基于草图的图像生成是计算机视觉中一个亟待解决的重要问题。对于手绘草图来说,不同用户对同一个对象的表达有巨大的差异,这要求算法模型能够学习草图类别内部巨大的差异。并且,草图与图像之间存在着尺度与纹理间的巨大差异,这种特征之间的鸿沟使得草图生成图像模型训练更加困难。为了填补草图与图像之间的特征鸿沟,本文提出了由草图到边缘图,再由边缘图到图像的两阶段草图生成图像模型,并应用该模型实现了基于多类别草图的图像生成系统。本文模型在第一阶段中,基于生成对抗网络模型学习从草图到图像边缘的映射,从而实现从草图到图像尺寸及结构之间的映射关系,降低从草图直接生成图像的难度;在第二阶段中,将草图和边缘图像相组合作为输入,为生成真实图像的训练提供更强的形状约束,实现从图像结构到纹理的映射。除此之外,本文引入特征之间的相关性学习,通过使用互信息正则约束与损失函数的组合了解草图数据之间的类型差异,解决多类别草图生成图像的问题,并提升原有模型的可学习性。对于基于草图的图像生成系统,本文通过虚拟DOM技术解决了在绘制草图过程中笔触线条的更改造成的高频率数据更新问题,并使用Node.js技术实现草图数据运算与管理,减少算法模型与系统间耦合程度,实现基于B/S的实时交互应用。本文提出的方法在与最先进的草图生成图像方法对比中,在精确度上获得了 5.2%的提升,尤其是在马、斑马以及长颈鹿等类别的生成任务上,整体的形状生成和细节纹理描述都具有更加出色的表现。最后,通过在真实场景下运行草图生成图像系统,验证了本文提出模型在多类别草图生成图像问题上的有效性,具有实际的应用价值。