目录
1. 枝切法(Branch Cut，简称 BC)
2 质量图导向的路径跟踪算法(Quality Guide，简称QG)
3 菱形算法(Rhombus Alogrithm，简称 RA)
1. 枝切法(Branch Cut，简称 BC)
美国的 JPL实验室的 Goldstein和 Zebker等人在1986年提出的枝切法是基于路径跟踪最经典的算法，这种算法首先识别正负残差点，然后连接邻近的残差点来实现残差点的极性平衡，以此形成最优的枝切线，确定不经过这条枝切线的积分路径，防止误差的传递.
该算法的基本操作步骤：首先对于干涉位相图逐个像素进行扫描直至找到一个残差点，记录残差点的极性（正和负），然后把一个 3×3的窗口放到这个残差点上，在这个窗口继续搜索其他的残差点，如果找到了新的残差点，那么就建立一条枝切线连接两个残差点，若两个残差点的极性相反，就说明达到了“极性平衡”，完成了一条枝切线的检测，再重新扫描来检测另一条枝切线。若这个残差点与原残差点极性一样，则继续搜索新的残差点，若找到了新残差点，将这个残差点和窗口中心残差点连接，若这个残差点还没有和其他的残差点相连，就将它的极性（1或-1）加到这条枝切线残的差点集里。若已与其他残差点连接，那么它的极性不加入。累计的“极性”为 0时，就说残差点达到了平衡，完成了一条枝切线的检测。若累计的极性不为 0，就以下一个残差点为中心设置新窗口。若累计极性还不为 0，将窗口扩大到 5×5继续搜寻。重复上面的操作，直到累计极性为 0或者到达了图像的边界。若达到图像的边界，就将残差点和边界连接，搜寻结束。枝切线生成后，确定积分路径，用像元扩展法进行位相解包裹。
这种算法计算速度快，效率高。但是若枝切线的位置放置不合适，就会形成“孤岛区域”，导致错误
2 质量图导向的路径跟踪算法(Quality Guide，简称QG)
Bone在 1991年提出用位相的二次偏导数作为质量图来进行位相解包裹；Qurioga等人在 1995年改进了 Bone提出方法，提出了自适应的阈值；Xu和 Cum⁃rning在 1995年将相干系数图作为质量图，之后 Roth在此基础上用相干图对像素进行排序，不再用 Qurio⁃ga等人提出的方法。质量图导向的路径跟踪算法质量图的好坏决定了解包裹结果的好坏，这种算法不需要识别残差点，它利用质量图来指导确定积分路径，使积分路径从高质量的像素开始，避开低质量的像素，以此最大限度的阻止误差的传递.
该算法的基本步骤：从高质量的“种子”像元开始，“生长”出一个解包裹区域。开始于最高质量的像
元，到最低质量的像元结束。
这种算法不用识别残差点，比枝切法的准确性好。但是运行速度比枝切法慢，而且对质量图的要求
很高，如果质量图不好，在含有噪声较多的区域会形成“孤岛”。
3 菱形算法(Rhombus Alogrithm，简称 RA)
菱形算法[8] [9]首先识别 1个种子点，然后向相邻 4点进行扩展，再把这 4个相邻点作为第二批种子点向各自的相邻 4点进行扩展，以菱形的轨迹遍历所有的有效信息点，以达到解包裹整幅图像的目的。这种算法速度较快。但是在噪声多的区域会出现误差传递的“拉线”现象。
