As one of the biometric information based authentication technologies, finger vein recognition has received increasing attention due to its safety and convenience. However, it is still a challenging task to design an efficient and robust finger vein recognition system because of the low quality of the finger vein images, lack of sufficient number of training samples with image-level annotated information and no pixel-level finger vein texture labels in the public available finger vein databases. In this paper, we propose a novel CNN-based finger vein recognition approach with bias field correction, spatial attention mechanism and a multistage transfer learning strategy to cope with the difficulties mentioned above. In the proposed method, the bias field correction module is to remove the unbalanced bias field of the original images by using a two-dimensional polynomial fitting algorithm, the spatial attention module is to enhance the informative vein texture regions while suppressing the other less informative regions, and the multistage transfer learning strategy is to solve the problem caused by insufficient training for CNN-based model due to lack of labeled training samples in the public finger vein databases. Moreover, several measures, including a label smoothing scheme and data augmentation, are exploited to improve the performance of the proposed method. Extensive experiments have been conducted in the work on three public databases, and the results show that the proposed approach outperforms the existing state-of-the-art methods.

中文翻译：

---

基于空间注意力和偏置场校正的深度卷积神经网络的鲁棒指静脉识别

作为基于生物特征信息的身份验证技术之一，手指静脉识别因其安全性和便利性而受到越来越多的关注。然而，由于指静脉图像质量低、缺乏足够数量的具有图像级标注信息的训练样本以及没有像素级指静脉纹理，设计高效、鲁棒的指静脉识别系统仍然是一项具有挑战性的任务。公开可用的手指静脉数据库中的标签。在本文中，我们提出了一种新的基于 CNN 的手指静脉识别方法，该方法具有偏置场校正、空间注意机制和多阶段迁移学习策略，以应对上述困难。在建议的方法中，偏置场校正模块是通过二维多项式拟合算法去除原始图像的不平衡偏置场，空间注意模块是增强信息丰富的静脉纹理区域，同时抑制其他信息较少的区域，以及多级转移学习策略是为了解决由于公共手指静脉数据库中缺乏标记的训练样本而导致基于 CNN 的模型训练不足的问题。此外，还采用了几种措施，包括标签平滑方案和数据增强，以提高所提出方法的性能。在三个公共数据库的工作中进行了广泛的实验，结果表明，所提出的方法优于现有的最先进方法。空间注意力模块是增强信息丰富的静脉纹理区域，同时抑制其他信息较少的区域，多阶段迁移学习策略是解决基于CNN的模型由于缺乏标记的训练样本而导致训练不足的问题。指静脉数据库。此外，还采用了几种措施，包括标签平滑方案和数据增强，以提高所提出方法的性能。在三个公共数据库的工作中进行了广泛的实验，结果表明，所提出的方法优于现有的最先进方法。空间注意力模块是增强信息丰富的静脉纹理区域，同时抑制其他信息较少的区域，多阶段迁移学习策略是解决基于CNN的模型由于缺乏标记的训练样本而导致训练不足的问题。指静脉数据库。此外，还采用了几种措施，包括标签平滑方案和数据增强，以提高所提出方法的性能。在三个公共数据库的工作中进行了广泛的实验，结果表明，所提出的方法优于现有的最先进方法。而多阶段迁移学习策略是为了解决由于公共手指静脉数据库中缺乏标记的训练样本而导致基于CNN的模型训练不足的问题。此外，还采用了几种措施，包括标签平滑方案和数据增强，以提高所提出方法的性能。在三个公共数据库的工作中进行了广泛的实验，结果表明，所提出的方法优于现有的最先进方法。而多阶段迁移学习策略是为了解决由于公共手指静脉数据库中缺乏标记的训练样本而导致基于CNN的模型训练不足的问题。此外，还采用了几种措施，包括标签平滑方案和数据增强，以提高所提出方法的性能。在三个公共数据库的工作中进行了广泛的实验，结果表明，所提出的方法优于现有的最先进方法。