磁共振成像(MRI)作为一项较新的医学影像诊断技术,虽然具有无辐射和无电离、高的软组织对比分辨力,无骨伪影干扰,不用对比剂即可进行血流成像,其多参数成像便于对照比较并可获得多方位成像等优点。但存在一个致命的缺点,即扫描时间较长。扫描时间较长不适合检查运动性器官和危重病人,尤其对于噪动或丧失自制能力的患者,如不使用镇静剂,是难以成像的。因此如何减少扫描时间而又得到较好的重建图像成为一个至关重要的问题。针对这一问题,本文提出了一种新的字典学习算法即广义双层伯格曼字典学习算法(GTBMDU),它的基本思想是在TBMDU算法的基础上,利用范数pl代替1l范数,运用广义阈值算法去求解非凸函数,且通过交替地更新字典和图像块,产生更精确有效的稀疏表示,从而在降低磁共振釆样率、减少扫描时间的同时,也能保证图像重建质量。由于广义阈值算法在很大程度上惩罚小的系数的同时尽量减少对大的系数的影响,在此框架下的算法可以达到在不用增加设备成本、给定硬件和扫描方式不变的前提下,提高扫描速度,并实现采样K数据的高质量成像。为了评估所提出方法的有效性,做了大量仿真实验,实验表明,与TBMDU算法相比,GTBMDU算法的磁共振图像的重建的峰值信噪比提高了0.7~1.2 dB。