本文主要研究了最优化方法在核磁共振数据处理中的应用，包括遗传算法在核磁共振信号曲线拟合中的应用以及在磁共振成像图像降噪中的应用。 针对曲线拟合的数值迭代方法有很多，包括多元函数的下山单纯行法、多元函数的变尺度法、多元函数的共轭梯度法等。这些算法在使用上的常见限制包括要求比较准确地设置参数的初始值、不适用于拟合参数较多的情况等。遗传算法在这方面有了新的突破，使其获得了广泛的应用。 本文在简单遗传算法(sGA)的基础上，针对简单遗传算法在曲线拟合应用中局部搜索能力差、收敛精度低的特点，提出了一种新的基于种群再分布的改进型遗传算法(PRGA)。该算法在遗传算法进行的过程中，根据最优解的优劣，调整种群在最优解附近的分布，从而增强了算法的局部搜索能力。通过实验，证明该方法对于曲线拟合问题能取得优于简单遗传算法和传统数值迭代方法的结果。 此外，我们还将最优化方法应用到对图像降噪算法的优化中。通过对小波域图像降噪算法NeighShrink的优化，提出了具有自适应能力的优化的邻域降噪算法(Optimized NeighShrink, ONS)，该算法根据统计的结果，结合图像的细节水平，对于不同级不同方向的小波系数采用最优化的阈值和收缩阈值。在此基础上，提出了用于MRI图像降噪的算法(ONS-MRl)，这些算法都取得了优于以往的基于阈值的小波降噪算法的效果。