掌纹识别具有识别精度高、速度快，采集设备造价低，用户体验舒适度高等优点，得到学术界的充分重视。掌纹识别在身份识别应用领域已经取得了一系列研究成果，但结合中医掌纹诊病理论的掌纹特征识别研究还是一个较新的领域。手掌上的纹路主要有主线、褶皱、乳突纹和其他细小纹路。主线和褶皱可以从低分辨率、较低质量的图像中提取出来的，它们的特征明显，特征区分能力强且稳定，所以主线和褶皱是掌纹身份识别的重要特征。而手掌上的一些较浅的褶皱线、乳突纹和其他细小纹路则会随着身体健康状况和日常生活习惯发生消长变化。特定形状的精细纹路出现在手掌上的特定区域意味着对应的内脏器官出现健康问题。因此，提取手掌上丰富的精细纹路特征并识别其形态对于掌纹自动诊病具有重大的意义。随着掌纹识别研究的深入，引入多光谱技术的掌纹识别获得学者们的重大关注。手掌皮肤在不同光谱下各有特点，可以通过融合特定波长光谱下的掌纹图像，获得更清晰丰富的手掌表面精细纹路的信息。本文的主要工作如下：设计多光谱掌纹采集台：我们设计了一个六个光谱的掌纹采集装置，能够准确的抓取手掌的同一区域的多个光谱下的图像，大大减少图像采集的误差；通过多光谱镜筒中的放大透镜组可以采集到放大的、更清晰的掌部细小纹路；可移动的多光谱镜头可以采集任意掌部区域的图像。使用这种针对掌部精细纹路采集而设计的多光谱掌纹采集装置采集并建立多光谱掌纹数据库，为精细纹路的提取和识别奠定基础。多光谱掌纹精细纹路的提取和识别：提出了非下采样轮廓波变换(NSCT)与数学形态学处理相结合的掌纹精细纹路特征提取算法，有效地提取出大量细小的纹路；在多光谱特征融合阶段，采用改进的特征级融合算法，该算法先对单光谱的纹路特征增强，再用融合规则进行多光谱的特征融合；在识别异常纹阶段，采用基于模板匹配和邻域编码的算法识别交叉形异常纹；为了确定异常纹路在手掌上的位置，本文使用改进的SIFT拼接算法拼接出全手掌图像，结合中医手诊理论定位九个区域，预测身体可能发生的疾病。