1.一种CT图像重建方法，所述方法包括：

获取CT扫描的投影数据；

根据所述投影数据进行迭代处理，以获取目标图像；

对所述目标图像进行非负处理，获取所述目标图像的非负图像；

对所述非负图像进行线性分解，获取主成分图像和次成分图像；

对所述主成分图像和/或所述次成分图像进行稀疏化处理，获取满足目标函数的最优化稀疏解；

根据所述最优化稀疏解获取CT重建图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括：基于CT图像的成像模型，获得依据所述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：其中，k为迭代次数，λ为松弛因子，其取值范围为0＜λ＜2，i，j分别为正整数，且

1≤i≤N，1≤j≤M，wij为上述系数矩阵中的元素，Iθ是一个投影角度下的投影索引集合；

设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述目标图像进行非负处理的步骤包括：将所述目标图像中灰度值小于0的像素点置零。

4.根据权利要求1所述的方法，其特征在于，在所述获取CT扫描的投影数据的步骤之前，所述方法还包括：获取CT扫描的投影图像序列集，对所述投影图像序列集进行预处理获取所述投影数据。

5.根据权利要求1所述的方法，其特征在于，对所述非负图像进行线性分解获取主成分图像和次成分图像的步骤包括：依据预设条件对所述非负图像进行线性分解，获取所述主成分图像和所述次成分图像，所述预设条件为：其中，L表示所述主成分图像，E表示所述次成分图像，Σrσr(L)表示所述L的核范数，α为正则化参数， 表示为所述次成分图像矩阵的行列式的值。

6.根据权利要求1所述的方法，其特征在于，对所述主成分图像和/或所述次成分图像进行稀疏化处理的步骤包括：从所述主成分图像和/或所述次成分图像中提取可以部分重叠的多个图像块；

获取所述多个图像块对应的稀疏系数；

对所述主成分图像和/或所述次成分图像进行最优化求解，得到满足所述目标函数的最优化稀疏解，所述目标函数为： 其中，Ri∈RM×N，Δ表示所述主成分图像或所述次成分图像，RiΔ表示从Δ中提取的图像块，|| ||2表示2-范数，|| ||1表示1-范数，γ为正则化参数，D表示过完备字典，αi为第i个图像块RiΔ对应的稀疏系数，Γ为所有图像块的稀疏系数集合。

7.一种CT图像重建系统，所述系统包括：

采集模块，用于获取CT扫描采集的投影数据；

目标图像获取模块，用于根据所述投影数据进行迭代处理，以获取目标图像；

非负图像获取模块，用于对所述目标图像进行非负处理，获取所述目标图像的非负图像；

分解模块，用于对所述非负图像进行线性分解，获取主成分图像和次成分图像；

稀疏化处理模块，用于对所述主成分图像和/或所述次成分图像进行稀疏化处理，获取满足预定条件的最优化稀疏解；

重建模块，用于根据所述最优化稀疏解获取CT重建图像。

8.根据权利要求7所述的系统，其特征在于，所述目标图像获取模块还用于基于CT图像的成像模型，获得依据所述投影数据计算目标图像的迭代模型，所述迭代模型的公式表示为： 其中，k为迭代次数，λ为松弛因子，其取值范围为0＜λ＜2，i，j分别为正整数，且1≤i≤N，1≤j≤M，wij为上述系数矩阵中的元素，Iθ是一个投影角度下的投影索引集合；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取最终的目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。

9.根据权利要求7所述的系统，其特征在于，所述分解模块还用于依据预设条件对所述非负图像进行线性分解，获取所述主成分图像和所述次成分图像，所述预设条件为：其中，L表示所述主成分图像，E表示所述次成分图像，Σrσr(L)表示所述L的核范数，α为正则化参数， 表示为所述次成分图像矩阵的行列式的值。

10.根据权利要求7所述的系统，其特征在于，稀疏化处理模块包括：图像块提取模块，用于从所述主成分图像和/或所述次成分图像中提取可以部分重叠的多个图像块；

稀疏系数获取模块，用于获取所述多个图像块对应的稀疏系数；

最优化求解模块，用于对所述主成分图像和/或所述次成分图像进行最优化求解，得到满足所述目标函数的最优化稀疏解，所述目标函数为： 其M×N

中，Ri∈R ，Δ表示所述主成分图像或所述次成分图像，RiΔ表示从Δ中提取的图像块，||||2表示2-范数，||||1表示1-范数，γ为正则化参数，D表示过完备字典，αi为第i个图像块RiΔ对应的稀疏系数，Γ为所有图像块的稀疏系数集合。