干涉合成孔径雷达(Interferometric Synthetic Aperture Radar，InSAR)是一种极具潜力的微波遥感技术，具有地形测绘和地面沉降监测两项基本能力，与基于点位的水准测量、GPS等传统测绘方式相互补充，为大范围地表变化及其影响的认知提供了一种新的途径。近年来发展起来的时序InSAR技术具有空间分辨率高、时间采样率高、监测范围广、精度高、成本低、对环境无影响等优势，在地球物理研究中具有重要的价值。　　本文主要关注时序InSAR中的永久散射体干涉技术(Permanent Scatterer InSAR，PSInSAR)和小基线集技术(Small BAseline Subset，SBAS)，并基于实际应用需求展开数据处理方面的研究。本文研究侧重于算法，主要工作概括如下:　　1.提出一种分布式目标(Distributed Scatterer，DS)相位优化的改进PTA算法(Phase Triangulation Algorithm)。DS目标分布广泛，但其时序相位信息并不稳定，将其应用于形变信息反演前需进行相位优化，然后将优化后的高相干DS目标融入到时序InSAR技术的处理流程中，可以提高研究区域形变信息的空间密度。与已有的PTA相比，所提算法基于高分辨SAR(Synthetic Aperture Radar)影像服从的复合高斯模型进行推导，针对纹理信息未知的问题，引入近似最大似然估计迭代求解协方差矩阵，通过30景TerraSAR影像验证了所提算法的有效性。　　2.为提高DS目标相位优化的计算效率，采用基于相干矩阵加权的优化模型。该模型充分利用了时序SAR影像中所有可用干涉对的信息，并避免了矩阵求逆过程带来的巨大计算量。与PTA算法中采用的BFGS求解方式相比，本文通过高效的交替处理方式求解优化模型，进一步提高了算法的计算效率，适用于大范围区域的应用。仿真和实测数据同时验证了本文方法的有效性和高效性。采用24景TerraSAR影像，基于PSInSAR技术的处理流程，将选取的DS目标和PS目标联合处理，获取了研究区域的形变速率分布图。　　3.针对已有算法在小数据集情形下检验正确率低的限制，提出一种基于自适应联合像素矢量的统计同质点(Statistically Homogeneous Pixel，SHP)选择算法。所提算法可以在SAR影像较少的情形下获取可靠的SHP集。与现有的仅基于时间维幅度向量的算法不同，所提算法利用同时包含时间维和空间维信息的联合像素矢量，进行SHP选择，并利用SAR影像的空间结构特征自适应地构建联合像素矢量，然后采用KS检验进行SHP选择。通过6景TerraSAR影像验证了所提算法的有效性。　　4.同时考虑SAR影像中的幅度和相位信息，本文提出了基于协方差矩阵的SHP选择算法。通过鲁棒的M-估计来计算像元的协方差矩阵，并引入图像分割进行指导搜索窗内的SHP选择，可以有效地减少SHP检验过程中的搜索次数。利用仿真和实测数据验证了所提算法在小数据情形下的可靠性。　　5.针对城市区域复杂的地面沉降监测问题，本文将基于小数据集的自适应多视技术与SBAS技术结合起来，展开了获取研究区域全分辨率形变信息的研究。在SAR影像数较少的情况下，基于本文提出的算法选择目标像元的SHP集，并将其用于幅度滤波和相干系数估计。与SBAS技术中采用的简单多视处理不同，本文有效地结合Goldstein滤波和基于SHP集的空间自适应滤波，能够在抑制噪声的同时保持干涉条纹边缘。采用9景TerraSAR影像获取了天津市西青区细致的地表形变速率分布图。