La selección de píxeles homogéneos es un paso clave en el Radar Interferométrico de Apertura Sintética de Distribuidor de Dispersores (Distributed Scatterer Interferometric Synthetic Aperture Radar, DS-InSAR), que afecta directamente la precisión y confiabilidad de la optimización fase posterior. Basado en las limitaciones de los algoritmos existentes para seleccionar píxeles homogéneos respecto a la cantidad reducida de imágenes y el equilibrio entre errores de tipo I y II, se propuso un algoritmo dinámico de selección de muestras homogéneas que fusiona el crecimiento regional (Dynamic Center Growing Selector, DCGS). Este algoritmo primero selecciona un conjunto de puntos locales homogéneos iniciales mediante la prueba de razón de verosimilitud, luego actualiza dinámicamente los píxeles de referencia de adentro hacia afuera basado en la idea de crecimiento regional, y finalmente utiliza la prueba Gamma para determinar la pertenencia de los píxeles homogéneos. Según simulaciones de Monte Carlo, el algoritmo DCGS tiene un promedio del desvío estándar (STD) de 0.014 en seis condiciones de muestras, mejorando en 68.4%, 63.2%, 67.9% y 10.7%, respectivamente, frente a las pruebas de razón generalizada de verosimilitud (GLRT), Kolmogórov-Smirnov (KS), Baumgartner-Weiss-Schindler (BWS) y Test de Hipótesis de Intervalo de Confianza (HTCI). La validación experimental real se llevó a cabo con imágenes Sentinel-1 de la región de Xiong’an en la provincia de Hebei, y los resultados muestran que el algoritmo DCGS logró los valores más bajos en PSD (Suma de las Diferencias de Fase), SPD (Desviación Estándar de Fase) y RPN (Número de Puntos de Residuo); en comparación con el algoritmo HTCI, logró mejoras en el rendimiento del 2.6%, 8.9% y 18.4%, respectivamente; y superó a las pruebas BWS y HTCI en supresión de ruido, mantenimiento de resolución y robustez ante cambios en las muestras.

Objetivos distribuidos;DS-InSAR;Selección de píxeles homogéneos;Crecimiento regional;Prueba de hipótesis no paramétrica;Monitoreo de deformaciones