随着人机交互技术（HCI）的发展，在图像处理、模式识别及计算机视觉等领域中已经对人脸图像展开了广泛的研究。有关人脸表情、性别、年龄、种族等各类识别问题成为研究热点。人脸图像的年龄估计因具有潜在的价值，作为一个比较有挑战性课题，引起了越来越多的研究者关注。本文主要研究了人脸年龄的特征提取以及处理方法。在特征提取阶段，分析研究了使用局部二值模式（local binary mode LBP）进行年龄纹理特征提取，并对其改进的算法进行了分析与讨论，采用分块的方式，分别统计各个分块LBP模式。在特征提取后，为减少非年龄因素的影响，利用已知类别信息，对提取后的数据进行了调整，从而减小类内距，加大类间距，提高人脸图像年龄识别的准确率。在特征降维阶段，本文分析了常用的降维算法即主成分分析法（PCA），针对其线性降维的缺点和在降维过程中，因从全局角度选择主要成分，造成丢失了小的成分，而这些小的成分对年龄识别比较重要的问题，采用了改进的算法Sp-PCA算法。Sp-PCA分块进行PCA降维，保留了局部重要信息，并因其分块并行计算，提高了计算以及识别性能。本文的主要工作以及创新主要有：(1)研究了对年龄局部纹理特征提取方法局部二值模式（LBP），分析讨论扩展的LBP算子模式，采用分块的方式提取年龄特征。(2)使用相关成分分析法（RCA）进行年龄特征提取后矩阵的调整，利用先验知识提高人脸图像年龄识别的准确率。在数据降维阶段采用Sp-PCA算法进行数据降维，在提高计算速度的同时，保留了年龄局部有效信息。本文的实验结果显示，与其他算法的相比，本文提出的使用LBP特征提取结合RCA矩阵调整以及Sp-PCA算法，提高了年龄识别准确度。