磁共振成像系统简称MRI,具有无放射性、非侵入性的特点,广泛应用于诊断大脑、心脏、乳腺等人体重要器官中,但成像时间过长一直是影响该技术发展的主要瓶颈。压缩感知的提出为MRI的快速获取提供了新思路,现已成为医学影像处理领域的研究热点之一。本文在深入研究了压缩感知、核磁共振成像的相关基础理论之后,对现有压缩感知重构模型进行改进。具体工作主要包括以下三个方面:(一)、针对传统小波基方向性表示不足的缺陷,本文提出了基于Contourlet变换的CS-MRI重构模型。首先验证了 Contourlet变换表示曲线和轮廓信息的优越性,然后引入总变分项以增强重构图像的连续性和平滑性。同时,增加Contourlet变换的冗余度能够进一步抑制伪影,降低重构误差。仿真实验结果验证了Contourlet变换对于图像边缘的重构能力。(二)、针对传统压缩感知模型重构速度慢的问题,本文提出基于小波树稀疏的CS-MRI重构模型。研究表明,MR图像的小波系数具有非完全四叉树结构。首先利用该结构特点,将小波系数分组,再运用高效的算法进行重构。仿真实验结果表明,小波树稀疏结构能够加速MR成像的速度,提高重构图像质量。(三)、针对传统压缩感知模型重构质量不够理想的问题,本文提出基于PBDW的CS-MRI重构模型。该方法首先对引导图分块,训练出每一个图像块的几何方向。然后将其作为先验信息运用到基于PBDW的CS-MRI重构模型中。仿真实验结果表明,运用该方法能够显著提升重构效果,并且在训练过程中可以通过将光滑图像块方向置零的方法缩短重构时间。