本发明公开了一种感知联合空间注意力文本生成图像方法，包括生成初始图像，绘制对象的基本形状和颜色；进行图像细化，生成从空间维度和单词重要性维度细化的新图像特征；细化过程包括通过细粒度单词级文本信息和图像信息融合，并联合空间注意力机制和动态记忆力机制对初始图像消除缺陷并添加细节，增强图像特征区域表征；通过训练目标函数，鼓励生成器生成更真实更符合文本语义的图像。本发明保证了生成器专注于与最相关的单词对应的图像子区域的内容以及位置和形状，同时避免了生成过程中的随机性，减少了最终生成的图像和目标图像之间的差异，本方法能够提高文本生成图像的感知质量和布局，能够高效准确得生成图像。