模糊人脸图像增强系统：本科毕设从任务定义到落地避坑指南

简介：基于深度学习的模糊人脸图像增强系统本科毕业设计资料包，面向计算机视觉、深度学习方向的高年级本科生及入门研究者，针对模糊人脸图像去模糊问题，提供从数据预处理、网络模型设计到训练验证与部署的完整方案。资源共二十个文件，以脚本源码为主，包括九个脚本文件和六个编译文件，并附有模型结构示意图、测试图像、配置文件及说明文档，压缩包仅三百六十二KB，轻量便于快速上手。其中核心模块完成人脸图像的清晰化处理，测试脚本支持运行验证，目录结构清晰。从数据准备到模型评估均有代码与记录支撑，便于二次开发。目前已有七十四人学习使用，适合作为毕业设计参考或项目复现，可帮助读者理解去模糊任务的工程实现、数据组织方式和训练流程。

1. 模糊人脸图像增强系统，本科毕业设计选这个题要提前盯住哪些点

如果你正在准备深度学习方向的本科毕业设计，又不想只做一个“调参跑通MNIST”式的项目，那么模糊人脸图像增强这个题是性价比很高的选择：它同时踩中图像超分辨率、去模糊、人脸识别三个热门技术点，训练数据可以自己造，效果好坏肉眼可见，答辩时也容易讲清楚。

但这道题真正难的地方不是“把网络跑起来”，而是把任务定义清楚：一幅低分辨率、运动模糊、带噪声的人脸，如何恢复成五官可辨认、身份不漂移的清晰图像。很多学弟学妹做到一半发现，PSNR涨了但人脸依旧“糊得像另一个人”，就是因为一开始没把退化模型、评价指标和数据集设计当成一个整体来做。这篇笔记按我自己带毕设的经验，把从选型到落地的完整路径拆开讲，重点放在每一步的边界条件和可复现操作上。

2. 先定任务边界：人脸增强不是通用超分，指标得分层看

2.1 退化模型与任务定义：先想清楚“模糊”是谁造成的

很多人拿到题目第一反应是直接套超分网络，其实人脸图像增强要解决的是一个复合退化问题。常见的成像退化可以用一句话表示：高分清晰人脸 x 经过模糊核 k 卷积，再下采样，再加噪声，得到低分模糊观察图 y。写成式子就是 y = (x ⊗ k) ↓s + n。这里面有四个未知量：模糊核类型、下采样倍数 s、噪声标准差 n、以及 x 本身。网络要做的事就是从 y 反推 x，但这道题天然是病态的——同一个 y 可能对应无数个 x，所以必须给模型强加先验：人脸五官的结构先验、图像纹理先验、或身份一致性先验。

这个任务和通用超分最大的区别在于：人脸有强结构约束。眼睛、鼻子、嘴角的位置关系几乎固定，哪怕低分辨率到 32x32，人眼也能隐约判断“这是不是一张脸”。所以增强网络能不能利用这种结构先验，是比纯粹提升像素精度更关键的评价点。我一般会在开题报告里把问题拆成三级：图像级增强（纹理、边缘）、语义级修复（五官锐化）、身份级保持（增强前后是同一个人）。毕设能做到前两级已经很扎实，第三级通常作为验证手段而不一定进损失函数。

2.2 毕业设计指标怎么选：PSNR、SSIM、LPIPS和身份相似度的分工

答辩时老师最爱问一个问题：“你这个系统效果比别的方案好，好在哪里？”。如果只答“PSNR高了0.3dB”，很容易被追问“人眼根本看不出区别”。我的建议是把指标分为三档，分别对应不同层面的说服力。

就我个人经验，毕设论文里最稳的组合是：主指标用 LPIPS + SSIM，辅助用 PSNR，另加一张“真实模糊照片增强前后的人脸识别距离”表。合成测试集上 PSNR 高不算本事，因为退化参数和训练时是同一分布，模型可能只是记住了映射；真实模糊照片上的身份相似度才是系统落地的证据。

