Cuando se adquieren imágenes para el reconocimiento de venas de los dedos, a menudo se adquieren imágenes con falta de uniformidad de iluminación debido al grosor variable de los dedos o a elementos con intensidad de iluminación no uniforme. En consecuencia, el rendimiento de reconocimiento se reduce significativamente, ya que las características que se reconocen están deformadas. Para abordar este problema, estudios previos han utilizado métodos de preprocesamiento de imágenes, como la normalización de escala de grises o métodos de fusión a nivel de puntuación para múltiples modelos de reconocimiento, lo que puede mejorar el rendimiento en imágenes con un bajo grado de falta de uniformidad de iluminación. Sin embargo, el rendimiento no puede mejorarse drásticamente cuando ciertas partes de las imágenes están saturadas debido a un grado severo de falta de uniformidad de iluminación. Para superar estas desventajas, este estudio propone un nuevo generador adversarial para la normalización de iluminación de imágenes de venas de los dedos (INF-GAN). En el INF-GAN, se genera una imagen de un canal que contiene información de textura a través de un bloque de generación de imagen residual, y se restaura la información de textura de las venas de los dedos deformada por la severa falta de uniformidad de iluminación, mejorando así el rendimiento de reconocimiento. El método propuesto utilizando el INF-GAN mostró un mejor rendimiento en comparación con los métodos de vanguardia cuando se realizó el experimento utilizando dos bases de datos abiertas, la base de datos de imágenes de dedos de la Universidad Politécnica de Hong Kong versión 1 y la base de datos de venas de los dedos de rasgos multimodales homólogos de la Universidad de Shandong.