1.基于改进mLBP的单样本人脸识别方法，其特征是该方法包括以下步骤：步骤1：通过预处理获取单张标准的人脸图像，并对人脸图像进行横向分块；

步骤2：在步骤1的基础上计算各横向子块改进mLBP子直方图；

步骤3：根据各横向子块的局部图像信息熵对每个子块的改进mLBP子直方图进行自适应加权；

步骤4：连接各子块的自适应加权直方图作为最终样本图像的特征向量，送入分类器识别。

2.根据权利要求1所述基于改进mLBP的单样本人脸识别方法，其特征是步骤2包括以下步骤：步骤2.1：对各横向子块的像素点按8个不同的空间模块来保存人脸面部的几何特征，以该像素点的像素值作为阈值，对横向子块进行二值化编码，得到一个8位二进制数：步骤2.2：将该8位二进制数转换成十进制数，得到各横向子块像素点的mLBP特征值：步骤2.3：计算各子块的mLBP子直方图：其中，i＝1，2，…，q，q为分块的个数，Ii(x，y)代表第i块横向子图。

3.根据权利要求1所述基于改进mLBP的单样本人脸识别方法，其特征是步骤3包括以下步骤：步骤3.1：通过一个滑动的窗口求取窗口中心点的局部信息熵，每一个像素点的熵定义为：Hlocal(Ii(x，y))＝H(F(x，y)w)其中，H()表示图像熵函数，(x，y)表示每个像素的位置，F(x，y)w代表以(x，y)为中心滑动可变窗口的子图像；

步骤3.2：根据各横向子块每个像素点的局部信息熵的熵值，计算分块后的子图像的纹理贡献度：其中，对于维数为M×N的图像I，Q＝M/q，q为分块数；

步骤3.3：计算自适应加权mLBP子直方图：