1.基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，具体方法如下：

S1、获取监测区域的时序SAR影像，形成差分干涉图，识别同质像元；

S2、针对分布式散射体即DS目标进行相位优化，以步骤S1识别的DS目标为基础，构建DS目标的同质像元时序相位矩阵，采用奇异值分解、SHP加权平均进而完成相位优化；

S3、基于优化后的时序差分干涉图，选取便于观察的时序监测点，去除轨道误差、DEM残差、大气相位改正，然后进行三维相位解缠以得到监测点形变结果，完成监测区域的形变监测。

2.如权利要求1所述的基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，所述步骤S1的具体处理步骤为：步骤一：时序SAR影像获取；

步骤二：选取主影像；

步骤三：SAR数据的定标和配准；

步骤四：差分干涉SAR数据处理；

步骤五：同质像元识别。

3.如权利要求2所述的基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，步骤S1中，获取差分干涉影像数据集并进行滤波处理。

4.如权利要求2所述的基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，步骤S1中，同质像元识别的结果通过设置阈值提取永久散射体与分布式散射体。

5.如权利要求2所述的基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，步骤S1中，同质像元识别的算法包括BWS假设检验、双样本t假设检验、广义似然比假设检验、FaSHPS检验算法和HTCI算法。

6.如权利要求1所述的基于同质像元时序相位矩阵分解的DS目标相位优化方法，其特征在于，步骤S2的具体方法为：步骤一：构建同质像元时序相位矩阵D，构建方式如下：式中，αn，t代表窗口内第n个同质像元在第t幅干涉图中的相位值，αref，t为参考像元在第n幅影像上的相位值；

步骤二：针对同质像元时序相位矩阵的奇异值分解，公式如下：式中，r为矩阵D的非零奇异值个数，得到r≤min(n，t)；Si为奇异值矩阵，Ui和Vi分别为左右奇异向量，至此，获得该窗口降噪后的矩阵D′，如下式：α′ref＝[α′ref，1 α′ref，2 … α′ref，t]对所有同质像元时序相位矩阵D进行上述过程，并提取每个D′中的参考像元相位α′ref，进而获得分解后的干涉图；

步骤三：对分解后的干涉图进行加权平均获得优化干涉相位；

对分解后的干涉图进行相干性估计，并利用相干性对DS目标同质像元进行加权平均得到最终的DS目标优化干涉相位，如下式：式中， 表示参考像元的相位值， 代表周围同质像元点的相位值，Cohi为估计得到的相干性。