동질 소자 선택은 분산 산란체 간섭 합성개구 레이더(Distributed Scatterer Interferometric Synthetic Aperture Radar, DS-InSAR)의 핵심 단계로, 후속 위상 최적화의 정확성과 신뢰성에 직접적인 영향을 미칩니다. 기존 동질 소자 선택 알고리즘이 이미지 수가 적고 1종 오류와 2종 오류 균형에 문제가 있는 점을 보완하기 위해 영역 성장 기법을 융합한 동적 동질 샘플 선택 알고리즘(Dynamic Center Growing Selector, DCGS)을 제안하였습니다. 이 알고리즘은 먼저 가능도비 검정에 따라 초기 국소 동질 점 집합을 선택하고, 이후 영역 성장 개념을 기반으로 내부에서 외부로 참조 소자를 동적으로 갱신하며, 최종적으로 감마 검정을 통해 동질 소자 소속을 판단합니다. 몬테카를로 시뮬레이션 실험에 따르면, DCGS 알고리즘은 여섯 가지 샘플 조건에서 평균 표준편차(STD) 0.014를 기록하였으며, 일반화 가능도비 검정(GLRT), Kolmogorov‒Smirnov(KS) 검정, Baumgartner-Weiss-Schindler(BWS) 검정, 신뢰구간 가설검정(HTCI) 알고리즘 대비 각각 68.4%, 63.2%, 67.9%, 10.7% 향상된 성능을 보였습니다. 허베이성 쉐옹안 지역의 Sentinel-1 영상을 이용한 실제 실험 검증 결과, DCGS 알고리즘은 위상 차 합(PSD), 위상 표준편차(SPD), 잔류점 수(RPN) 모두 최저 값을 나타냈으며, HTCI 알고리즘 대비 각각 2.6%, 8.9%, 18.4% 성능 향상을 달성하였고, 잡음 억제, 해상도 유지, 샘플 변화에 대한 강인성 면에서 BWS 검정 및 HTCI 알고리즘보다 우수하였습니다.

분산 목표;DS-InSAR;동질 소자 선택;영역 성장;비모수 가설 검정;변형 모니터링