본 논문은 방대한 데이터와 부족한 이상치 레이블 데이터로 어려움을 겪는 전파 천문학에서의 이상 탐지를 위한 효율적인 방법을 제시한다. 복잡한 심층 학습 대신 훈련 가능한 COSFIRE 필터를 사용하여 전파 은하의 형태학적 특징을 기반으로 이상 탐지를 수행하는 혁신적인 접근 방식을 소개한다. COSFIRE 기술자와 비지도 학습 기법인 LOF 알고리즘을 통합하여 비정상적인 전파 은하 형태를 식별한다. 전파 은하 벤치마크 데이터셋에서 심층 학습 오토인코더보다 높은 성능(G-Mean 79% vs 77%)을 달성하며, 기존 지도 학습 방식의 주요 한계점인 이상치 훈련 데이터의 부족 문제를 극복한다. 빠른 처리 속도와 미지 현상 발견 능력이 중요한 차세대 전파 망원경에 적용 가능성을 보여준다.