近年来,随着新一代SAR系统投入运行,高分辨率SAR数据资源日益丰富。高分辨率SAR影像中建筑等大型人工地物的细节清晰可见。但是,由于SAR传感器独有的侧视成像机理,城市场景下高分辨率SAR图像中的建筑物往往互相遮挡,引起了明显的多次散射、叠掩等现象,导致地物目标解译难度加大。SAR层析成像作为一种真正的三维技术,可以估算叠掩在同一像元内的多个散射体目标,实现对沿高程向分布散射体的直接测量,获得高程向分辨率。由SAR层析成像延伸而来的差分SAR层析成像,也称为四维SAR聚焦成像,可在识别分离同一分辨单元内多个不同散射体目标的基础上,估计得到各散射体的高程和形变信息。目前国内外已经围绕SAR层析成像和差分SAR层析成像开展了一些研究工作。然而,现有的层析方法仍然存在一些不足之处,本文主要从如下几个角度开展SAR层析成像方法及应用研究：（1）目前,基于奇异值分解的SAR层析成像方法通常采用截断奇异值的方式限制小奇异值造成的误差传播。截断奇异值法在奇异值呈良置分布时很容易找到一个合适的阈值；但在奇异值非良置分布时选取阈值困难,无法根据数据特点自适应选取阈值,会导致估计困难。针对这一问题,本文提出基于Butterworth滤波器的奇异值分解法（简称为Butterworth-SVD或BSVD）,避免了人工设定奇异值阂值,提高了数据处理算法的自适应特点和鲁棒性,实现研究区域大量像元的自动化层析分析。我们通过一系列的仿真分析和真实数据实例,验证了BSVD法比TSVD法具有更好的鲁棒性和旁瓣抑制能力。基于BSVD的压缩感知适用于对计算速度要求较高、对高程向分辨率要求不高的快速层析成像。（2）在基于压缩感知的SAR层析成像方法中,后向散射信号恢复方法采用的是基追踪。基追踪法的高程向超分辨率优势尤为突出,但计算效率极其低下。针对这一问题,本文提出采用基于双步迭代收缩阈值法进行后向散射信号重构,可使层析估计过程快速收敛,以少量的超分辨率损失换取层析计算效率的大幅提高。在开展仿真实验的基础上,使用TerraSAR-X spotlight和stripmap数据开展真实场景三维层析实验分析,与TSVD和BP法的结果开展了比较研究。实验结果表明,TWIST法较好地兼顾了计算效率和高程向超分辨率能力,适用于计算效率和分辨率都要求较高的层析成像。（3）本文进一步将上述研究拓展到四维SAR层析成像。主要采用了本文提出的BSVD法和TWIST法,根据四维SAR层析成像系统模型,重新构建了与高程和形变速率都有关系的测量矩阵,针对因测量矩阵变大及维数增加导致的求解困难问题,提出采用一维求解代替二维求解,再通过重采样恢复沿高程-速率方向分布的后向散射剖面。然后,结合仿真分析和城区高分辨率TerraSAR-X数据实例进行四维场景解译研究,在提取散射体三维空间分布的同时,估计出每个散射体的形变速率信息。本文的研究工作有利于充分利用已有的高分辨率SAR数据集,重建城区复杂场景目标的三维结构,准确提取四维形变信息,实现真正意义上的四维城市动态监测,城市复杂场景高分辨率SAR影像解译与地物目标识别方面有广阔的应用前景。