生物特征识别是利用人体固有的生理特征或行为特征进行身份鉴别的一种安全认证技术。在生理特征方面,指纹、掌纹、虹膜等特征已经成为了主流的生物特征被广泛应用。这其中,掌纹特征由于其自身的易于提取,不易损伤等特点而越来越受到关注。掌纹识别技术的研究兴起于上世纪九十年代,在近十年中经过不断的深入研究和发展,得到了广泛的应用。由最初的传统的掌纹识别方法,发展出了3D掌纹识别,非接触式掌纹识别,以及多光谱掌纹识别等多种方法。其中多光谱掌纹是利用了手掌皮肤对不同波长的光谱的吸收和反射率不同这一特点进行特征的提取和识别,从而获得更丰富的掌纹特征以达到提高识别效果的目的。在多光谱掌纹识别中,多个光谱的融合是该技术的重点,如何充分利用多个光谱的信息从而达到提高识别精度是目前有待解决的问题。在早年的关于多光谱掌纹识别的研究中,多光谱掌纹被看做多生物特征,并用一些融合机制来进行特征提取和匹配。然而,这样会导致在得分层和决策层融合时的信息丢失。为了避免这种损失,在我们的研究中,我们提出了用四元数模型来表示多光谱掌纹的方法。四元数是对复数的扩展,能够用一个四元数表示一个四维的空间。在我们的多光谱掌纹系统中,一次采集到的样本包含四幅在不同光谱下采集到的图像,这四幅图像刚好可以构成一个四元数矩阵。我们的掌纹模型就是建立在这个基础上,并引入了主成分分析法(PCA)和离散小波变换(DWT)的方法,在四元数基础上进行改造,形成新的四元数主成分分析(QPCA)和四元数离散小波变换(QDWT)方法。在采集到的多光谱掌纹样本库上,我们应用QPCA和QDWT来提取掌纹的QPCA特征和QDWT特征这两种特征,计算每一种特征之间的Euclidean距离,然后进行了得分层的融合,对于融合后的结果用最近邻分类器来进行分类。经过大量的实验,我们发现使用四元数模型可以获得更高的识别精度。对于给定的从500只手掌上采集到的3000组测试样本,识别精度可以达到98.83%