2.3 对比试验怎么做才不被答辩老师问倒

对比实验是本科毕设最容易翻车的环节，常见问题是：不同模型用了不同的训练集、不同的退化参数，甚至输入尺寸不一致，然后直接比指标。这种对比赛道里最基础也最重要的原则是控制变量。我一般在实验设计上固定三样东西：同一份训练/验证划分，同一套退化参数脚本，同一批测试图像。然后在这个前提下，基线按四档来选：传统插值（Bicubic）、简单CNN（SRCNN或ESPCN）、主流GAN（SRGAN/ ESRGAN风格）、以及自己改进的网络。

“深度学习对比试验怎么做”这件事，实际操作上有两个容易被忽略的细节。第一，所有对比模型必须用相同补丁尺寸和相同batch训练，否则谈不公平；第二，测试时必须分合成数据和真实模糊数据两套，有些模型合成数据指标高，真实照片上直接崩。答辩时可以拿这两套结果的差距来讲“鲁棒性“，这比堆一堆涨点更有说服力。

3. 数据集与预处理：先把“输入-输出对”制造明白

3.1 选数据集的三条标准：数量、人脸对齐、授权干净

人脸增强训练需要成对的清晰/模糊图像，公开数据集中没有直接现成的“清晰-模糊”对，所以要自己合。数据集选择上我习惯按三条标准筛：一是数量足够，至少一万张以上的人脸图，太少GAN会训练崩；二是人脸尽量正脸或轻角度，避免模型把侧脸也强行拉正；三是授权干净，尽量选学术用途明确的数据集。常见做法是用CelebA-HQ或FFHQ作为清晰HR来源，再用退化脚本生成LR。如果机器配置一般，可以先从CelebA抽 20000 张做训练，验证集单独抽 1000 张，保证训练集和验证集的人脸身份不重叠，否则验证指标会虚高。

这里要给一个容易被忽略的提醒：很多人造数据时直接把整张 1024x1024 图缩到 256x256，但人脸增强实际使用时输入往往是裁剪好的人脸框。所以我会在预处理阶段用OpenCV的人脸检测器先框出人脸，再对齐到统一尺寸。对齐这一步能显著降低训练难度，因为不用让网络额外学习人脸位置变化。

3.2 造退化样本的代码：模糊核、下采样、噪声一起上

造退化样本的脚本是整个项目的地基，我提供一个可以直接用的版本。它模拟的是“先光学模糊，再传感器下采样，再叠加噪声”的完整链路。

# build_pairs.py import cv2 import numpy as np def degrade_image(img, kernel_size=15, sigma=2.0, scale=4, noise_std=5): # img: 0-255范围的BGR图像 # 1. 生成二维高斯模糊核并卷积，模拟镜头失焦/运动模糊的近似效果 kernel_1d = cv2.getGaussianKernel(kernel_size, sigma) kernel_2d = np.outer(kernel_1d, kernel_1d) blurred = cv2.filter2D(img, -1, kernel_2d) # 2. 下采样到低分辨率，模拟传感器采样 h, w = blurred.shape[:2] lr = cv2.resize(blurred, (w // scale, h // scale), interpolation=cv2.INTER_LINEAR) # 3. 加高斯噪声，模拟暗光环境 noise = np.random.normal(0, noise_std, lr.shape).astype(np.float32) lr = np.clip(lr + noise, 0, 255).astype(np.uint8) return lr

这段代码里最值得调的是 sigma 和 scale。sigma 太小，模糊几乎不可见，训练出来的模型对真实模糊没泛化能力；sigma 太大，图像变成一团色块，网络学不到有效纹理。我的推荐范围是 sigma 在 1.5 到 3.0 之间随机采样，scale 固定在 4。噪声标准差 2 到 8 之间随机。这样每个epoch喂给网络的退化程度不完全一样，相当于免费做了数据增强。

