磁共振成像(Magnetic Resonance Imaging,MRI)技术是目前临床医学影像中最重要的非侵入式检查方式之一。但是MRI成像数据采集速度受诸多物理条件的限制,在成像过程中极易因病人在封闭空间因恐惧而产生不自主的移动,导致磁共振成像结果出现运动伪影,从而造成医生对病人的误诊,因此,成像时间和成像质量就需要在磁共振成像过程中做到均衡处理。压缩感知(Compressed Sensing,CS)作为信号采集和获取方式上的创新,实现了信号采样和压缩的同步进行,将压缩感知理论应用于磁共振成像技术,可以有效利用先验信息实现由部分k空间数据实现磁共振图像的重建。本文对压缩感知理论在磁共振图像重建应用的基础上对图像分块和分类,对每一类图像块单独进行字典训练,进一步挖掘图像的局部先验信息,由部分k空间数据重建出更高质量的MRI图像,本论文的主要工作如下:针对目前基于图像块的字典稀疏重建所有的图像块都用同一字典表示,同一字典不能有效反映出不同类型图像块之间的差别的问题,提出了一种基于非局部相似图像块分类的稀疏重建模型,该模型分别利用图像块之间方差和像素点的灰度值的欧氏距离为度量标准对图像块进行分类,利用非局部相似图像块之间的低秩性,对每一类图像块单独进行字典训练和重建,所提方法能更好的挖掘MRI图像的局部特征信息,提高磁共振图像的重建质量。通过构造合适的目标函数,根据不同类别图像块的局部特征和各类图像块之间的结构相似性,综合给出了图像块的信息熵和几何方向这两种局部特征作为先验信息对图像块进行多级分类框架,并采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)对所选全部原子进行正交化处理,实现每一类图像块较快的重建。实验结果表明,在不同采样率的情况下,本文算法不论是峰值信噪比、结构相似性还是视觉效果上都有提高。