| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和现状 | 第11-14页 |
| ·对感兴趣物体的定义 | 第11-12页 |
| ·提取感兴趣的物体 | 第12-14页 |
| ·论文的研究目标和主要内容 | 第14-17页 |
| ·论文的结构安排 | 第17-18页 |
| 第二章 基于活动基模型的先验知识学习阶段 | 第18-39页 |
| ·活动基模型 | 第19-33页 |
| ·活动模板基的表示（Representation） | 第20-23页 |
| ·活动基模型的统计建模 | 第23-26页 |
| ·学习主动基模型 | 第26-30页 |
| ·基于活动基模型的物体检测算法 | 第30-33页 |
| ·基于活动基模型的先验知识的学习 | 第33-39页 |
| ·草图穿梭映射（Sketch Cross Map）：形状先验信息的利用方法 | 第34-35页 |
| ·区域覆盖映射（Region Cover Map）：平衡草图穿梭映射的方法 | 第35-36页 |
| ·表观先验的学习 | 第36-39页 |
| 第三章 基于统计推理方法的感兴趣物体的提取阶段 | 第39-61页 |
| ·感兴趣物体提取的贝叶斯建模 | 第40-41页 |
| ·基于统计推理的图像分割的背景知识 | 第41-46页 |
| ·图划分理论和图像分割 | 第41-43页 |
| ·统计马尔科夫链蒙特卡洛（MCMC）方法 | 第43-45页 |
| ·Metropolis-Hastings 算法 | 第45页 |
| ·基于Potts 模型的Swendsen-Wang 方法 | 第45-46页 |
| ·Swendsen-Wang Cuts 算法 | 第46-52页 |
| ·数据驱动（Data Driven） | 第46-48页 |
| ·Swendsen-Wang Cuts 算法 | 第48-52页 |
| ·二标签SWC 算法以及图像前景背景分割 | 第52-55页 |
| ·问题描述 | 第52-53页 |
| ·二标签Swendsen-Wang Cuts 算法 | 第53-54页 |
| ·图像前景分割的先验和似然模型示例 | 第54-55页 |
| ·从图像中提取感兴趣的物体 | 第55-61页 |
| ·初始检测：从图像中检测多个候选区域 | 第56-58页 |
| ·嵌入先验知识的感兴趣物体的统计分割推理 | 第58-61页 |
| 第四章 感兴趣物体提取的算法和实验 | 第61-69页 |
| ·感兴趣物体的学习和提取算法总结 | 第61-62页 |
| ·实验结果与分析 | 第62-69页 |
| ·实现技术 | 第63页 |
| ·数据集 | 第63-64页 |
| ·实验结果 | 第64-69页 |
| 第五章 总结与展望 | 第69-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77页 |
