磁共振定量成像为研究人类中枢神经系统提供生物标记物。扩散定量成像能量化组织内水分子扩散性的改变，其中扩散加权图像的重建质量直接决定扩散参数值的准确性。磁化率定量成像能量化组织内磁性物质如铁的含量，其中磁化率图的重建质量直接决定磁化率值的准确性。本文分别针对扩散加权图像重建和磁化率图重建，开发了以下三个高质量重建算法：
　　(1)一种基于特征值分析的多次激发扩散加权图像重建算法，简称eIRIS。
　　多次激发扩散成像技术面临多次激发数据之间的相位不一致问题，经典IRIS算法使用导航回波矫正多次激发数据之间的相位不一致问题。但是，IRIS面临导航回波与成像回波的不匹配问题，尤其是在高激发次数采集如脊髓扩散成像中，IRIS重建出的扩散加权图像有明显伪影。为降低IRIS对导航回波与成像回波不匹配的敏感性，本文开发了eIRIS算法。首先，eIRIS提出将多次激发数据之间的相位不一致信息看作是对线圈敏感度信息的相位调制，那么，不同次激发就是不同的虚拟线圈单元，虚拟线圈的线圈敏感度信息叫做相位调制的线圈敏感度信息。其次，eIRIS提出利用特征值分析的方法，从虚拟线圈导航回波数据中提取相位调制的线圈敏感度信息，由于特征值分析方法对数据误差如图像形变等不敏感，所以，eIRIS能够降低对导航回波与成像回波图像不匹配的敏感性。实验结果表明，eIRSI降低了由于导航回波与成像回波不匹配造成的扩散加权图像伪影。
　　(2)一种基于多方向图像联合的扩散加权图像重建算法，简称联合重建。
　　扩散成像的扫描时间一般比较长，增加了扩散加权图像产生运动伪影的可能性。为加速扩散成像速度，本文开发了联合重建算法。首先，联合重建算法提出利用了不同方向扩散加权图像之间的相关性，对多方向扩散数据进行联合重建得到各向同性图像。然后，联合重建算法利用吉洪诺夫正则化SENSE算法重建各向异性图像，能够提高各向异性图像重建质量。最后，联合重建算法将各向同性图像与各向异性图像相加得到每个方向的扩散加权图像。实验结果表明，在降采因子比较大或信号平均采集次数比较少的情况下，联合重建算法改善了扩散加权图像的重建质量。
　　(3)一种基于全局形态学自适应总变分约束的磁化率图重建算法，简称MATV。
　　磁化率图的重建是一个病态问题，经典MEDI算法通过给磁化率图中平滑区域内体素点施加总变分约束，改善了磁化率图的重建质量。但是，MEDI没有给磁化率图中边界处的体素点施加任何约束，重建出的磁化率图在边界处仍有伪影。为提高磁化率图在边界处的重建质量，本文开发了MATV算法。首先，MATV提出了全局总变分约束，即MATV同时给平滑区域内体素点和边界处体素点施加总变分约束，从而改善磁化率图在边界处的质量。其次，为了避免磁化率图在边界处过平滑，MATV提出了形态学自适应的总变分约束，即总变分约束权重是幅度梯度的单调递减函数，就保证了MATV给平滑区域内体素点施加的总变分权重大于边界处体素点的总变分权重。实验结果表明，MATV能够降低磁化率图在边界处的伪影。