数据的规模与分布均衡性直接影响模型的泛化性能^[1]. 现实中普遍的长尾分布易诱发类别偏置^[2]，限制模型对稀疏样本的识别效果. 面对日益严苛的任务需求，单一、失衡的原始数据集难以为模型的鲁棒性提供持续支撑^[3].

数据增强通过扩充数据集、生成更多训练样本，帮助模型学习更丰富的特征，有效缓解长尾分布问题^[4]. 基于深度学习的生成模型通过学习数据内在分布实现批量化样本生成，具有多样性和自动化的优势，是数据增强的主流技术路线. 生成对抗网络（generative adversarial network，GAN）由Goodfellow等^[5]提出，通过基于生成对抗的图生成技术，为深度学习领域提供优化、扩充原数据集的方法.

GAN具有应用广泛、可移植性强、技术成熟的优势^[6]，但仍面临多项技术挑战，例如训练不稳定，模式崩溃，生成样本缺乏多样性与分布匹配性^[7]等. 不少研究通过改进GAN生成图像的策略与过程，抑制了GAN训练中的模式崩溃现象，提高生成图像的数量及种类. 具有代表性的研究包括带梯度惩罚的Wasserstein GAN（Wasserstein GAN with gradient penalty，WGAN-GP）^[8]和条件生成对抗网络（conditional generative adversarial net， CGAN）^[9]. WGAN-GP通过使用Wasserstein距离和梯度惩罚（gradient penalty，GP）机制，抑制了传统生成对抗训练过程中的模式坍塌现象. CGAN通过引入条件信息作为额外的监督信号，实现对生成过程的精确控制.

综合上述研究，本文提出基于条件生成对抗和泊松融合的图像数据增强方法，并设计PB-WCGAN-GP生成网络. 以WGAN-GP为基础框架，融合条件生成机制，通过在生成器与判别器中同步引入类别约束，在促进训练收敛的同时强化模型对特定类别的表征能力. 集成泊松融合模块消除合成边界的色彩断层，在保障训练稳定的前提下提升生成样本的视觉真实感，为定向图像合成提供了有效路径.

生成对抗网络基于零和博弈理论：生成器从噪声中学习数据分布生成假样本，判别器区分真伪，通过最小-最大优化博弈直至达到纳什均衡. 生成对抗机制在计算机视觉、自然语言处理领域展现出强大的潜力，并衍生出WGAN-GP、CGAN、StyleGAN等改进变体.

WCGAN-GP是WGAN-GP和CGAN的结合，即在WGAN-GP的基础上进一步引入条件信息来提高图像生成的可控性与生成质量. 通过融合CGAN的类别标签约束与WGAN-GP的梯度惩罚优势，WCGAN-GP从根本上抑制了模式崩溃现象，并实现生成可控性与训练稳定性的理想平衡.

泊松融合（Poisson blending，PB）是由Pérez等^[10]提出的基于泊松方程的图像合成技术. 该方法通过求解泊松偏微分方程，在保持目标区域梯度信息的同时确保边界强度的连续性，广泛应用于图像编辑、修复、拼接等领域^[11].

PB-WCGAN-GP生成网络结构如图1 所示，由生成器G、评价器C及WGAN收敛判断模块、PB去噪模块构成. 类标签y与真实样本x共同引导生成器G和评价器C，实现定向类别生成. 生成器G在类标签条件约束下，利用噪声向量z合成目标类别样本$ g\left({\boldsymbol{y}},{\boldsymbol{z}}\right) $. 评价器C为模型收敛与生成器重构提供稳定的梯度信号，输出连续可微的标量评估值. WGAN收敛判断模块负责评估生成数据是否满足要求，对满足要求的数据经PB去噪模块处理后，合成更平滑、自然的生成数据，完成数据增强任务；若未满足条件，则返回生成器进行迭代优化.

