磁共振成像是一种重要的医学成像技术,因其能更好地区分人体软组织,不会对病人造成电离辐射,并能获取多种加权图像等优势,广泛用于临床诊断。但传统的磁共振成像都是定性成像,医生需要依靠经验来诊断疾病,不能满足当前精准医疗的需求。而磁共振指纹成像技术作为一种全新的定量磁共振成像技术,可以通过一次数据采集同时获得多种人体组织参数,大大地提高了成像速度,并且改善了噪声对图像质量的影响。但当前磁共振指纹的研究工作仍处于研究初期,参数量化不精确,尤其是T2参数的量化。为了改善磁共振指纹成像技术的图像质量并同时提高参数量化效率,本文从数据采集、字典设计与生成及参数量化算法三个方面进行研究。首先,研究了磁共振指纹技术的原理。磁共振指纹框架包括数据采集、字典设计与生成及参数量化算法这三部分。首先研究了磁共振数据采集。研究了磁共振指纹中特有的脉冲序列,并设计了FA和TR的伪随机组合,然后采用伪随机的数据采集方式,对同一断层面采集多帧数据。然后研究了磁共振指纹中的字典设计与生成及字典压缩。在设计字典时,考虑了T1,T2,PD三种参数,此外还考虑了B0(磁场的不均匀性)这一物理量。考虑到字典大小对算法计算复杂度和内存消耗的影响,本文对字典采用奇异值分解进行压缩,得到了压缩后的字典。最后详细研究了传统的参数量化算法的基本原理。接着,研究了基于迭代方法的参数量化算法。首先建立了MRF数据采集模型,采用压缩感知的思想将高度欠采样问题归结为有约束凸优化问题,再采用梯度投影算法来解决有约束凸优化问题,接着采用梯度更新在迭代过程中逐步获取多帧高质量的MRF空域图像(包含指纹信号),然后在对采用较准确的指纹信号再进行投影,即逐像素在字典中寻找最佳匹配的条目。布洛赫响应迭代投影方法与基于覆盖树和逼近最近邻搜索的参数量化方法两者的不同在于迭代过程中的投影步骤(即寻找指纹对应的最佳匹配),前者采用的精确的最近邻搜索,而后者将原来精确的最近邻搜索换成了不精确的(1+ε)覆盖树逼近最近邻搜索,并使用了覆盖树这一优秀的数据结构。最后对基于覆盖树和逼近最近邻搜索方法做了改进,主要从{TR,FA}的组合,{T1,T2}的组合,EPI采样轨迹的间距,迭代过程中的搜索步距等方面进行了改进。然后,采用自行设计模型数据和Brainweb数据进行算法实现。采用bSSFP脉冲序列,以均匀EPI轨迹进行16倍和32倍欠采样。对比了几种模式匹配算法,主要包括直接匹配法,布洛赫响应迭代投影方法,基于覆盖树与逼近最近邻搜索方法,及改进方法,并对实验结果统计了绝对误差图像、平均绝对误差(MAE)、归一化均方根误差(RMSE)以及运行时间等量化指标。结果表明,改进方法比传统的方法的效果都要好,能极大地提升磁共振指纹多参数图像(T1,T2,B0,PD)的质量,同时使得运行时间在可以接受的范围内。此外,改进算法对随机加性噪声不敏感。MRF成像领域仍然有许多技术难点亟待攻克。改进的参数量化方法在大大改善T1、T2图像质量同时提高了量化效率,为MRF走向临床提供了一定的技术支撑。