Hoy en día, el reconocimiento de la palma de la mano se ha desarrollado bien ya que han surgido muchos algoritmos prometedores. Los palmprints también se han aplicado en varios escenarios de autenticación. Sin embargo, estos enfoques están diseñados y probados solo cuando las imágenes de registro y las imágenes de prueba se toman bajo la misma condición de iluminación; por lo tanto, se especula una degradación del rendimiento cruz-espectral. Por lo tanto, probamos el rendimiento cruz-espectral del vector de co-ocurrencia de orientación binaria extendida (E-BOCV), que es insatisfactorio, lo que ilustra la necesidad de un algoritmo específico. Tratando de lograr el reconocimiento cruz-espectral de la palma de la mano con traducción de imagen a imagen, hemos hecho esfuerzos en los siguientes dos aspectos. Primero, introducimos un esquema para evaluar las imágenes de diferentes espectros, que es una base confiable para la determinación de la dirección de traducción. En segundo lugar, en este documento, proponemos una red neuronal convolucional de traducción de palma de la mano (PT-net) y se prueba el rendimiento de la traducción de NIR a azul en el conjunto de datos multispectral de PolyU, lo que logra una disminución del 91% en el error Top-1 utilizando E-BOCV como marco de reconocimiento.