1.一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，所述方法包括：(1)获取被监测区域的全极化时序SAR影像和双极化时序SAR影像，并根据统计检验算法识别同质像元，得到全极化时序SAR影像对应的永久散射体目标和分布式散射体目标以及双极化时序SAR影像对应的永久散射体目标和分布式散射体目标；

(2)对全极化时序SAR影像的永久散射体目标相位和双极化时序SAR影像的永久散射体目标相位分别进行极化优化，得到各自对应的优化后的差分干涉图以及时序平均相干值，并计算各自对应的干涉图相位标准偏差；同样对全极化时序SAR影像的分布式散射体目标相位和双极化时序SAR影像的分布式散射体目标相位分别进行极化优化，得到各自对应的优化后的差分干涉图以及时序平均相干值，并计算各自对应的干涉图相位标准偏差；

(3)根据全极化时序SAR影像的永久散射体目标的干涉图相位标准偏差、双极化时序SAR影像的永久散射体目标的干涉图相位标准偏差、全极化时序SAR影像的分布式散射体目标的干涉图相位标准偏差以及双极化时序SAR影像的分布式散射体目标的干涉图相位标准偏差选取被监测区域的时序监测点；

(4)基于优化后的全极化时序SAR影像的永久散射体目标的差分干涉图、双极化时序SAR影像的永久散射体目标的差分干涉图、全极化时序SAR影像的分布式散射体目标的差分干涉图以及双极化时序SAR影像的分布式散射体目标的差分干涉图，对所述被监测区域的时序监测点进行常规时序技术处理，包括轨道误差改正、DEM残差改正、大气相位延时改正和三维相位解缠，得到被监测区域的地表形变结果。

2.根据权利要求1所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，所述统计检验算法包括Kolmogorov‑Smirnov检验、似然比检验、FaSHP算法以及Baumgartner‑Wei‑Schindler检验的一种或多种。

3.根据权利要求1所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(2)对全极化时序SAR影像的永久散射体目标相位和双极化时序SAR影像的永久散射体目标相位分别进行极化优化均采用振幅离差准则，具体包括如下步骤：(A1)对全极化时序SAR影像和双极化时序SAR影像分别构建各自对应的Pauli基向量与散射机制向量；

(A2)遍历计算永久散射体目标在每一个散射机制向量下的振幅离差值；计算公式如下：

式中，DA表示永久散射体目标在散射机制向量ω下的振幅离差值；σA和mA为中间变量，H

分别表示时序SAR影像强度的标准差与均值；ω 表示散射机制向量的共轭转置；N表示时序SAR影像的数量；ki表示第i幅时序SAR影像的Pauli基向量； 为中间变量，表示N幅时序SAR影像在散射机制向量ω下的强度均值；

(A3)对振幅离差值比较大小，选择使振幅离差值最小的散射机制向量为最佳投影向量ω'；

H

(A4)将永久散射体目标根据式ω'ki在步骤(A3)所述最佳投影向量ω'上进行投影，得到优化后的目标像元并生成差分干涉图，同时得到干涉图相位标准偏差，即为最小的振幅离差值。

4.根据权利要求3所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(A1)对全极化时序SAR影像构建Pauli基向量与散射机制向量，包括：式中，SHH,i表示第i幅HH极化方式下的单视复数SAR影像；SVV,i表示第i幅VV极化方式下的单视复数SAR影像；SVH,i表示第i幅VH极化方式下的单视复数SAR影像；上标T表示转置；ω表示散射机制向量；α、ψ和β分别表示散射机制向量的极化参数；j表示虚数单位。

5.根据权利要求3所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(A1)对双极化时序SAR影像构建得到Pauli基向量与散射机制向量，包括：T

ki＝[SVV,i,2SVH,i]式中，SVV,i表示第i幅VV极化方式下的单视复数SAR影像；SVH,i表示第i幅VH极化方式下的单视复数SAR影像；上标T表示转置；α和ψ分别表示散射机制向量的极化参数；j表示虚数单位。