3.3 训练集/验证集怎么切，退化参数要不要全随机

切分和退化参数策略直接影响最终指标的可靠性。训练集和验证集按 9:1 比例切，且一定按人物身份切，不要随机切图片，否则同一个人出现在训练和验证里，模型相当于开卷考试。退化参数上，训练时用随机范围，验证时用固定三档：轻度模糊（sigma=1.5）、中度（sigma=2.5）、重度（sigma=3.5），每档单独报告指标。这样答辩时能拿出“我的模型在重度模糊下比基线高多少”这种清晰结论。

4. 用PyTorch搭一个轻量人脸增强网络：从ESRGAN剪到能跑得动

4.1 模型选型：为什么不能直接搬ESRGAN，剪到几层最合适

ESRGAN是很多人做人脸超分的第一反应，但直接搬完整RRDB结构在本科毕设里通常是灾难。原始ESRGAN的生成器有23个RRDB块，每个块又包含密集连接，参数量巨大，一张1080Ti训起来要跑以周为单位的时间，而且对训练技巧要求极高。更现实的做法是借鉴它的核心思想，把网络剪到工程上可跑的程度，同时保留残差密集连接和感知损失这两个最有效的部件。

我建议的结构是：浅层特征提取用一层3x3卷积，中间用2到3个简化RRDB残差块，上采样用PixelShuffle完成2倍放大（共两次得到4倍），最后再接一层3x3卷积输出。整体参数量控制在 5M 到 10M 之间，一张 8G 显存的卡就能训练。别觉得结构简单就“不够深度学习”，本科毕设的核心是完整走通流程，而不是刷SOTA。能把训练、验证、对比实验、部署一条链路做扎实，比盲目堆层数更让老师认可。

4.2 生成器与判别器的最小可跑代码

下面这段代码实现了可运行的生成器和判别器，结构上做了一定简化，但保留了四个关键组件：RRDB块的密集连接、PixelShuffle上采样、PatchGAN判别器、以及与VGG感知损失对接的输出范围。

# model.py import torch import torch.nn as nn class ResidualDenseBlock(nn.Module): """简化RRDB块：3层卷积+残差连接，通道数64""" def __init__(self, channels=64): super().__init__() self.convs = nn.ModuleList([ nn.Conv2d(channels, channels, 3, 1, 1) for _ in range(3) ]) self.lrelu = nn.LeakyReLU(0.2, inplace=True) def forward(self, x): identity = x out = x for conv in self.convs: out = self.lrelu(conv(out)) return identity + out class Generator(nn.Module): def __init__(self, num_rrdb=3): super().__init__() self.head = nn.Conv2d(3, 64, 3, 1, 1) body = [ResidualDenseBlock(64) for _ in range(num_rrdb)] self.body = nn.Sequential(*body) # 两次2倍上采样，共4倍 self.upsample = nn.Sequential( nn.Conv2d(64, 64 * 4, 3, 1, 1), nn.PixelShuffle(2), nn.LeakyReLU(0.2, inplace=True), nn.Conv2d(64, 64 * 4, 3, 1, 1), nn.PixelShuffle(2), nn.LeakyReLU(0.2, inplace=True), ) self.tail = nn.Conv2d(64, 3, 3, 1, 1) def forward(self, x): # x: 低分辨率人脸图，值域建议[0,1] out = self.head(x) out = self.body(out) out = self.upsample(out) return torch.tanh(self.tail(out)) class Discriminator(nn.Module): """PatchGAN判别器：输出每个patch的真假概率""" def __init__(self): super().__init__() self.net = nn.Sequential( nn.Conv2d(3, 64, 4, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Conv2d(64, 128, 4, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Conv2d(128, 256, 4, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Conv2d(256, 1, 3, 1, 1), ) def forward(self, x): return self.net(x)

