在显著性检测方面，假设现有三种方法（DSR，GMA，MCA）检测标准数据库中的部分图像（还有原图与真值图），分别得到三种结果，如何求三种方法与真值图之间的MAE（平均绝对误差），并绘制PR-curve曲线图呢？并用matlab实现

首先，我们需要计算三种方法与真值图之间的MAE。假设三种方法分别得到的结果为DSR、GMA和MCA。设原图为I，真值图为GT，DSR、GMA和MCA分别得到的结果为R_DSR、R_GMA和R_MCA。则三种方法与真值图之间的MAE分别为：

MAE_DSR = 1/(M*N) * Σ|GT(i,j) - R_DSR(i,j)|
MAE_GMA = 1/(M*N) * Σ|GT(i,j) - R_GMA(i,j)|
MAE_MCA = 1/(M*N) * Σ|GT(i,j) - R_MCA(i,j)|

其中，M和N分别为图像的高度和宽度，i和j为像素点的坐标。

接下来，我们需要绘制PR-curve曲线图。假设我们已经得到了三种方法的结果，以及对应的真值图，我们可以按照以下步骤进行绘制：

1. 计算三种方法的Precision和Recall值。

Precision_DSR = TP_DSR / (TP_DSR + FP_DSR)
Recall_DSR = TP_DSR / (TP_DSR + FN_DSR)

其中，TP_DSR表示DSR方法正确检测出的显著区域数，FP_DSR表示DSR方法错误检测的显著区域数，FN_DSR表示DSR方法未能检测出的显著区域数。GMA和MCA的Precision和Recall值可以按照同样的方法计算。

2. 绘制PR-curve曲线图。

在Matlab中，我们可以使用plot函数绘制PR-curve曲线图。具体实现代码如下：

% 计算Precision和Recall值
Precision_DSR = TP_DSR / (TP_DSR + FP_DSR);
Recall_DSR = TP_DSR / (TP_DSR + FN_DSR);
Precision_GMA = TP_GMA / (TP_GMA + FP_GMA);
Recall_GMA = TP_GMA / (TP_GMA + FN_GMA);
Precision_MCA = TP_MCA / (TP_MCA + FP_MCA);
Recall_MCA = TP_MCA / (TP_MCA + FN_MCA);

% 绘制PR-curve曲线图
plot(Recall_DSR, Precision_DSR, 'r-', Recall_GMA, Precision_GMA, 'g-', Recall_MCA, Precision_MCA, 'b-');
xlabel('Recall');
ylabel('Precision');
title('PR-curve');
legend('DSR', 'GMA', 'MCA');

在以上代码中，我们使用了plot函数分别绘制了三种方法的PR-curve曲线，并使用xlabel、ylabel和title函数添加了相应的图像标签。最后，我们使用legend函数添加了曲线的图例。