年龄作为人体最基本的生物特征之一，此信息的获取是法医、刑事侦查、人口普查等领域经常遇到的一项工作。骨龄检测是目前运用较多和比较成熟的一种年龄推断方法，因为骨骼某阶段的发育状态通过X线表现出来的形态特征可以被辨认。然而，一旦骨骼发育成熟，特别是成年以后，其发育变化特征将不是很明显，甚至停止，对于成年人的年龄推断存在一定的局限性。因此，找到一种不依赖于骨骼的、无创简便的成年人年龄推断方法是非常有必要的，具有重要的实际应用价值。　　皮肤是人体最大的一个器官，其皮肤纹理中隐藏了大量的生物信息。本研究通过采用图像处理技术，对采集到的135例室内工作者的前臂皮肤图像进行纹理特征提取，建立年龄推断模型。首先，为了加快图像处理速度和改善图像质量，需对采集到的皮肤图像先进行预处理，包括裁剪、灰度化以及直方图均衡化；然后，对预处理后的图像进行特征提取，包括纹理图像的灰度空间结构特征以及皮肤纹理线的二维网格结构特征。　　(1)灰度空间结构特征：对预处理后的图像进行小波分解，将分解得到的1阶低频图像作为下一步求灰度共生矩阵的输入；最后将计算得到的在距离为10、方向为0度下的对比度、相关性、能量以及同质性作为本研究中皮肤纹理图像的灰度空间结构特征参数。　　(2)二维网格结构特征：为了获取皮肤纹理线，需要对预处理后的图像进行形态学增强、图像分割以及分水岭变换，然后对得到的皮肤纹理线进行网格标记，最终计算得到的网格数以及网格平均面积即为本研究中的二维网格特征参数。　　最后运用统计学方法将这些纹理特征参数与年龄进行相关性分析、多元回归分析，得出依据纹理多参数推断年龄的数学模型。　　实验结果表明，本方法中提取的皮肤纹理参数均与年龄有较高的线性相关性，经过线性回归分析得到的年龄推断的数学模型，其拟合度较好（男性：决定系数R2=0.681，女性：决定系数R2=0.720）。将统计分析得到的年龄推断模型测试于15例志愿者，所得年龄推断误差均在3岁以内，且其标准误差为±1.9岁，证明了本方法中的模型对于成年人年龄推断具备潜在应用的可能性，并且由于其操作简便、所需成本低，有望用于医学年龄的客观推断。