自磁共振现象发现以来的几十年里,磁共振成像已经成为临床医学诊断的主要手段。但随着磁共振技术的发展,对成像速度的要求也越来越高。许多研究者也一直致力于寻找最佳的方法,既能少采数据,又能保证图像的质量。而压缩感知技术(Compressed Sensing,CS)的提出,打破了传统奈奎斯特采样定理的要求,节省了大量的时间,同时保证重建效果,对于临床医学的应用有重要的意义。本文采用非线性软阈值重建算法,对欠采的K空间数据进行重建,在小波变换的稀疏域内,采用两种不同的稀疏域系数收缩方案,一种为点对点收缩方案,低于阈值的位置系数置为零,高于阈值的系数做一定的收缩。另一种是为对小波阶数做一定的约束,随着阶数的变大,小波系数的收缩因子做线性变化,起到增强细节的作用。两种方法均可有效地去除随机欠采带来的伪影。核磁共振二维谱是研究物质结构和分析分子特征的主要手段。与磁共振成像类似,多维核磁共振波谱也存在着数据采集费时的问题,影响了多维谱技术的应用。为了节省采样时间,本文采用压缩感知技术,在间接维对时域数据欠采,通过非线性重建并获得高质量的结果,解决了核磁共振宽谱难以重建的难题。本文基于核磁共振二维谱的先验知识,二维谱在频率域的谱峰是相对孤立的,谱峰个数与噪声数据个数相比较很少,并且有意义的谱峰系数都很大,特别是DQ-SQ(双量子-单量子)谱和MQMAS(魔角旋转下的多量子谱)本身就有很高的稀疏性,符合压缩感知领域稀疏性的要求。在谱图域进行自稀疏迭代,自适应更新阈值,重建固体二维宽谱(’H双量子-单量子谱或MQMAS谱),有效地解决了基于共轭梯度方法的压缩感知重建宽峰时,谱峰消失变弱的问题。