人脸图像与年龄关系的研究是人像处理领域的重要课题，该研究具有重要的科学意义和实用价值。经过多年的发展，在人脸年龄变化研究方面已经取得了很大的进步，但实践和经验表明人脸年龄变化的研究还远未成熟。本文在国内外已有的研究基础上，在年龄估计、人脸年龄图像重构方面做了大量的研究与实验，并达到了一定的效果。本文主要工作有以下几个方面：(1)采用了一种基于局部纹理约束的鲁棒AAM拟合算法，在一定程度上解决了收敛速度慢的问题，主要增强了细节部分定位的准确性，并且实现了对背景干扰的鲁棒，相比原有的算法具有更快、更准确的性能。大大提高了特征点标注的速度和准确度，从而能有效的提取人脸特征来进行年龄估计和人像重构。(2)提出了一种新的分类器—基于模糊加权预处理的人工免疫识别系统，人工免疫识别系统是一种新型的人工免疫监督学习算法；本文将模糊加权预处理与人工免疫识别系统相结合形成了一种新的改进后的分类器，进一步提高了分类器的准确率。通过对人脸特征按年龄进行分类，从而实现根据人脸图像来估计年龄的目的。(3)采用了从人脸形状与纹理两个方面重建人脸的方法。提出了一种Boosting RBF神经网络来逼近各个年龄段人脸形状的变化函数，从而实现了人脸形状随年龄变化的预测，采用一种改进的纹理变换方法来模拟人脸纹理随年龄变化的过程，新的纹理变换方法更大程度的保留了人脸年龄信息包括皱纹、斑点等，使得人脸年龄图像重建的效果更加逼真。本文通过大量的实验证明了方法的有效性，建立了人脸老化年轻化的仿真系统，通过系统相关操作直接从视觉上判断论文方法的具有了一定准确性。