MATLAB实现显著性检测评估指标NSS的方法

### calcNSSscore.m ```matlab function [ score ] = calcNSSscore( salMap, eyeMap ) % calcNSSscore 计算显著图的 NSS 分数 % 使用: [score] = calcNSSscore(salMap, eyeMap) % % score : 每个注视点的分数数组 % salMap : 显著图，将被调整为与 eyeMap 相同大小 % eyeMap : 注视点图，应为二进制图 % 调整和归一化显著图 salMap = double(imresize(salMap, size(eyeMap), 'bicubic')); mapMean = mean2(salMap); mapStd = std2(salMap); salMap = (salMap - mapMean) / mapStd; % 归一化地图 % 计算 NSS [X, Y] = find(eyeMap > 0); NSSVector = zeros(1, length(X)); for p = 1:length(X) NSSVector(p) = salMap(X(p), Y(p)); end score = NSSVector; ``` ### main.m ```matlab clear; clc; smap_path = 'E:\Dataset180303\final_data\smap_Result1\'; gmap_path = 'E:\Dataset180303\final_data\image_resize_gt\'; smap_files = dir(fullfile(smap_path, '*.jpg')); for j = 1:length(smap_files) disp(j); gmap_name = fullfile(gmap_path, num2str(j), '.jpg'); smap_name = fullfile(smap_path, num2str(j), '.jpg'); gmap = imresize(imread(gmap_name), [224, 224], 'bicubic'); smap = imresize(imread(smap_name), [224, 224], 'bicubic'); sal_map = mat2gray(smap); if size(gmap, 3) == 3 gt_map = rgb2gray(gmap); else gt_map = gmap; end threshold_value = graythresh(gt_map); % 使用最大类间方差法确定阈值 gt_final_map = im2bw(gt_map, threshold_value); % 将 gt_map 转换为布尔图 nss_scores = calcNSSscore(sal_map, gt_final_map); nss_scores = abs(nss_scores); a(j, 1) = mean(nss_scores); disp(j); end idx = find(isnan(a)); a(idx) = 1.5; RGBD_NSS = mean(a); nss = mean(RGBD_NSS); ``` 以上代码首先定义了一个 `calcNSSscore` 函数来计算显著图与注视点图之间的 NSS 分数。然后在 `main.m` 中，读取显著图和真实注视点图，对它们进行预处理，并调用 `calcNSSscore` 函数计算每个图像的 NSS 分数，最后计算所有图像的平均 NSS 分数。