核磁成像即核磁共振成像,它是现代医疗影像学的一种关键成像技术,其成像过程无侵入性、无电离辐射,能够提供优质的时-空域解剖和生理结构可视化。因为以上优点,磁共振成像在临床上应用广泛,如计算机辅助诊断、视觉引导手术和病理探究等。然而,由于数据采集速度受限于诸多物理约束,如核弛豫时间和外周神经刺激等,磁共振成像过程面临时间分辨率和空间分辨率的取舍。幸运的是,经验证明核磁成像图像序列在时-空存在大量的信息冗余,这让基于压缩感知的磁共振成像机制得到成功的应用。通过探索和利用时空域纹理相关性和减少采样数据量的方式,基于压缩感知的磁共振成像提供了一条高质量快速成像途径。本文研究基于压缩感知的动态磁共振成像算法(CS-DMRI)。成果如下:(1)基于广义多结构全变分的混合CS-DMRI模型。当前的CS-DMRI模型大体可以分为离线模型和在线模型两种。离线CS-DMRI模型能够获得较好的重建质量,但效率差且参数设置复杂,在线模型重建速度快但质量稍差。本文原创性地提出混合CS-DMRI模型(H-DMRI)来加速具备高保真度的磁共振成像。在预测过程中,H-DMRI引入周期变密度下采样机制提高预测参考帧的可靠性,并设计了周期前后向参考预测机制来提升预测质量,这一预测方法能够更好地利用全局时域相关性。为了提高重建准确性,本文提出了一种全新的时-空域联合稀疏正则——广义多结构全变分(GMTV),GMTV侧重于从多个角度探索时空域纹理相关性。基于GMTV,H-DMRI构建了残差和图像联合稀疏约束重建模型。这个模型使用GMTV同时约束稀疏残差的空域相关性和空间图像的时-空域结构连续。实验结果证明,所提出的H-DMRI重建质量好于当前的离线和在线CS-DMRI模型,主要表现重建细节清晰伪影少,同时其恢复效率远好于离线模型。(2)基于低秩与稀疏元素分离的CS-DMRI模型。基于视频的研究和应用往往涉及到背景和前景元素分离,考虑到动态核磁影像序列也类似于视频,本文利用鲁棒主元分析框架构建了基于低秩加稀疏分离的多线圈CS-DMRI模型,来解决当前所面临的时域恢复失真问题。所提出的模型定义了背景元素强时域相关即沿时域维度表现低秩,同时约束前景元素在空-时域维度呈有限差分域的变换稀疏。实验结果证明,该模型能够提供高可靠性的核磁共振序列还原,主要表征出空域图像细节丰富且清晰,时域变化重建保真度高。