人脸在人类社会的交流中作为信息传递的最直接窗口起着至关重要的作用,而在现代信息化技术发展的时代,如何使用计算机自动处理二维人脸是一个广受关注的研究课题,并且其结果具有直接而广泛的应用前景。但由于人脸本身独特的生理学几何特征非常复杂,所以利用计算机直接学习二维人脸变换是一个需要大量严格训练样本和极高计算复杂度的过程。因此本文提出基于最大后验概率和子空间学习的方法,使用小规模训练集学习二维人脸年龄和色彩的变换,并模拟二维人脸的衰老过程和恢复灰度人脸图片的真实色彩。对于学习二维人脸年龄变换的过程,一个理想的训练集应该包含许多不同人的各个成长阶段的照片,这样我们能够针对不同的人脸身份特征学习其衰老过程。然而这样理想的训练集通常是难以获得的,因此文中提出了一个最大后验概率的框架,通过全局几何变换和局部纹理变换两部分模拟年老化人脸,并使用Sparse Coding学习纹理特征子空间以避免维度灾难,最终认为模拟的年老化人脸相对于输入人脸的条件概率达到最大时,该模拟的衰老人脸是最有可能的结果。而对于灰度二维人脸图片转换为真实色彩的这样的逆转换问题其实质相当于一个缺失数据恢复问题：从1维的数据空间中恢复3维的数据。显然直接计算颜色的逆转换是不可行的,因此文中提出一种基于最大后验概率的预测技术并使用基于局部性约束的子空间学习方法来,尽可能拟合原始数据的分布,进而建立全局能量模型,将逆转换问题转变为优化问题。然后通过能量最小化的过程,最终确定应当恢复的人脸色彩。同时两个二维人脸变换的相关实验都能说明文中所提出的方法相对于已有方法不论在质量还是速度上,都有显著的进步。