近年来，生物特征识别技术得到了快速的发展，传统的身份识别技术（例如钥匙，门卡，身份证等等）已经不能满足人们提出的一些新的要求。传统的识别技术比较容易丢失，携带不够方便，而且比较容易被模仿。生物特征识别技术可以避免这些弊端。人体一些与生俱来的特征（例如人脸，指纹，掌纹，虹膜等等）或者一些行为特征（例如步态，语音等等）被应用于生物特征识别技术中，对个人身份进行识别。这些特征是个体与生俱来的，不存在携带不方便的问题，更不存在容易丢失的问题，也不容易被人模仿。本文的主线是基于向量描述的方法。一张掌纹图像是有很多像素点组成，图像中的这些像素点类似于一个矩阵，这个矩阵转换成一个列向量，然后基于这些向量，训练样本可以用来描述测试样本。基于向量描述的方法已经成功运用在人脸识别技术上，本课题将该方法应用在掌纹识别技术上，并且提出一些改进的方法，分别为特征空间中基于向量描述方法，竞争编码与基于向量描述方法的得分融合以及双模态下的基于向量描述方法。特征空间中基于向量描述方法主要是将掌纹图像由原始空间映射到特征空间，然后在特征空间中做基于向量描述方法。该方法的主要新颖点是可以将基于向量描述方法用在特征空间中以及映射函数参数的选择方法。竞争编码与基于向量描述方法的得分融合主要是将竞争编码提取到的局部纹理信息与基于向量描述方法提取到的掌纹全局信息融合在一起做识别。该方法的主要新颖点是全局信息与局部信息的融合。双模态下的基于向量描述方法主要是利用2D掌纹图像信息与3D掌纹图像信息做识别。该方法的主要新颖点是2D与3D的融合以及二者的融合方式。