这里有两个参数需要注意。生成器输入输出都用 tanh 约束在 [-1, 1]，所以训练时真实HR图要同步归一化到 [-1, 1]，而不能用 [0, 1] 或 [0, 255] 混着来，否则判别器会“看到”一个范围不一致的输入，训练直接乱掉。num_rrdb 从 3 开始调，显存不够就降到 2，效果通常在 2 到 3 之间差距不大。

4.3 损失函数权重与训练顺序：先把L1练稳再开对抗

很多人一上来就把GAN的对抗损失加上，结果生成器loss疯狂震荡，图像颜色一会儿紫一会儿绿。正确做法是分两个阶段：第一阶段只训练生成器，用 L1 损失加 VGG感知损失，把网络先拉到一个“结构大致正确”的解；第二阶段再加入判别器做对抗训练，微调纹理细节。这样做的原因是：L1 和感知损失提供强梯度，能把人脸拉回正确流形；对抗损失提供高频纹理梯度，但单独存在时极易模式崩塌。

损失权重我个人习惯设为：L1 损失权重为 0.1，感知损失权重为 1.0，对抗损失权重为 0.01。感知损失用 torchvision 里预训练的 VGG19 的 relu5_1 或 relu4_2 输出做特征匹配。初始化学习率生成器和判别器都为 1e-4，每 30 个epoch衰减 0.5。第一阶段跑 50 epoch，第二阶段再跑 50 epoch，总数控制在 100 epoch 内，这是一张中端显卡能接受的训练周期。

训练循环里有一个经常踩的细节：判别器更新频率要低于生成器，或者每轮给判别器输入真实的HR时做随机水平翻转，否则判别器很快把损失压到0，生成器失去学习信号。我习惯上每训练生成器1次，再训练判别器1次，但判别器输入是“当前batch的HR原图+生成图”，不跨batch累计，避免分布漂移。

5. 避坑：模糊人脸增强训练里最典型的5个坑

5.1 深度学习环境配置：装完环境先跑三行检查再训练

现象：代码在CPU上能跑，一放到GPU上就报错，或者显卡利用率只有10%。

原因：大部分是PyTorch、CUDA、cuDNN版本不匹配，或安装的是CPU版。PyTorch 2.x 对显卡驱动版本要求更高，很多人直接用默认源装，装下来是CPU版却没察觉。

解决：用 conda 单独新建环境，不要污染 base。安装后先运行python -c "import torch; print(torch.__version__, torch.cuda.is_available())"确认输出为 True，再跑一个小矩阵乘法看GPU利用率。深度学习环境配置这块，花十分钟验证比训练到一半才发现跑的是CPU省心得多。

5.2 阶段一 Loss 不下降，卡在同一个值附近震荡

现象：L1 loss从一开始就不动，或者下降极慢，几千步只掉了0.01。

原因：最常见的是学习率太大导致震荡，其次是输入图像归一化不一致，比如LR图是 [0,1] 而HR图是 [0,255]，模型根本没法学。也有一种情况是数据加载出了问题，比如所有退化样本的 sigma 全为0，等于让模型做恒等映射。

解决：先打印一个batch里 LR 和 HR 的数值范围，确认都在 [0,1] 或都映射到 [-1,1]；再把学习率降到 3e-5 试跑500步；最后随机抽9对数据用TensorBoard可视化，看LR和HR是否真的对齐。这三步能排查掉绝大部分不收敛问题。

5.3 生成图像颜色发灰或偏绿，人脸像蒙了一层雾

现象：增强结果纹理清晰，但整张图颜色不对，肤色变绿变灰。

原因：几乎都是值域映射的问题。生成器输出经过 tanh 后范围是 [-1,1]，如果显示端把它当 [0,255] 直接显示，图像就一定发灰。另外，如果训练数据用 BGR 读入、又没转 RGB 就送进 VGG，感知损失会在错误色彩空间上计算，导致颜色漂移。

