颅骨面貌复原（简称颅面复原）是未知身源颅骨身份认定重要方法之一。颅面复原技术可以将人类学、法医学等相关领域知识进一步扩宽,受到国内外各学科的高度重视。但由于颅骨面貌数据较少,现有颅面复原方法获得面貌模型具有一定局限性。复原结果仅含有物理几何信息,缺纹理、睁眼状态等真实感信息,这些信息缺失均影响进一步颅骨身份识别。本文提出了一种基于对抗生成网络的P-GAN来重现逼真面貌,以及使用对抗自编码网络将真实感处理后的面貌图像进行年龄编辑,设计并开发了复原面貌真实感处理和年龄编辑原型系统。本文主要研究内容包括:（1）针对Pix2Pix（Image-to-Image Translation）网络复原面貌的真实感不足,本文基于Pix2Pix网络提出一种P-GAN网络将复原面貌进行真实感处理。在Pix2Pix基础上添加面貌约束网络P-net。其中面貌特征使用VGG16（Visual Geometry Group）提取,使用SE-Block（Sequeze and Excitation）加强网络收敛,使用Face++来挑选最相似样本。网络输入为复原面貌图像与真实人脸图像,Contrastive loss和Triplet loss结合作为损失函数。本文将复原面貌数据法兰克福校正与归一化后,输入P-GAN网络获取真实感复原面貌。实验结果显示,通过P-GAN的处理,复原面貌可以在保证身份唯一性下,提高复原面貌的真实感程度。实验结果通过Baidu Face API计算两张面貌图像的欧氏距离与余弦距离来判断复原面貌真实感处理后图像与本人真实图片的相似度,实验结果较Pix2Pix有显著提升。（2）针对复原面貌相对数据库中面貌年龄可能不一致,导致复原面貌匹配成功率低的问题,本文使用对抗生成网络与自编码器结合的对抗自编码网络。对抗自编码网络输入面貌图像、面貌年龄与目标年龄。编码器提取无关年龄特征信息,调制器将目标年龄特征调整为one-hot特征向量,解码器基于解码器输出与年龄特征进行重建目标年龄面貌图像,并对重建图像进行身份、情感和背景的保存率定量分析。（3）复原面貌真实感处理与年龄编辑系统的设计与实现。利用本文方法,设计并实现了复原面貌真实感处理与年龄编辑原型系统。实验结果表明,本系统可以将复原面貌图像有效逼近真实面貌图像,同时将真实感处理后复原面貌图像进行年龄编辑重建。