智能信息处理是将不完全、不可靠、不确定的知识和信息通过一定的处理和分析逐步转化成完全、充分、可靠的知识和信息的技术和方法。在天文成像中,无论是光学望远镜还是射电望远镜,其成像过程都不可避免地发生图像退化或信息残缺的问题。为了获得完整可靠的天体图像,天文学家最初通过扩大望远镜的口径来提高望远镜的分辨率,但望远镜的口径不可能无限制扩大。天文学家逐步将智能信息处理领域的多信息融合技术和群体智能等思想应用于天文成像技术的研究上,逐步建设了一批区域联合的大型集成射电观测设备。通过提高望远镜的分辨率和观测范围,天文学家可以获得更完整的天体图像,但观测数据中的噪声干扰和退化影响也随之大幅提高。因此,还需要对根据观测数据得到的天体图像进行复原处理。在射电天文图像处理中,常用的图像复原算法有CLEAN算法和最大熵算法。本文通过射电天文图像盲复原仿真实验,验证了点扩散函数(PSF)对图像复原结果的影响。针对天文图像稀疏的特性,基于稀疏特性的PSF估计算法可有效地解决天文图像复原中PSF信息缺省的问题,但该算法受PSF尺寸参数选择的影响较大。对此,本文研究了一种基于边界测度的PSF预估算法对其进行优化。优化算法首先对PSF尺寸有效预估计,得到精确的PSF估计值,最终提高了图像复原的精度,对实现稳定、可靠的天文图像复原提供了实际的应用价值。