星载合成孔径雷达差分干涉(DInSAR)技术是近三十多年发展起来的微波遥感技术,作为一种空间对地观测手段,它的出现为高精度、低成本地实现大范围地表形变监测提供了可能。然而,当传统DIn SAR技术受各种严重去相关源及大气相位不均匀延时地影响严重时,会导致形变测量精度降低,这在一定程度上制约了其在地表形变监测方面的实用化程度。最近十年提出并发展起来的小基线子集(SBAS)技术作为一种典型的长时间序列DInSAR技术,能有效克服传统DInSAR技术的固有局限,实现对观测场景在长时间尺度上的高精度地表形变分析。自提出之日起,该技术就广泛应用于各类地表形变监测领域,为各类地质灾害预警评估、地球物理建模、政府规划决策和军事高精度测绘提供了重要的观测信息。本文以提高SBAS技术在低相关地区观测精度和稳健性为目标,对SBAS技术数据处理流程中的相位滤波、干涉图选择及相位解缠问题开展了深入的研究并提出了新的解决方法。通过大量SAR实测数据处理实验,验证了本文提出的方法能显著提高SBAS技术的形变观测性能。论文的主要工作包括:第二章是DInSAR及SBAS-DInSAR技术的理论基础。首先对干涉相位各组成分量的产生原理进行了详细分析,阐述了传统DInSAR地表形变测量原理;其次,建立了干涉相位的统计分布模型,并对降低干涉相位相关性的各种去相关源进行了分析;最后,阐述了SBAS-DInSAR技术形变反演的原理,给出了各处理步骤的实现方法。第三章研究了长时间序列干涉相位滤波算法。首先分析了分布式目标的相位统计特征,得出了此类目标在时间上不满足相位一致性约束的结论。然后讨论了一种基于统计估计的长时间序列相位滤波算法,该算法联合利用多幅干涉图的时间冗余信息进行滤波,能有效恢复低相关地区的干涉条纹,提高干涉图序列的整体相关性;然而,该算法也存在着计算效率低、适用范围有限及信息利用不加筛选的缺陷。为此,本文提出了一种基于方向统计学的长时间序列相位滤波算法:该算法没有对干涉相位作任何统计假设,能直接对传统多视干涉图进行处理,而不需要进行耗时的逐像素假设检验判决来区分点目标和分布式目标,因此大大提高了计算效率;此外,新算法仅利用相关性较高的小基线干涉图序列作为滤波输入,有利于进一步克服去相关噪声对相位估计精度的影响。通过对两组SAR实测数据的处理分析验证了滤波后干涉图的相关性得到了有效提升。第四章研究了长时间序列DInSAR技术中涉及的干涉图序列选择问题。作为长时间序列DInSAR技术进行形变测量的前提和基础,如何从获取的数据集中选择适当的干涉图序列用于后续处理,将直接影响着最终得到的形变信息精度。本章首先详细讨论了当前在长时间序列DInSAR技术中采用的各种典型干涉图序列选择方法及其对形变反演精度的影响。其次,通过定义不同相关程度下表征干涉图序列整体相关性的费用函数,本文提出了一种适用于SBAS技术、基于模拟退火算法的干涉序列选择方法。该方法通过在时间/空间基线面上选择受去相关影响最小的三角剖分网,来确定用于后续处理的干涉图序列。实测数据处理结果展示了利用该算法选择的干涉图序列具有更好的相关性,对其进行解缠操作,能得到质量更好的解缠结果。第五章研究了基于最小网络流技术的长时间序列相位解缠算法。分析讨论了基本最小网络流解缠算法、扩展最小网络流解缠算法以及基于分治的扩展最小网络流解缠算法的基本原理。针对上述三种算法在低相关地区无法得到密集高质量解缠结果的问题,本文提出了一种基于最小网络流技术的区域增长相位解缠算法,实现了高质量解缠结果由高相关地区向低相关地区的传播。实测数据处理结果表明该算法能有效提高场景中高质量解缠像素的密度。第六章根据前述几章提出的干涉数据处理方法,应用改进SBAS数据处理技术对欧空局ENVISAT卫星获取的2003~2010年间覆盖我国上海地区的49幅SAR图像进行了形变分析。与利用现有SBAS数据处理技术得到的结果相比,新方法生成的形变产品获得了场景中更多目标的形变信息,这为利用星载DInSAR观测结果开展针对该地区形变现象的研究、分析、理解及建模提供了更可靠的信息来源。