1.一种图像重建方法，其特征在于，包括：
利用所获取的已测样本图像对所构建的目标网络模型进行训练，其中，所述目标网络模型包括具有固定网络参数的第一网络结构以及含有多层卷积层的第二网络结构，
利用所述第一网络结构按照预设算法对所获取的待测数据集进行图像重建处理以得到第一重建图像，所述待测数据集包括在多个不同投影角度下采集到的目标对象的投影数据；
利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像。
2.根据权利要求1所述的图像重建方法，其特征在于，利用所获取的已测样本图像对所构建的目标网络模型进行训练的步骤包括：
对所获取的所述已测样本图像进行拉东变换处理以获得对应的样本数据集，所述样本数据集包括所述已测样本图像在多个不同特定角度下所对应的投影数据，并且所述样本数据集与所述待测数据集相匹配；
利用所获得的所述样本数据集对所构建的所述目标网络模型进行训练。
3.根据权利要求1或2所述的图像重建方法，其特征在于，利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像的步骤包括：
利用所述第二网络结构中的第一卷积层提取出所述第一重建图像中的浅层特性信息；
利用所述第二网络结构中的残差模块从所述浅层特性信息中提取出深层特性信息；
利用所述第二网络结构中的第二卷积层对所述浅层特性信息和所述深层特性信息进行处理以得到第二重建图像。
4.根据权利要求1或2所述的图像重建方法，其特征在于，所述预设算法包括直接反投影法或滤波反投影法。
5.根据权利要求1或2所述的图像重建方法，其特征在于，所述投影数据包括ct图像数据、pet图像数据或pet/ct图像数据。
6.一种图像重建装置，其上构建有目标网络模型，其特征在于，所述图像重建装置包括：
训练单元，其被配置为利用所获取的已测样本图像对所述目标网络模型进行训练，其中，所述目标网络模型包括具有固定网络参数的第一网络结构以及含有多层卷积层的第二网络结构，
图像重建单元，其被配置为利用所述第一网络结构按照预设算法对所获取的待测数据集进行图像重建处理以得到第一重建图像，所述待测数据集包括在多个不同投影角度下采集到的目标对象的投影数据；以及
去噪单元，其被配置为利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像。
7.根据权利要求6所述的图像重建装置，其特征在于，所述训练单元具体被配置为：
对所获取的所述已测样本图像进行拉东变换处理以获得对应的样本数据集，所述样本数据集包括所述已测样本图像在多个不同投影角度下所对应的投影数据，并且所述样本数据集与所述待测数据集相匹配；
利用所获得的所述样本数据集对所构建的所述目标网络模型进行训练。
8.根据权利要求6所述的图像重建装置，其特征在于，所述第二网络结构包括依次连接的第一卷积层、残差模块和第二卷积层。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，在所述计算机程序被所述处理器执行时，所述处理器执行如权利要求1至5中任一项所述的图像重建方法。
10.一种图像处理系统，其特征在于，所述图像处理系统包括权利要求9中所述的计算机设备以及探测设备，其中，所述探测设备被配置为通过对目标对象进行扫描而获得投影数据并且将所获得的投影数据提供给所述计算机设备。
11.根据权利要求10所述的图像处理系统，其特征在于，所述探测设备包括ct扫描仪、pet探测器或pet/ct设备。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时能够实现与权利要求1至5中任一项所述的图像重建方法对应的功能。