地表形变是由人为因素(例如地下水抽汲、地下矿产资源以及油气开采等)或自然因素(例如火山活动、地壳运动、冰川漂流等)导致的,可能会引起地裂缝、海水倒灌、建筑物倒塌等一些列严重问题,破坏桥梁、道路、油气管道、水坝和测量标志等公共设施,对人类生产生活的正常进行构成巨大威胁。合成孔径雷达(synthetic aperture radar,简称SAR)干涉图像堆栈技术是从本世纪初发展起来的一类新型遥感技术。它克服了传统合成孔径雷达差分干涉测量(differential interferometric synthetic aperture radar,简称DInSAR)技术易受大气延迟等因素干扰的缺点,可提取毫米级精度的大面积地表形变场,在各类地表形变应用中已显示出了巨大的发展潜力。该类技术的基本思想是通过使用多景合成孔径雷达图像,生成具有不同时间基线和空间基线的多幅差分干涉图,利用各种相位成分的不同时/空特性,在具有较高相位稳定性的点目标上精确地分离出地表形变所贡献的相位。由于散射体去相关的影响,一般只有具有良好反射特性的永久散射体才能在各差分干涉图中均表现出较高的相位稳定性。然而,在自然条件下永久散射体的密度通常较低,这极大地限制了干涉图像堆栈技术的应用范围。2008年,为了最小化SAR图像间散射体去相关噪声,Guarneri和Tebaldini提出了相位萃取技术。该技术以关于多视像元的相干矩阵为基础,利用最大似然估计对SAR观测相位进行重构,可在中等相干区域有效提升干涉相位的信噪比。2011年,Ferretti对相位萃取技术进行了扩展,利用统计一致性点(statistically homogeneous points,简称SHP点)对分布散射体进行识别,构建相干矩阵,避免了永久散射体的丢失。此后,相位萃取技术已经得到了较为广泛的应用,已成为干涉图像堆栈技术未来发展的主要方向。本文首先对合成孔径雷达基础理论进行了较为深入的分析,详细探讨了分布散射体的识别方法,并在此基础上对相位萃取技术的基本原理进行了深入研究。接下来,在数学层面对相位萃取目标函数进行了讨论,并详细推导了其一阶导形式,并在此基础上实现了常用的相位萃取算法。相位萃取目标函数是在关于相干矩阵中的各个元素定义的,而相干矩阵中的各个元素实际上表现的是与之对应的干涉组合在相应点目标上的相干统计特性。因此,整个相位萃取过程有可能受到严重去相关组合的影响,使得萃取结果的质量下降,导致潜在的相位稳定点丢失。针对这一问题,本文对现有的相位萃取算法进行了改进,基于简单相干网络完成相位萃取操作。该方法将相位萃取技术中的最大似然估计问题转换为一个定义在相干网络上的优化问题。然后在保证网络可行性和冗余度的前提下,通过删除网络中的边以尽量对网络进行简化,并通过这种方式降低相干矩阵中低质量观测值对相位萃取过程的影响。此外,本文在相位链接技术的基础上设计了一个有针对性的迭代算法以求解定义在简单相干网络上的相位萃取问题。仿真结果表明,相比于传统相位萃取算法,该算法具有相当高的效率,而且在计算精度上也有一定程度的提高。为了进一步验证该算法以及相位萃取技术的应用性能,本文对采集的廊坊地区的真实Sentinel-1数据进行了处理。实验结果表明,相位萃取技术可大幅提高合成孔径雷达干涉图像堆栈技术输出相位稳定点目标的数量,可有效提高监测结果在中等相干区域的密度。