合成孔径雷达(SAR)图像在国防建设和国民经济中都具有重要的应用价值。随着SAR系统的日趋成熟，高质量的SAR图像迅速增加。然而，SAR图像信息提取技术方面的研究相对滞后，阻碍了SAR数据的应用。目前，对于SAR图像信息提取的研究方向主要包括:基于SAR图像的地表分类、基于SAR图像的地物变化检测、基于SAR图像的特定目标（舰船、道路、桥梁）检测与识别、基于干涉合成孔径雷达(InSAR)技术的高程重建与形变估计等。其中，前三者以SAR图像分割、分类为主要支撑技术，后者则以InSAR测量为主要支撑技术。雷达图像中的每个像素都包含幅度信息和相位信息。通常情况下，SAR图像处理技术，如图像匹配、分割、分类等方法，主要利用幅度提取目标信息;而InSAR技术则利用相位提取地表的高程和形变信息。本论文重点关注地表分类、变化检测和高程与形变估计这三个研究方向，并针对特定应用，充分利用时间序列SAR图像，重点研究了SAR图像分割、SAR图像分类和InSAR高程重建与形变测量方法。　　本论文的主要工作和创新性成果体现在以下几个方面:　　1.以鄱阳湖水域监测为应用实例，深入研究了针对SAR图像的水体提取方法。考虑到鄱阳湖分布较广、地物背景较复杂且受相干斑噪声的影响，SAR图像中存在大量的弱边缘和模糊边缘。传统的水域分割方法边缘保持性较差、提取精度较低。针对该问题，本论文提出了一种基于局部窄带的ACM边缘提取算法，并将其应用于Sentinel-1A获取的鄱阳湖水域时间序列观测图像中。该算法首先采用两级Otsu方法获取初始轮廓，随后在初始轮廓附近建立局部窄带，最后在窄带内采用基于区域的ACM方法进行轮廓线演化来解决弱边缘或模糊边缘问题。该方法在边缘保持和分割精度上具有明显优势，并且降低了计算时间。　　2.以洪水变化检测为应用目标，深入研究了基于SAR图像的变化检测方法，并提出了一种改进的混合变化检测方法来提高检测精度。该方法在对象级变化检测阶段，采用由模糊聚类和最近邻聚类构成的串联的两级聚类对SAR图像进行分类，从而得到洪水扩张区域。此外，本论文利用像素级变化检测的处理结果设置聚类算法的聚类中心。最后，将本论文的方法应用于Sentinel-1A获取的淮河与鄱阳湖水域数据，实验结果验证了该方法的有效性。　　3.以高程信息和地表形变信息提取为应用目标，研究了干涉测量的典型技术。分析了差分干涉合成孔径雷达(DInSAR)技术和SBAS-InSAR技术在2014年于田地震震后形变监测与分析中的应用。重点研究了合成孔径雷达多基线层析成像(TomoSAR)技术及其在建筑物高程重建与沉降监测中的应用。介绍了基于压缩感知(CS)的TomoSAR方法的基本原理，并分析了噪声对稀疏模型估计的影响，即噪声会降低基于L1范数正则化的稀疏重构结果的准确性。针对该问题，本论文提出了一种基于Fused Lasso CS的TomoSAR方法，以此解决模型过估计问题。该方法应用于山西省古交市城区数据集，得到了正确的高程重建与形变监测结果。　　4.研究了相干目标检测的理论与方法。在多基线/多时相InSAR技术中，相干目标检测是获取可靠的高程或形变信息的重要步骤。然而在SAR图像数目有限时，基于时间平均的子视频谱相干估计方法受噪声影响较大，进而导致估计偏差较大，无法保留目标完整的结构信息。为解决该问题，本论文将经典的非局部自适应多视方法引入到子视频谱相干估计中，并提出了一种改进的高相干区域检测方法。实验结果验证了所提方法可以有效地降低估计偏差。