引力透镜效应是天文研究中一种非常重要的现象，它直接提供了宇宙中引力场分布的几何信息，其中弱引力透镜效应为我们提供了非常丰富的宇宙学信息。在弱引力透镜研究中，需要对星系的几何信息进行提取进而获得和引力场直接相关的剪切信号；因此，对星系形状的测量是弱引力透镜研究中的中心课题。在实际的天文观测中，观测到的星系图像会受到点扩散函数（PSF）的严重干扰，所以点扩散函数直接关系到剪切信号测量的精度，也是弱引力透镜研究的关键问题之一。视场中的PSF信息可以通过这个视场中的恒星图像信息获得。本文在EMPCA方法的基础上发展了一种新的算法：SPCA/xSPCA。首先对径向的Moffatlets基函数进行改进获得了完整的Moffatlets基函数，利用EMPCA算法在Moffatlets基函数空间中找到一组关于同一视场中的恒星图像的期望最大化主成分，并利用这组主成分去描述这个视场中的PSF。为了测试SPCA/xSPCA新算法的有效性我们和EMPCA方法进行了对比，发现新算法可以有效地抑制背景噪声的影响，而且能提取出图像中复杂的角向结构信息。此外我们还定义了χ2、椭率和大小来更加细致地比较通过提取出的主成分还原出的PSF与原始PSF之间的差别来测试我们新方法的有效性。通过比较我们发现对于SPCA和xSPCA方法来说，虽然添加光滑的约束，我们的新方法并没有损失精度和效率；此外，就目前的结果而言，我们的方法还有额外的三个优势：i.通过SPCA可以得到光滑的PSF，这为以后的反卷积去除点扩散函数效应省去了麻烦。ii.通过xSPCA避免了对图像的插值操作，可以更加合理利用受到坏点、热点和宇宙线等污染的点源图像。iii.xSPCA里包含了对主成分的将解析度操作，理论上还具有去像素化得到高解析度PSF的潜力。