光谱角监督分类算法实现

该函数实现了基于光谱角距离的监督分类算法。函数的输入参数包括图像的行数、列数、波段数、样本数量、每个样本的平均光谱值和图像数据指针。其中，每个样本的平均光谱值是一个二维数组，第一维表示样本数量，第二维表示波段数。图像数据指针是一个指向指针数组的指针，每个指针指向一个波段的图像数据。

函数首先创建了三个动态数组，分别用于存储每个像素的灰度值、到样本区的距离和分类结果。然后，计算参考光谱的几何平均向量，即对每个波段的平均值求平方根。接着，对每个像素进行处理，先将灰度值和距离数组清零，然后计算该像素到每个样本区的光谱角距离，并根据设定的阈值进行分类。如果该像素距离某个样本区的距离小于阈值，则计算该像素与参考光谱的夹角，如果夹角小于该像素到样本区的距离，则将该像素分类为该样本区，否则继续检查其他样本区。如果该像素距离所有样本区的距离都大于阈值，则将其分类为距离最近的样本区。最后，将分类结果写入数组并将其写入输出文件中。

函数的核心是光谱角距离的计算，该距离是通过计算两个向量的夹角来衡量它们的相似度。具体地，将两个向量归一化后，计算它们的点积，再通过反余弦函数计算它们的夹角。该距离越小，表示两个向量越相似。函数中还使用了参考光谱的概念，即将所有样本区的平均光谱值求平均后得到的向量，用于判断未知像素是否与样本区相似。

void CSupervised::SpectralAngle(int Rows, int Cols, int Bands, int number, float AverageValue[][200], LPSTR *pPointer)
{
    float *Gray = new float[number];
    float *Distance = new float[number];
    unsigned char *array = new unsigned char[Rows*Cols];

    float min;
    CFile g;

    CString filename;
    filename = 'spectral_angle_class'; //文件储存位置

    if (!g.Open(filename, CFile::modeCreate | CFile::modeWrite))
    {
        AfxMessageBox("输出文件打开失败!", MB_ICONHAND);
        return;
    }

    //计算参考光谱的几何平均向量
    float *reference = new float[Bands];
    for (int i = 0; i < Bands; i++)
    {
        float sum = 0;
        for (int j = 0; j < number; j++)
        {
            sum += AverageValue[j][i];
        }
        reference[i] = pow(sum / number, 1.0 / Bands);
    }

    //对每个像素进行处理
    for (int data = 0; data < Rows*Cols; data++)
    {
        //数组清零便于计算
        for (int k = 0; k < number; k++)
        {
            Gray[k] = 0;
            Distance[k] = 0;
        }
        //计算结果进行分类    (计算各个点到样本区的距离)

        min = 100000;
        for (int i = 0; i < number; i++)
        {
            /////////////////////////光谱角距离////////////////////////
            float numerator = 0, denominator1 = 0, denominator2 = 0;
            for (int j = 0; j < Bands; j++)
            {
                numerator += (*pPointer[j] * AverageValue[i][j]);
                denominator1 += pow(*pPointer[j], 2);
                denominator2 += pow(AverageValue[i][j], 2);
            }
            Distance[i] = acos(numerator / (sqrt(denominator1)*sqrt(denominator2)));
            ///////////////////////////////////////////////////////////

            //根据阈值进行分类
            float threshold = 0.1; //设定阈值
            if (Distance[i] <= threshold)
            {
                //计算未知像元与参考光谱的夹角
                float numerator_ref = 0, denominator1_ref = 0, denominator2_ref = 0;
                for (int j = 0; j < Bands; j++)
                {
                    numerator_ref += (*pPointer[j] * reference[j]);
                    denominator1_ref += pow(*pPointer[j], 2);
                    denominator2_ref += pow(reference[j], 2);
                }
                float ref_angle = acos(numerator_ref / (sqrt(denominator1_ref)*sqrt(denominator2_ref)));
                if (ref_angle < Distance[i])
                {
                    array[data] = i + 1; //分类
                    break;
                }
            }

            if (Distance[i] <= min)
                min = Distance[i];
        }

        //比较距离，进行分类
        for (int n = 0; n < number; n++)
        {
            if (min == Distance[n])
            {
                array[data] = n + 1;
            }
        }

        //循环一次，指针移动一位
        for (int ban = 0; ban < Bands; ban++)
        {
            pPointer[ban]++;
        }
    }
    //进行图像的写入
    g.Write(array, Rows*Cols);
    delete[] Gray;
    delete[] Distance;
    delete[] array;
    delete[] reference;

    g.Close();
    AfxMessageBox("光谱角分类数据处理完毕!");
}