6.根据权利要求3所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(2)对全极化时序SAR影像的分布式散射体目标相位和双极化时序SAR影像的分布式散射体目标相位分别进行极化优化均采用相干性准则，具体包括如下步骤：(B1)对全极化时序SAR影像和双极化时序SAR影像分别构建各自对应的Pauli基向量、散射机制向量与极化相干矩阵；

(B2)对分布式散射体目标的极化相干矩阵进行MMSE极化自适应滤波，得到滤波后的极化相干矩阵以及时序平均相干值；

(B3)对所述滤波后的极化相干矩阵进行时序极化优化，同时根据优化后的所述时序平均相干值计算相位标准偏差。

7.根据权利要求6所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(B1)分布式散射体目标中所述对全极化时序SAR影像和双极化时序SAR影像分别构建各自对应的Pauli基向量、散射机制向量采用的方法与步骤(A1)中永久散射体目标所述对全极化时序SAR影像和双极化时序SAR影像分别构建各自对应的Pauli基向量与散射机制向量采用的方法一致。

8.根据权利要求6所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(B1)对全极化时序SAR影像和双极化时序SAR影像分别构建各自对应的极化相干矩阵均如下所示：

T

K＝[ki,kj]

式中，K表示两幅SAR影像的Pauli基向量的矢量干涉表达；ki、kj分别表示第i幅和第j幅时序SAR影像的Pauli基向量；上标T表示转置；Tori表示单个分布式散射体目标的极化相干矩阵；上标H表示共轭转置；Tii、Tjj、Ωij和Ωji分别表示极化相干矩阵的分块矩阵。

9.根据权利要求8所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(B2)所述对分布式散射体目标极化相干矩阵进行MMSE极化自适应滤波，包括：(B21)对每一个分布式散射体目标的极化相干矩阵均计算计算其Span图像值，并根据Span图像值确定滤波系数b；

其中，Span图像值的计算公式：spana＝trace(Tii)+trace(Tjj)；式中，spana表示第a个极化相干矩阵的图像值；trace表示矩阵的迹；

滤波系数b的计算公式：

式中，var(spanSHPS)表示Span图像中分布式散射体目标中全部像元的方差，mean(spanSHPS)表示Span图像中分布式散射体目标中全部像元的均值；coef为固定系数；

(B22)对分布式散射体目标进行自适应窗口滤波，得到滤波后的极化相干矩阵Tfilter；

其中，自适应窗口滤波计算式如下：Tfilter＝Tmean+b(Tori‑Tmean)式中，Tmean表示全部分布式散射体目标的极化相干矩阵的平均。

10.根据权利要求6所述的一种基于多极化时序SAR数据的地表形变监测方法，其特征在于，步骤(B3)对所述滤波后的极化相干矩阵进行时序极化优化，同时根据优化后的所述时序平均相干值计算相位标准偏差；

(B31)遍历计算分布式散射体目标在每一个散射机制向量下的干涉相干值，并计算得到时序平均相干值；

其中，干涉相干值的计算公式如下：式中，γp(ω)表示第p幅干涉对的分布式散射体目标在散射机制向量ω下的干涉相干H

值；Tii、Tjj和Ωij分别表示极化相干矩阵的分块矩阵；ω表示散射机制向量ω的共轭转置；

时序平均相干值的计算公式如下：

式中， 表示时序平均相干值；Nint表示所有时序SAR影像组成的干涉对数量；p表示干涉对的计数单位；

(B32)对步骤(B31)所述时序平均相干值比较大小，选择使时序平均相干值最大的散射机制向量为最佳投影向量ω'，根据下式求解分布式散射体目标在该最佳投影向量ω'上的最佳干涉相位Φ，得到优化后的差分干涉图；

其中，最佳干涉相位Φ的计算公式如下：H

Φ＝diag{ω'Ωijω'}；

H

式中，ω'表示最佳投影向量ω'的共轭转置；

(B33)根据时序平均相干值计算优化后的干涉图相位标准偏差，计算公式如下：式中，STD表示优化后的干涉图相位标准偏差；SHP表示用于多视的同质像元数目。