视觉信息应用领域越来越广，视觉信息处理所面临的实时性的要求，使它需要具有高计算能力的计算架构，以解决现有通用处理器架构和专用处理器架构的不足。可重构处理器由通用处理器和可重构阵列单元构成，同时具有通用处理器的灵活性和ASIC的高效。可重构架构基于数据流的处理方式使它具有数据并行度高、数据处理能力强的优点，而且可重构处理器可重复配置的特点，能提高视觉信息处理算法的执行效率。本文主要研究基于可重构处理器的并行视觉信息处理算法，本文主要研究工作包括：（1）研究了视觉信息处理中常用的基于特征的图像拼接算法，提出了一种基于相对梯度的归一化互相关算法，此算法将图像的相对梯度作为相似度测量对象，并在求取均值的时候引入圆形滤波窗口。（2）介绍了可重构处理器的硬件结构，并根据各算法的运行时间分布，充分挖掘算法运算量最集中部分的并行性，将算法分解成算子级，形成基于可重构处理器的算子库。（3）分析了可重构处理器的架构模型，用并发的线程模拟可重构阵列单元（PE）的运算方式，调用OpenMP设置多个线程并行执行，在多核计算机平台上模拟可重构处理器的计算过程。通过分析算法在多核计算机上的并发执行效率，来优化视觉信息算法在可重构阵列上的映射方案。本文对互相关匹配算法的优化能有效地减小特征点的误匹配率，实验数据表明其对图像间的相对旋转及光照差异有鲁棒性；通过使用多核处理器的线程模拟PE的运算，对典型视觉信息处理进行的仿真分析表明算子级的并行处理能够提高计算效率。