近年来,在新兴的数据密集型应用——深度卷积神经网络（DCNN）中,图像预处理往往会耗费大量的时间和能耗。卷积运算是图像处理领域应用广泛、影响深远的算法,常常用来去除噪声、提取图像的边缘。当对图像进行卷积运算时,涉及大量乘法和加法运算,运算开销非常大、实时性要求高,内存处理性能不足会导致“内存墙”效应,在数据密集条件下,频繁使用以上的算法将会给计算系统带来极大的内存/通信负担。鉴于CMOS工艺的技术发展已趋于极限,人们的注意力已经从寻求更快的处理器向缓解“内存瓶颈”转移。忆阻器具有存算融合的存储特性,使其在CIM（Computation-in-Memory,存内计算）领域具有广泛的应用前景。CIM是一种类脑架构,结构比较简单,应用灵活。此外,多值忆阻器的信息密度高,器件尺寸达到了纳米级别,忆阻器电路的集成度非常高,在大规模存储器、逻辑运算、神经网络等领域具有广泛的应用前景。本文对忆阻器交叉阵列和存储应用进行了深入的研究。研究了四种常见忆阻器的数学模型和物理模型,设计了基于自旋忆阻器的逻辑开关,设计了一种基于自旋忆阻器的交叉阵列实现了乘加运算,并对外围电路进行了设计,实现了对交叉阵列上图像卷积算法的控制,大大缓解了计算的内存瓶颈,本文的具体内容如下:（1）首先,本文总结了常见的忆阻器模型,即HP模型、Simmons通道障碍模型、TEAM模型和自旋忆阻器模型,介绍了这些模型物理机制和特点并进行数学仿真,并对其在不同外部激励条件下的特性曲线进行了分析,比较了这几种模型的优缺点。重点介绍了自旋忆阻器的阻变机制,推导了磁控自旋忆阻器的开关切换时间。设计了一种基于磁通量控制自旋忆阻器的忆阻器开关（MS）,实现了与、或、非的逻辑操作,对电路进行了详细的分析,并进行了电路级仿真。（2）接着,本文提出了一种基于自旋忆阻器交叉阵列的图像处理电路,该电路包含自旋忆阻器交叉阵列、行开关选择器、列开关选择器、地址译码器、加权均值滤波器、读电路、读/写控制电路,并对荷控自旋忆阻器的写、读、恢复操作进行了电路级仿真。该电路架构缓解了计算的内存瓶颈,通过并行处理架构提高了电路的效率。在电路上实现了彩色图像滤波、彩色图像边缘提取两种应用级仿真,彩色图像滤波中使用了SRMC算子、中值滤波算子、高斯滤波算子、图像锐化算子。彩色图像边缘提取中使用了Prewitt算子、Soble算子、Kirsch算子、Robert算子、Laplacian算子,并对Prewitt算子、Soble算子进行了改进,使边缘提取的信息更加丰富。通过计算图像结果的峰值信噪比（PSNR）和结构相似性（SSIM）,比较了不同算子的处理效果。最后,对本文的工作进行了总结,并对下一步需要做的工作进行了展望。