在进行单训练样本人脸识别时，基于每人多个训练样本的传统人脸识别算法效果通常不太理想。尤其是基于Fisher线性鉴别准则的一些方法，由于类内散布矩阵为零矩阵，根本无法进行识别。针对以上问题进行了分析研究，提出了一种新的样本扩充方法，即：采用位平面图像分解法，将每幅样本图像分解为8幅，进而通过各种合成策略构造多幅样本图像。使用一种更加稳定的二维最大散度差线性鉴别分析方法（2DMSLDA）对上面获得的新样本图像进行特征抽取。在ORL国际标准人脸库上进行的实验表明了所提算法的可行性和有效性。