물리 기반 레이더 영상에서 지형 물질 변화 탐지를 위한 이상 탐지

본 논문은 레이더 영상에서 지형 물질 변화(예: 습도, 거칠기, 재질 교체)를 탐지하기 위한 물리‑인식 이상 탐지 프레임워크를 제안한다. 먼저, 복소 유전율(ε_r), RMS 높이(σ), 상관 길이(l_c)와 입사각(θ) 등 물리적 파라미터를 입력으로 받아 Fresnel 항과 IEM‑영감을 받은 거칠기 감쇠 항을 곱해 평균 백스캐터링 σ₀를 계산하는 경량 전자기 전파 전파 모델을 설계한다. 이 모델은 완전 IEM/AIEM의 복잡한 적분을 회피하면서도 ε_r와 거칠기의 변화가 σ₀에 미치는 주요 경향을 보존한다. 시뮬레이션 단계에서는 복소 가우시안 스펙클 η와 위상 ϕ를 곱해 단일룩 복소 픽셀 S(t)_p = q·σ₀(t)_p·η·e^{jϕ} 로 모델링하고, 두 시점 간 상관 스펙클을 W₂ = γW₁ + √(1‑|γ|²)W⊥ 형태로 생성한다. 여기서 γ는 공간적으로 변하는 코히런스 파라미터이며, 물질이 변하면 |γ|가 현저히 감소한다. 이렇게 생성된 SLC 쌍은 다중룩 감마 분포와 무거운 꼬리 K‑분포를 모두 재현하도록 파라미터를 무작위 샘플링한다. 특징 스택은 로그 강도 I₁, I₂, 로그 차이, 7×7 윈도우 기반 텍스처(평균·분산), 입사각 지도, 그리고 추정된 코히런스 |γ̂| 로 구성된다. 이들은 물질 변화가 백스캐터링과 코히런스에 미치는 직접적인 물리적 영향을 반영한다. 네 가지 무감독 탐지기를 적용한다. (1) 전통적 RX는 Mahalanobis 거리로 이상 점수를 계산하고, (2) 강인 버전인 Tyler M‑estimator를 사용해 무거운 꼬리 잡음에서도 공분산을 안정적으로 추정한다. (3) Local‑RX는 이동 윈도우 내에서 배경 통계량을 지역적으로 재추정하지만, 이질적인 배경과 변동 코히런스 때문에 성능이 저하된다. (4) CCD는 1‑|γ̂| 혹은 최대우도 CCD 통계량을 이용해 직접 코히런스 감소를 탐지한다. (5) 경량 컨볼루션 오토인코더는 변하지 않은 패치만으로 학습해 재구성 오차를 이상 점수로 사용한다. Monte‑Carlo 실험에서는 물질 변화 규모, 관측 횟수(L), 잡음 텍스처 형태(ν), 위상·공동 정합 오차 등을 다양하게 변형해 200번의 시뮬레이션을 수행했다. 평가 지표는 고정된 거짓 경보 확률(PFA=10⁻³)에서 ROC‑AUC, 평균 정밀도(AP), F1 점수를 사용했다. 결과는 코히런스 기반 CCD가 ROC‑AUC 0.901, AP 0.401, F1 0.304 로 가장 높은 성능을 보였으며, 동일한 점수를 단순 가중 평균으로 융합한 경우도 거의 동등한 결과를 얻었다. 전통적 RX와 Local‑RX는 각각 ROC‑AUC 0.775·0.489 수준에 머물렀고, 특히 Local‑RX는 이질적인 배경과 작은 윈도우로 인한 평균·공분산 오염으로 성능이 크게 떨어졌다. 오토인코더는 0.645·0.054·0.014 로 가장 낮은 성능을 기록했다. 핵심 인사이트는 다음과 같다. 첫째, 물질 변화가 주로 코히런스 감소를 유발하므로 코히런스 정보를 포함한 특징이 가장 강력한 탐지 신호가 된다. 둘째, 무거운 꼬리 잡음 환경에서는 Tyler 기반 강인 공분산 추정이 RX의 CFAR‑like 안정성을 제공하지만, 근본적인 구별 능력은 코히런스에 비해 제한적이다. 셋째, 점수 융합은 강도와 코히런스가 모두 유의미할 때 이득을 제공하지만, 코히런스가 압도적으로 우세한 경우에는 별다른 개선을 주지 않는다. 넷째, Local‑RX와 같은 지역 통계 기반 방법은 배경 이질성이 큰 레이더 영상에서 신중히 설계해야 함을 보여준다. 이 논문은 물리‑기반 시뮬레이터와 통계‑기반 탐지기의 결합을 통해 레이더 영상에서 물질 변화 탐지 연구를 재현 가능하고 체계적으로 수행할 수 있는 프레임워크를 제공한다는 점에서 의의가 크다. 향후 연구에서는 다중 편파, 다주파수, 부피 산란 및 레이더 기하학적 왜곡(예: 레이 레이더 레이턴시) 등을 포함해 시뮬레이션 현실성을 높이고, 딥러닝 기반 시맨틱 변환 모델과 물리‑인식 특징의 하이브리드 방식을 탐색할 여지가 있다.