人脸图像传递着很多重要的信息,如性别、肤色、种族、年龄等。对人脸图像的研究具有重要的意义和应用价值。近年来,研究者对人脸图像的年龄估计也进行了深入探索,并取得了较大的进展,但实验结果表明对人脸图像的年龄估计研究方法还未成熟。人脸面部的表情、姿态、饰物及光照条件等因素都制约着人脸图像年龄估计精度的提升。本文在国内外已有的研究基础上,在人脸图像的特征提取、年龄估计回归方法及特征空间的降维等方面做了大量的研究与实验,并取得了一定的效果。本文主要工作有以下几个方面：(1)人脸图像的定位。由于人脸年龄图像库中的图像大小不一、人脸面部所占的区域面积不一,采用基于Haar特征和AdaBoost算法的人脸自动检测算法对人脸年龄图像库中的图像进行预处理,提取相同大小的人脸图像形成新的图像库。有效地降低了图像中非人脸区域对人脸年龄估计的干扰,提高了估计的精度。(2)人脸图像纹理特征的提取。研究了近年来在图像处理、人脸识别等领域较为常用的局域二值模式和Gabor小波方法,组织了一系列的实验来验证对于人脸年龄估计适用的且效果较好的纹理特征。(3)人脸图像特征空间降维。本文应用在人脸识别等领域公认的效果较佳的主成分分析法,并结合分块直方图统计方法对得到的人脸原始特征进行降维,从时间消耗和年龄估计精度两方面进行分析和比较。(4)人脸图像的年龄估计。研究了目前在年龄回归中应用较多的支持向量机方法,采用了基于高斯径向基核函数的支持向量机回归的方法对人脸年龄估计。采用LOPO (Leave-One-Person-Out)策略对人脸年龄图像库训练和测试。本文通过实验验证了不同纹理特征对年龄估计的有效性、年龄估计方法的可行性。实验结果也表明,对人脸年龄图像库的测试达到了较高的估计精度和较合适的时间消耗。