重构图像是天文学领域研究中的重要方向。射电望远镜干涉成图中,由于uv覆盖不全导致得到的图像质量不高,需要通过CLEAN算法进行重构处理来提高图像质量。由于传统CLEAN算法的局限性,使得其应用仅限于孤立的点源的情况,但实际中可能有其他情况,比如点源或扩展源同时存在。CLEAN算法对天文方面和雷达探测等领域的贡献不言而喻,那么就需要算法适应于更多的环境中,为了使CLEAN算法运用更加广泛,那么对CLEAN算法进行更多的拓展是十分有必要的。本文从CLEAN算法的起源开始,描述了 CLEAN的由来,对射电望远镜干涉成图的原理进行了简单的介绍,引出了“脏图”、“脏束”、“干净图”的关系,并介绍了 CLEAN算法需要解决的问题,还对现有的一些CLEAN拓展的方法进行了调研。本文提出了通过削减有效束来进行CLEAN迭代,并且引用目标质量,对迭代次数进行控制,当达到误差收敛时就可以终止迭代。最后通过一维仿真对修正的算法进行验证,本文提出的算法对点源的情况表现同样良好,在点源和展源混合的情况,也起到了较好的效果。