显著性检测(saliency detection)评价指标之sAUC（shuffled AUC）的Matlab代码实现

以下是sAUC的Matlab代码实现：

function [score, shuffled_map] = sAUC(saliency_map, fixation_map, num_shuffles)

% saliency_map: 输入的显著图像
% fixation_map: 目标图像
% num_shuffles: 随机置换数量

saliency_map = im2double(saliency_map);
fixation_map = im2double(fixation_map);

% 将显著图像和目标图像转换为向量形式
saliency_vec = saliency_map(:);
fixation_vec = fixation_map(:);

% 计算AUC值
score = computeAUC(saliency_vec, fixation_vec);

% 生成随机置换
shuffled_map = zeros(size(saliency_map,1), size(saliency_map,2), num_shuffles);
for i=1:num_shuffles
    shuffled_fixation_vec = fixation_vec(randperm(length(fixation_vec)));
    [~,shuffled_map(:,:,i)] = computeAUC(saliency_vec, shuffled_fixation_vec);
end

% 计算shuffled AUC值
shuffled_score = zeros(num_shuffles, 1);
for i=1:num_shuffles
    shuffled_score(i) = computeAUC(saliency_vec, shuffled_fixation_vec);
end

% 计算sAUC值
score = (score - mean(shuffled_score)) / std(shuffled_score);

end

function [score, thresholded_map] = computeAUC(saliency_vec, fixation_vec)

% 计算ROC曲线
[~, ~, info] = vl_roc(fixation_vec, saliency_vec);

% 计算AUC值
score = info.auc;

% 将显著图像转换为二值图像
thresholded_map = zeros(size(saliency_vec));
thresholded_map(saliency_vec > info.eer) = 1;

end

使用方法：

1. 将以上代码保存为`sAUC.m`文件；
2. 在Matlab中加载显著图像和目标图像；
3. 调用`sAUC`函数计算sAUC值和随机置换的显著图像。

示例代码：

% 加载显著图像和目标图像
saliency_map = imread('saliency.jpg');
fixation_map = imread('fixation.jpg');

% 计算sAUC值和随机置换的显著图像
[num_shuffles, score, shuffled_map] = sAUC(saliency_map, fixation_map, 100);

其中，`num_shuffles`是随机置换的数量，`score`是sAUC值，`shuffled_map`是随机置换的显著图像。