光谱的视觉特点工具箱(SViST)提供实现
DCT的光谱(FFT)凸起算法图像。

有几种方法来计算视觉特点:

“fft”:默认情况下一样的fft:美白
“fft:美白”使用光谱美白来计算的特点
每个通道单独然后平均结果。
fft:剩余的使用光谱剩余的计算特点
每个通道单独然后平均结果。
dct的使用基于dct的图像签名计算特点
每个通道分开,然后平均
结果。
“皮疹:fft”:将图像转换成一个quaternion-based
表示,使用四元数FFT /传输线操作。
皮疹:fft: eigenpqft:类似于“皮疹:fft”,但依赖于使用
四元数eigenaxis和eigenangle
计算。
皮疹:fft: eigensr:的原则fft:剩余转移到
皮疹:fft: eigenpqft’。
皮疹:dct的图像转换成quaternion-based
表示,使用四元数DCT / IDCT操作。
皮疹:dct快速的“四:dct”一样,但有一个固定的形象
分辨率为64 x48并使用优化.mex文件
更快的计算。
[…其他一些,例如,Itti-Koch Achanta GBVS,地区
相反,和本地debiased地区对比

使用例子:
spectral_saliency_multichannel (imread (. .图片路径…))
或作为一个例子,其他颜色空间(例如ICOPP,实验室,…)
——spectral_saliency_multichannel (rgb2icopp (imread (. .图片路径…)))
此外,“例子”和“process_folder”是两个用法示例。
前者可以可视化凸起的地图
不同的算法对于一个给定的测试图像。后者计算
并保存所有图像的显著地图在给定的文件夹。

如果你使用这些工作在科学研究或的一部分
大的软件系统,请在任何引用使用
相关的出版物或技术文档。工作为基础
在:

b . Schauerte和r . Stiefelhagen Quaternion-based光谱
卓越检测眼睛固定预测,“在欧洲
计算机视觉大会),2012

b . Schauerte和r . Stiefelhagen预测人类的目光
四元数DCT图像签名凸起和人脸检测
IEEE计算机视觉的应用研讨会(WACV),
2012年。

注:
——quaternion-based方法要求的实现
四元数对Matlab工具箱(QTFM)。
——我一直在尽可能专注和简单的实现
因此他们缺乏更高级的功能,比如更加复杂
的标准化。但是,我认为所提供的功能
足够多(一个)人想要开始
视觉注意力领域(尤其是学生),(b)从业人员
谁听说过光谱方法,想试一试,然后呢
(c)的人只是需要一种快速、可靠、行之有效的视觉
卓越算法(用一个简单的接口,而不是太多
他们的应用程序的参数)。
——GBVS和Itti需要原始的GBVS Matlab实现
Harel j .(见harel http://www.klab.caltech.edu/ /分享/ gbvs.php)

更多细节的方法见:
[1]x侯和l .张“卓越检测:光谱残留
CVPR方法”,2007。
(原始论文)
[2]c .郭问:妈,和l .张”时空特点检测
使用四元数傅里叶变换的相位谱,”在CVPR,
2008年。
(扩展到四元数;剩余的重要性)
[3]x侯,Harel j . c .科赫”图像签名:高亮显示
2011年PAMI稀疏凸区域。”
(使用基于dct图像签名)
[4]b Schauerte和r . Stiefelhagen“预测人类的目光
四元数DCT图像签名凸起和人脸检测
IEEE计算机视觉的应用研讨会(WACV), 2012年。
(扩展到四元数;光谱特点和人脸检测;
眼球追踪数据光谱特点的评估方法;
取得当前最好的瑟夫/国际足联公布结果
眼球追踪数据集和多伦多/ Bruce-Tsotsos数据集)
[5]b Schauerte和r . Stiefelhagen Quaternion-based光谱
卓越检测眼睛固定预测,“在欧洲
计算机视觉大会),2012
(集成和评价DCT和FFT-based光谱特点
检测,四元数分量权重,使用多个
尺度;还介绍了EigenPQFT EigenSR;评估的
Bruce-Tsotsos(多伦多),贾德(麻省理工学院),和Kootstra-Schomacker
眼球追踪数据集)