉信息处理系统的整体架构,并分析了后处理子系统各模块的功能。设计了基于双三次插值算法的缩放模块,将预处理子系统拼接好的图像缩放为显示设备支持的标准制式与分辨率,用流水线技术进行硬件实现,完成图像的实时计算与输出;设计了能够驱动CH7301C芯片显示的输出时序控制模块,将缩放后的图像显示在LCD显示屏上。本文将双三次插值算法基于Intel ATOM 230测试平台进行了串行性能仿真,同时采用并行拆分映射的方式在SoC Designer可重构处理器测试平台上进行了并行性能仿真。实验结果表明,利用对关键循环体进行并行流水等可重构方法实现的计算效率是串行计算方法的24.6倍。对于所提出的基于相位谱与梯度相似性的多尺度图像质量评价方法,在LIVE、TID 2008和CSIQ等6个公开的图像数据库上进行了大量实验,仿真结果表明,改进的算法在6个数据库上的斯皮尔曼等级相关系数等评价指标比其它8种相关算法更优,说明改进算法的客观质量评价结果与人眼的主观评价更加一致。