当画廊集中每个人只有一个样本时，适用于许多训练样本的常规人脸识别方法效果不佳。 尤其是，由于类内散布矩阵是所有元素均为零的矩阵，因此许多基于Fisher线性判别准则的方法无法使用。 为了解决这个问题，提出了一种通过图像处理方法获得一张人脸的虚拟子图像的方法。 利用这些虚拟图像，可以评估类内散布矩阵，并且可以将诸如2D fisher线性判别分析之类的监督学习方法用于特征提取。 在ORL人脸数据库上的实验结果表明，该方法是有效的，并且比其他方法具有更高的识别精度。