合成孔径雷达干涉测量(InterferometricSyntheticApertureRadar，简称InSAR)是20世纪后期迅速发展起来的空间对地观测新技术，它是利用合成孔径雷达(SyntheticApertureRadar，简称SAR)的相位信息提取地表的三维信息和高程变化信息。InSAR因其具有全天时、全天候获取大面积地面精确三维信息的能力以及空间分辨率高、对某些地物具有一定穿透力等特点而被广泛应用于地形制图、地壳形变监测、海洋研究、资源探测等众多领域。 InSAR技术是通过两副天线同时观测或一副天线两次平行观测，获取地面同一地物的两幅复雷达图像，利用这两幅复图像相干运算得到的相位差获得地表的高度信息。然而在实际的干涉处理中，由于要经过反三角运算，得到的干涉相位差是真实相位差的主值，即InSAR干涉纹图中与地面位置直接相关的相位是以2π为模的，所以为了计算每一点的高程必须给每一个相位测量值加上整周相位。这种将相位由主值恢复为真实值的过程称为相位解缠。相位解缠是InSAR数据处理的关键技术，它的准确性直接影响到InSAR所生成数字高程模型(DigitalElevationModel，简称DEM)的精度。但是噪声和欠采样的存在造成相位数据的不连续，导致缠绕相位场的不一致性，给相位解缠带来极大的困难。 目前已有的相位解缠算法有几十种，大部分算法都是将相位解缠问题转化为最优化问题，也就是使得某一目标函数达到最小的问题。根据目标函数不同，相位解缠算法主要分为两大类：路径跟踪法和最小范数法。最小范数法又可分为最小L2范数法(最小二乘法)和最小L1范数法。 本文利用模拟数据和真实数据对InSAR二维相位解缠问题进行了研究。首先介绍了InSAR的工作方式、成像原理和数据处理流程。在此基础上，讨论了相位解缠的原理及二维相位场的一致性和不一致性问题，给出了现有主要相位解缠算法的数学框架。 接着，详细介绍了最小二乘法的原理以及算法的具体实现过程。最小二乘法分为带权重和不带权重两种形式。无权重最小二乘法等价于求解Neumann边界条件的离散Poisson方程，它不需要相位质量图等辅助信息，计算速度较快，稳定性高，可以得到较平滑的解缠结果。该算法是一种全局拟合思想，它解缠时是穿过相位的不一致区域，而不是绕过，因此会造成局部误差的全局传播。加权最小二乘法是在无权重最小二乘法的基础上提出来的，它通过对相位不一致区域赋予较小的权重，来降低其影响，抑制不一致区域误差的传播。预条件共轭梯度法(PreconditionedConjugateGradient，简称PCG)是常用的一种加权最小二乘法，它首先使用无权重最小二乘算法作为预条件来加速收敛，然后采用共轭梯度法(ConjugateGradient，简称CG)迭代获得解缠相位。传统的加权最小二乘法正态方程是通过Hunt离散化矩阵推导而来，其过程较为繁琐，而且很多文献并没有给出正态方程系数矩阵(大型稀疏矩阵)存储方式。本文利用有限差分思想从加权最小二乘法离散公式出发构造加权正态方程，并讨论了加权正态方程系数矩阵的性质，发现该矩阵是一个每行最多只有5个非零元素的大型对称稀疏矩阵，通过利用一维压缩存储只保存稀疏矩阵的非零元素，大大节省内存，使得预条件梯度算法能够用于大幅图像的相位解缠。数值试验表明预条件共轭梯度法具有较高的稳定性，能够在一定程度上抑制了误差的传播，提高解缠相位的精度。该算法由于涉及到大型稀疏矩阵的存储和较多矩阵运算，计算时间与所需内存均较多。 最后，利用网络优化中的最小费用流算法实现了最小L1范数意义下的二维相位解缠。最小费用流算法是一种全局最优化算子，同时利用到相位质量信息，从而避免了枝切法容易陷入局域孤岛的缺点；它的思想是令所有节点的解缠相位梯度与缠绕相位梯度两者之差的绝对值之和为最小，并且解缠相位满足一致性条件，从而避免了解缠结果的过度平滑化，保证了解缠相位值的准确性。论文详细介绍了如何将相位解缠算法中的最小化问题转化为求解最小费用流问题，给出了图的存储结构以及松弛算法的实现过程。利用最小费用算法、枝切法和预条件共轭梯度法对两幅真实干涉纹图进行了相位解缠。第一幅图像残差点较少，第二幅残差点较密集。当残差点较少时，枝切法和最小费用流算法的解缠结果基本一致。当残差点较多时，预条件共轭梯度法与松弛算法的解缠结果比较相似，其解缠结果要比最小费用流算法的结果平滑。枝切法的解缠结果与以上两种方法相差很大，存在明显的不连续性。将三种算法解缠相位重新缠绕与原始相位进行比较可发现，预条件共轭梯度法解缠相位缠绕值与原始相位值相差较大，最小费用流算法解缠相位缠绕值与原始相位值仅在个别象素有一定差异。以上数值试验表明最小费用流算法的解缠精度要优于枝切法和预条件共轭梯度法。枝切法计算效率最高，预条件共轭梯度法其次，最小费用流算法最低。