人脸特征随着年龄变化而变化，会严重影响人脸识别的性能。提出一种基于Transformer的跨年龄人脸识别方法，首先通过改善的T2T-ViT模型提取人脸年龄和身份混合特征，然后通过残差因子分解获取人脸年龄特征和身份特征，再使用线性特征分解的去相关对抗式学习算法对人脸的年龄特征和身份特征去除相关性，从而实现年龄抗干扰性的人脸识别。相比基于卷积神经网络的DAL和MTLFace方法，所提方法在参数量、multiply-add operations（MACs）和计算耗时上均有明显降低，同时在基准数据集AgeDB-30、CACD_VS、CALFW、LFW上取得了相媲美的准确率，证明了所提方法的有效性。

年龄变化是影响人脸识别模型性能的主要原因之一，为解决年龄变化所带来的模型识别率低的问题，提出了一种基于深度学习的跨年龄卷积神经网络模型（CA-CNN）用于跨年龄人脸识别。首先，利用卷积神经网络提取人脸图像中的深度人脸特征；然后，提出一种高效的卷积注意力模块从深度人脸特征中获取年龄特征，并结合多层感知机和多任务监督学习，将深度人脸特征非线性分解为年龄特征和身份特征；最后，为了更好地区分身份特征和年龄特征，提出了一种批核典型相关性分析模块对分解后的身份特征和年龄特征进行相关性分析。经过对抗性学习训练后，相关性最小化，实现了跨年龄人脸识别。所提模型在MORPH Album 2数据集上的rank-1识别准确率达到了99.03%，在CALFM数据集上的人脸验证等错率为9.8%，表明了所提模型的有效性。

针对人脸识别与年龄估计系统中的环境光照问题，提出了一种基于多任务卷积神经网络的变化光照下人脸识别与年龄估计的方法。所提方法提高了可变光照下人脸图像的识别率和年龄估计的准确率。采用YCbCr颜色空间的Retinex图像增强算法提高人脸识别和年龄估计精度，并进行了3种距离10种调光等级下的人脸识别与年龄估计实验。实验结果表明，与原图相比，利用改进后方法得到的人脸图像的识别率均有提升，年龄估计的平均绝对误差均有所下降。在调光等级为40%、距离为1，2，3 m时，人脸识别率分别提升了3个百分点、19个百分点、25个百分点，年龄估计的平均绝对误差分别下降了1.20、2.99、2.00。同时，在研究中发现，当未增加图像增强算法的人脸图像灰度均值在50.18以上时，人脸识别与年龄估计效果较好。当低于该值时，则需要增加图像增强算法来提高人脸识别与年龄估计的精度。在增加图像增强算法后，当人脸图像灰度均值在56.61以上时，人脸识别与年龄估计效果较好且视觉效果和图像质量均更好。

精确的血迹的年龄估计在刑侦法医鉴定中有着重要的意义。 构建了以8个LED为照明光源、 以黑白CCD相机为成像单元的可见-近红外多光谱成像系统, 利用以k最近邻算法、 支持向量机算法和随机森林算法为基模型的融合模型分析预测血迹年龄, 研究了利用可见-近红外反射多光谱精确估计人体血液年龄的可行性, 并与前人利用高光谱进行血迹年龄预测的研究结果进行了对照, 还检验了血液特异性对模型的影响。 实验记录了11个人体血液样本在1～20 d的在400～940 nm之间的8个波长通道的图像, 使用标准正态变换校正(SNV)对光谱进行预处理, 以消除基线平移和散射作用带来的样本光谱差异。 随机选择经过预处理后的7个样本用作训练集以建立模型, 剩余的4个样本用作测试集以验证模型, 建立了基于k最近邻算法、 支持向量机算法和随机森林算法的融合模型, 并与k最近邻算法模型, 支持向量机算法模型, 随机森林算法模型进行比较, 结果显示融合模型的实验结果更好。 基于该融合模型得到的实验结果为： 0~2 d之间预测样本的正确分类率(CCR)为80％, 平均误差为0.053 d, 2~20 d之间预测样本的CCR为69%, 平均误差为0.442 d, 与利用高光谱获得的结果相当甚至更好。 为测试该方法的适用性, 检验了血液特异性对本模型的影响, 实验样本取自8个不同捐献者的20个血迹, 将其中4个捐献者的10个样本加入原有模型, 另外4个捐献者的10个样本作为测试集以检验血液特异性对模型影响。 实验结果为： 在0~2 d之间的CCR为75.6%, 平均误差为0.063 d, 2~20 d之间预测样本的CCR为65.6%, 平均误差为0.467 d。 CCR无显著降低, 表明该模型对不同来源的血迹样本, 仍然有着较好的适应性。 与采用高光谱的研究结果相比, 多光谱结合模型融合算法同样可以获得较好的血迹年龄估计结果, 并具有结构简单, 成本低廉, 稳定性好的优点, 有望成为一种高精度的血迹年龄预测手段, 在法医学领域中有重要应用前景。

