本课题组利用星团CCD图像进行扭曲求解过程中,经预处理、搜星、定心和匹配等处理后,会产生一个数据文件;后续的归算过程都是基于该数据文件。大多数情况下,数据文件中星的量度坐标与其在参考星表中的位置具有良好的对应,即星位置测量的残差都很小,这些星就可以做后续的归算处理;在有些情形下,数据文件中星象的量度坐标与理论位置拟合后,星象量度坐标的残差显得杂乱无章,大多数星象的残差都很大。这时候我们就认为该图像资料是不良的,也许需要剔除。事实上,这些被认为是不良的天文图像数据文件中只有几颗星象的残差很大,它们影响到数据文件中其他星象,使整个数据文件的星象残差显得杂乱无章。当把这少数几颗星从天文图像数据文件中剔除之后,剩下的数据文件就变成可用的文件了。根据Fischler和Bolles对随机抽样一致性算法的说明^[1],本文采用改进后的随机抽样一致性算法,对三架望远镜的观测图像数据文件做仿真实验处理,对处理后保存下来的星用最小二乘法计算底片常数模型,通过比较每颗星与模型之间的残差,发现随机抽样一致性算法可以有效地剔除掉天文图像数据文件中的不良星。具体地,首先将天文图像用图像处理软件做预处理、搜星、定心和匹配处理,产生一个数据文件。然后,对数据文件中部分星的量度坐标（x,y）进行仿真研究。即仿真星的数量和坐标偏移量均随机产生,使得这些仿真星变成不良星,并且影响到整个仿真数据文件。最后用随机抽样一致性算法处理仿真数据文件,剔除掉不良星,保留良好星,从而达到剔除数据文件中不良星的目的。使用上述方法对三架望远镜的数据文件处理后的结果表明:当数据文件中不良星所占的比例在一定范围以内的时候,使用随机抽样一致性算法可以很好地剔除数据文件中所有的不良星。具体地说,当1米望远镜观测图像数据文件中不良星所占比例在25%以内、2米4望远镜和Bok望远镜观测图像数据文件中不良星所占比例在20%以内的时候,随机抽样一致性算法可以很好的剔除这些不良星。