解决：推理时统一用(output + 1) * 127.5反向映射，并用cv2.cvtColor(..., cv2.COLOR_BGR2RGB)保证送入VGG和显示的图像色彩空间一致。这里没有什么玄学，纯粹是类型和范围不一致。

5.4 PSNR 在涨，人脸却越来越不像本人

现象：合成测试集上 PSNR 比基线高，但把增强结果拿给人看，都说“五官有点怪”“不像原图那个人”。

原因：PSNR是像素级指标，网络只要把低频部分还原得够平滑，PSNR就能涨，但眼睛、嘴这些高频结构是否真实它管不了。感知损失虽然比PSNR好，但它的特征空间不包含身份信息，所以也无法约束增强前后是同一张脸。

解决：在验证阶段必须加身份相似度度量，具体做法是提前用固定人脸识别模型提特征，监控增强结果与原图的余弦距离。如果这个距离过大，说明网络在“自创五官”。同时把 lpips 作为早停依据，而不是PSNR，因为LPIPS和主观观感更一致。

5.5 显存不够，一开判别器就 OOM

现象：阶段一能训，开了GAN以后直接CUDA out of memory。

原因：判别器训练需要同时把HR原图和生成图一起在显存里求梯度，峰值显存需求几乎是阶段一的两倍。

解决：把输入patch从 128 降到 96，batch_size 从 8 降到 4；或者用梯度累积每 4 步更新一次权重，等效增大batch但不涨显存。还有一个更省显存的办法是训练时只对判别器输入用torch.no_grad()计算生成图，但注意梯度要等生成器本身训练时才回传，代码上要分离两块图的梯度流。

6. 用开源人脸识别库做最终验证：不打嘴仗，拿数字说话

6.1 计算增强前后的身份相似度

合成测试集指标再高，也抵不上一张真实模糊照片演示。我最后的验证脚本会调用开源人脸识别库，对增强前后的照片分别提特征，计算欧氏距离或余弦距离，然后和人脸检测置信度一起输出。

# validate_identity.py import face_recognition def check_identity(original_path, enhanced_path): # original: 一张真实可辨认的“目标人脸”; enhanced: 模型增强后的结果 img1 = face_recognition.load_image_file(original_path) img2 = face_recognition.load_image_file(enhanced_path) enc1 = face_recognition.face_encodings(img1) enc2 = face_recognition.face_encodings(img2) if not enc1 or not enc2: return None dist = face_recognition.face_distance([enc1[0]], enc2[0])[0] return dist

这个库底层是dlib，Windows下编译可能报错，Linux或WSL下面更省心。人脸距离越小越好，通常小于 0.4 可以认为是同一个人，0.4 到 0.6 属于可疑区间。我一般把 0.6 作为毕设演示的及格线，低于 0.4 就说明增强结果没有把人脸“重构”成另一个人。

6.2 单张验证不够，做成一份自动测试报告

最后一个技巧是把验证脚本串成批处理，对测试目录里所有真实照片自动生成一张对比图和三组指标：PSNR/SSIM（如果有参考图）/人脸距离。做一个跑批脚本，每张图输出增强前后拼接图，最后汇总一张Markdown表格。这样答辩现场打开终端跑一遍，老师看到的不只是论文里精选的几张图，而是整批可复现的结果。

提示：真实模糊照片往往没有人眼可接受的参照物，这种情况下不要执着于PSNR，用人脸检测框和身份相似度说话更可信。

我个人现在的习惯是训练期间每 5 个epoch就抽真实照片跑一次人脸距离，而不是等全部训练完再验证。因为合成数据上PSNR高但真实脸崩掉的模型，通常在第20个epoch左右就能看出苗头，早点发现就能早点回调损失权重。这条经验帮我省了很多重训的时间，希望帮到你。

本文还有配套的精品资源，点击获取