視覚的注目度の問題を3つの観点から検討する。まず、注目度検出を周波数領域解析の問題として捉える。次に、{\it non-saliency}（非注目度）の概念を用いてこれを達成する。最後に、異なるサイズの注目領域の検出を同時に考慮する。本論文では、自然画像の振幅スペクトルのスケール空間解析を特徴とする新しいボトムアップ型パラダイムを提案する。適切なスケールのローパスガウシアンカーネルとの畳み込みが、このような画像注目度検出器と等価であることを示す。注目度マップは、元の位相と選択されたスケールでフィルタリングされた振幅スペクトルを使用して2次元信号を再構築することで得られる。この周波数領域での解析はハイパー複素フーリエ変換によって行われる。利用可能なデータベースを使用して、提案モデルが人間の視線データを予測できることを実験的に示す。また、新しい画像データベースを導入し、その注目度検出器が混雑した画像において小さな注目領域と大きな注目領域双方を強調し、繰り返し現れる分散要因を抑制できることを示す。さらに、人々が注意を集中させる注目領域を予測できる能力も示している。