磁共振成像具有较高的软组织分辨率且对人体组织无辐射，目前已经成为临床医学检查的一种重要工具。但是磁共振成像通常需要较长的扫描时间，尤其不能满足心脏实时成像等动态领域满足临床应用的要求，长时间的扫描成了制约磁共振成像广泛应用的瓶颈。因此，如何提高磁共振成像尤其是动态磁共振成像的速度多年以为都是磁共振成像领域的研究热点。2004，Donoho等人提出了一种全新的信号采集技术——压缩感知。若信号在某个变换域具有稀疏表示，借助压缩感知技术可以使其在采样率远低于奈奎斯特采样定理限制的情况下高质量地重建出原始信号。这可以让我们在进行磁共振成像时只需采集少量信号即可重建出理想的图像，极大地缩短磁共振成像的扫描时间。动态磁共振图像在时间方向上具有一定的连续性，因而能够被稀疏表示，这为压缩感知的应用提供了条件。本文主要研究基于压缩感知的实时在线动态磁共振成像技术，围绕其与视频编码算法的结合以及在GPU中的应用展开了以下工作：（1）研究实时在线动态磁共振成像的建模思路以及实现方法。基于动态磁共振图像在时间轴上的相关性，可以通过对已重建好的图像进行差值运算来预测出尚未完成采样的图像（预测帧）。利用预测误差所具有的稀疏性，可对其进行基于压缩感知的迭代软阈值重建来得到理想的结果。仿真实验表明，引入预测概念能有效提高动态磁共振成像质量。（2）为了得到更准确的预测图像，本文提出了一种改进的运动估计/运动补偿模型，对前面已重建好的帧用外插法来得到预测帧。通常运动估计部分会消耗大量的计算资源，我们在该部分使用自适应十字搜索算法，有效减少算法复杂度，从而提高预测速度。运动补偿部分使用重叠块补偿算法来抑制块效应，提高成像质量。预测残差值作为稀疏信号通过一个迭代软阈值算法可以重建出当前帧。仿真实验表明，运动估计/运动补偿算法在轻微提高计算成本的前提下，可以有效地提高重建质量。在运动估计/运动补偿结合之前差值运算算法的情况下，可以以相对小的时间消耗来得到更高质量的重建图像。（3）实时在线磁共振成像要求图像重建速度非常快，本文研究使用GPU来提高图像重建速度的方法。在稀疏重建部分，上述基于压缩感知的迭代软阈值算法中含有大量适合并行运算的傅里叶正反变换。通常情况下，GPU具有比CPU更强大的并行计算性能，因此我们通过MATLAB并行计算工具箱对程序进行了基于GPU的并行化设计与实现。实验结果表明，GPU能有效地加快图像的重建速度，使我们的系统能接近实时重建的要求。