人脸识别作为生物特征识别技术的一种,在当今社会的智能建设中具有十分重要的价值。得益于计算机领域研究的飞速发展,人脸识别领域的研究也不断前进,许多问题得到解决,相关技术在人类日常生活中的应用也越来越广泛。但是,现如今许多人脸识别技术的应用都建立在大量训练样本的基础上,当样本数量十分有限时,识别率会降低。尤其是当训练样本库中每个个体仅有一张图像作为训练样本时,识别率显著降低,同时许多基于多样本的人脸识别算法将不再继续适用。而在一些特殊的应用场景下,比如执法机关对疑犯的追踪等,使得单样本人脸识别成为一个必须解决的难题。由此可知,单样本人脸识别作为人脸识别领域研究的一个分支,具有重要的研究价值和意义。本文针对光照影响下的单样本人脸识别进行研究,通过样本扩张的方法生成人脸的虚拟光照样本,通过大量识别实验验证虚拟光照样本的有效性,并对单样本人脸识别算法进行研究。利用单张正面标准光照下的人脸图像来生成许多不同光照条件下的人脸虚拟光照样本涉及计算机视觉,计算机图形学,数字图像处理等多个领域的理论与方法,具有很高的复杂性。生成的虚拟光照样本需要具有较高的真实感,本文提出了一个基于边缘保持滤波的人脸重光照模型,用该模型来从二维的角度生成人脸虚拟光照样本去扩充单训练样本库。本文在研究领域内公认的三个数据集上进行了大量的识别实验,定量地验证了虚拟光照样本生成的有效性。进一步地,为了充分利用生成的虚拟光照样本,本文提出一种使用于人脸虚拟光照样本的识别算法,基于光照预判的多光照判别流形分析。该方法对图像进行分块后,按照光照条件和语义信息进行分组,将训练样本库(包含生成的虚拟光照样本和单训练样本)中相同光照条件下的相同位置的图像块分为一组,视为一个流形。为每一组的图像块构建类内和类间的邻接关系,通过最大化类间图像块的距离,最小化类内图像块的距离来为每组图像块学习一个特征子空间。然后利用训练样本建立一个光照预判空间,利用该光照预判空间对测试样本做出光照预判。识别阶段采用k近邻分类器,结合测试样本的光照预判信息和个特征子空间内的识别结果,进行加权融合投票,得到最终的识别结果。通过在研究领域内公认的三个数据集上进行了识别实验,验证了本算法的优越性。