基于文本描述的图像生成任务是根据文本描述生成符合描述的图像的研究任务。这一颇具挑战性的研究任务因其潜在的应用价值受到了跨模态研究领域的广泛关注。当前的研究方法大多是通过生成对抗网络来建立深度学习模型。这些文本到图像生成模型往往是以全局语言表示为生成条件来生成符合文本描述的图像。然而,由于全局语言表示在高维空间中的分布往往是稀疏的,这导致生成对抗网络十分难以训练,并且模型生成的图像缺乏细粒度的信息。本文认为,基于文本描述的图像生成任务除了使用全局语言表示作为生成条件之外,还应该充分考虑局部语言表示对文本到图像生成模型的影响。同时,作为一个具有商业可落地的算法模型,其计算代价以及对硬件的需求应该在合理的范围之内。然而,当前的文本到图像生成模型往往是非常消耗显存资源的。这因为多数现有模型都堆叠了多个生成对抗网络来完成任务。因此,本文认为应该用一个生成对抗网络来完成全部工作。基于以上诉求,本文首先提出了基于跨模态关联的文本到图像生成算法模型CGL-GAN。CGL-GAN通过一个生成器来根据文本描述生成目标图像,一个判别器来判断输入图像是否足够真实并且符合文本描述。在判别器中,本文提出跨模态投影算法,通过将图像的高抽象层次和低抽象层次的表示分别投影到全局和局部的语言表示上,以此来构造跨模态关联。最后,本文设计了基于合页损失的损失函数来训练CGL-GAN模型,并在CUB和MS-COCO两个公开的数据集上对CGL-GAN进行了实验评估。大量的实验表明,将细粒度的局部语言信息与图像信息进行跨模态关联能大大提高基于文本描述的图像生成模型的性能,并可以生成高像素的图像。基于CGL-GAN算法模型,本文设计并实现了一个基于文本描述的图像生成系统。本文完成了基于文本描述的图像生成系统的需求分析,概要设计,详细设计以及数据库设计,并对系统进行了功能测试和性能测试。系统测试结果表明系统完成了所有功能需求,可以良好地在线上运行,并且对服务器的负载比较低。系统测试证明了本文开发的基于文本描述的图像生成系统完成了预期的需求,具有潜在的商业应用价值。