飞腾FT-M6678(以下简称M6678)DSP是一款完全自主知识产权的多核高性能DSP。M6678采用了将指令和数据分开存储的哈佛体系结构和新型的Key Stone多核架构。图像模板匹配算法在计算机视觉、目标检测与跟踪、视频压缩以及视频监控等领域发挥着重要作用。快速稳定的模板匹配算法的实现与优化一直是图像处理领域的研究热点。基于相关性系数的模板匹配是图像匹配领域中最重要的算法之一,其特点是访存/计算密集,面向具体目标体系结构的性能优化空间较大。目前,包含相关性模板匹配在内的多种经典图像处理算法并没有面向M6678DSP体系结构的高效实现。为推动国产DSP芯片在图像处理领域以及人工智能领域的应用,本文将基于相关性系数的模板匹配算法实现到M6678平台,结合算法特征与目标平台的体系结构特征,进行并行性及局部性等方面的性能优化。测试结果表明优化过后的程序性能提升明显,能够更加充分地利用M6678特有的计算资源,对于其他图像处理算法在该平台的实现和优化具有借鉴意义。本文针对相关性模板匹配算法在飞腾DSP平台实现与优化主要做了以下几个方面的工作:1、分析了模板匹配算法及其复杂度,以及M6678的底层开发环境的支持情况,完成了相关性模板匹配算法在M6678平台上的移植与实现。2、开展了面向M6678的数据级并行及指令级并行的优化研究。使用分支消除与分支外提等方法消除冗余的控制流,避免阻碍SIMD向量化的发掘,并使用编译环境提供的向量内联指令对核心运算代码进行手工向量化改写;使用循环展开,语句重排等方法提高指令级并行性,以充分利用M6678计算内核的多功能部件,多指令发射等硬件特性。3、在模板匹配算法的实现过程中提出了一种图像分块优化方法。通过将待匹配图像进行分块匹配,减少了冗余计算,减少高速缓存压力并提高了数据局部性和cache命中率。使用面向提升数据局部性的多种循环变换方法以及数据预取优化,提升程序访存效率,隐藏访存时延。本文对优化前后的程序进行了性能测试,测试结果表明,向量化及局部性优化带来的性能提升最为明显,达到了1.98倍的性能提升。经过其他优化后,整体加速比达到了2.01倍。此外,本文对比了该程序在TI-C6678以及FT-M6678两个不同平台上的性能差异,结果表明在进行面向FT-M6678体系结构特征的优化后,该程序在FT-M6678平台上的运行性能优于TI-C6678平台,验证了本文移植及优化工作的有效性。