翡翠产自与俯冲作用相关的HP/LT变质区域, 对俯冲作用的研究具有重要意义。 锆石常用来确定岩石的年龄, 可以用于翡翠成因和形成时代的研究。 缅甸是世界上优质翡翠最主要的产地, 锆石是缅甸翡翠中常见的副矿物。 选择含锆石较多的缅甸翡翠原石, 对晶形较好的大颗粒锆石运用阴极发光(CL)图像观察锆石中颜色的分布和韵律环带形态的变化, 并根据CL图像特征进一步采用激光剥蚀电感耦合等离子体质谱仪(LA-ICP-MS)对锆石的微量元素和U-Pb年龄进行测定。 结果表明具不同颜色和韵律环带形态的锆石, 其微量元素分布有一定的差异, 但总体却表现为: 锆石的标准化球粒陨石稀土配分显示轻稀土元素(LREE)亏损, 重稀土元素(HREE)富集, 有明显的Ce(Ce/Ce*=19.2～74.2)正异常和微弱的Eu(Eu/Eu*=0.49～0.72)负异常。 稀土元素总含量(∑REE)高(810～3 984 μg·g-1), (Yb/Sm)N值为23.1～195.1(大部分值小于100)； Th/U比值为0.28～1.18。 研究锆石属于岩浆锆石, 形成于俯冲带上覆地幔楔的镁铁质玄武岩浆之中, 这类岩浆是陆下地幔橄榄岩受到俯冲过程中释放的流体作用部分熔融形成的。 Ti温度计显示锆石的形成温度为762～923 ℃。 锆石的206Pb/238U年龄为(157.3±1.3)Ma, 这一年龄为锆石的形成时间。 CL图像显示锆石中颜色的分布和韵律环带形态的变化与锆石的形成时间无关, 是锆石中微量元素差异分布造成的, 反映了锆石形成过程中岩浆熔体成分的动态演化。

为了比较不同年龄段观察者的颜色色差评价差异, 研究视网膜锥细胞光谱响应分布差异, 基于灰色、棕色、蓝绿色、蓝色和紫色5个目标色, 共制作20对近同色异谱色样对。基于心理物理实验中的比较法, 对30名18~25岁和26名60~74岁观察者开展色差大小比较实验。结果表明, 不同年龄段观察者对20对近同色异谱色样对的色差大小表现出不同的评价规律, 所评估的目视色差呈负相关(协方差相关系数为-0.18), F检验差异显著。对灰色、棕色和蓝绿色的评价呈负相关(协方差相关系数分别为-0.99、-0.96、-0.84); 对蓝色和紫色的评价呈正相关(协方差相关系数分别为0.99、0.80)。

为了检验各颜色匹配函数(CMFs)计算不同年龄观察者锥细胞响应的表现, 利用比较法实验得到56名观察者对5个色中心的20对近同色异谱色样对目视评价色差数据, 与不同颜色匹配函数比较, 分别计算标准化残差平方和因子与相关系数。结果表明, 各颜色匹配函数测试不同年龄段观察者的结果差异较大。对年轻观察者, S2, S6表现较好, CIE1931的计算结果较差；而对老年观察者, CIE1931表现较好, CIE1964的计算结果较差。选用CIE1964颜色匹配函数优化D65光源照明下不同年龄段观察者锥细胞响应, 优化后的CIE1964计算性能有所提高；同样, 检验LED光源照明下的实验结果, 测试性能也有所提高。

激光回波强度为点云数据的一种属性信息, 是目标对发射激光光束后向散射回波的光功率, 可以反映目标物体的表面特性。毛竹表面特征由其生理生长特性决定, 通过分析激光回波强度信息, 构建不同年龄竹秆的节间与激光回波强度的关系模型, 比较不同年龄毛竹拟合激光回波强度与实测激光回波强度的均方根误差, 以此判别毛竹的年龄, 并验证分析模型精度。结果表明：不同年龄和不同节间毛竹竹秆激光回波强度差异性显著, 节间内激光回波强度的差异性不明显; 该方法判别年龄的准确率达到92.5%, 地面三维激光扫描技术可为快速测算毛竹生物量提供竹龄参数。