生成器网络结构如图2 所示，由预处理块、转换块和输出块构成. 其中，k为卷积核尺寸，s为步长，p为填充，b为批大小. 预处理块将128维噪声向量z通过Reshape重塑为尺寸为(b, 128, 1, 1)的四维张量，将一维潜在编码转换为符合卷积网络输入要求的空间特征表示. 该架构采用直接Reshape而非全连接层，利用转置卷积在1×1输入上的特性，使权重具有卷积核的空间结构. 转换块采用转置卷积实现特征图的空间上采样与通道变换，并采用He等^[12]提出的初始化方法以解决梯度消失问题. 第一转换块采用卷积核大小为4×4、步长为1、填充为0的转置卷积配置，将(128, 1, 1)扩展为(512, 4, 4). 第二、三转换块均采用卷积核大小为4×4、步长为2、填充为1的转置卷积配置，逐步实现通道数减半、空间分辨率翻倍的映射. 通道数从512逐步降至128，遵循特征金字塔的理念：浅层保持较多通道以编码抽象特征，深层减少通道并增加空间分辨率以重建细节. 每个转换块依次接BatchNorm2d加速收敛，LeakyReLU引入非线性，并嵌入CBAM注意力模块以增强关键特征表达. 输出块通过转置卷积将(128,16,16)映射至(3, 32, 32)的RGB图像，Tanh激活将像素约束在[−1, 1]区间. 整个生成过程遵循渐进式重构：从1×1全局编码逐步扩展至32×32完整图像.

为了提高指标解析精度，在生成器转换块与评价器中均嵌入CBAM以增强其对类别噪声及样本特征的提取能力，结构如图3所示. 其中，C为长度，H为高度，W为宽度，r为缩减比（r=16）. CBAM通过引入通道注意力模块和空间注意力模块，以自适应的方式增强特征图的表示能力. 输入特征图首先通过通道注意力模块进行特征重构. 利用全局平均池化（GAP）与全局最大池化（GMP）并行提取全局上下文，生成的2个通道描述子（尺寸为1×1×C）经共享多层感知机（MLP）映射得到通道权重，旨在增强显著特征并抑制无用通道. 随后，特征图进入空间注意力模块，通过沿通道维度的双重池化操作进行维度压缩，并经过7×7卷积层建模空间依赖关系，定位关键区域. 最终，通过逐元素相乘将双重注意力权重注入原始特征，实现特征分布的自适应校准. CBAM通过级联通道与空间注意力模块，实现对显著特征的自适应聚焦，提高模型的表征效能.

CAM侧重于跨通道的信息重组，旨在赋予关键语义特征更高的激活权重. SAM专注于空间维度的特征过滤，以微小的算力成本增强模型对局部高频区域的感知能力.

(1)$ {M}_{{\mathrm{c}}}({\boldsymbol{F}})=\sigma \left({\mathrm{MLP}}\left({\mathrm{GAP}}\left({\boldsymbol{F}}\right)\right)+{\mathrm{MLP}}\left({\mathrm{GMP}}\left({\boldsymbol{F}}\right)\right)\right), $

(2)$ {M}_{{\mathrm{s}}}({\boldsymbol{F}})=\sigma \left({f}^{(7\times 7)}\left(\left[{\mathrm{Avgpool}}\;({\boldsymbol{F}});\;{\mathrm{Maxpool}}\;({\boldsymbol{F}})\right]\right)\right). $

式中：F为输入的特征图，形状为通道数×高度×宽度；M_c(F)和M_s(F)分别为通道注意力权重和空间注意力权重；GAP(F)表示全局平均池化；GMP(F)表示全局最大池化；Avgpool(F)、Maxpool(F)分别表示沿空间维度的平均池化和最大池化.

WCGAN中的评价器通过联合度量真伪分布的Wasserstein距离，并评估条件标签的语义一致性，既为网络收敛提供了连续可微的判定依据，也为生成器的重构映射提供了稳定的梯度信号. 评价器网络结构如图4 所示，由特征融合模块、三级卷积特征提取模块和决策输出模块构成. 评价器网络以32×32×3的真实图像和10维类别标签作为输入，通过标签嵌入层将离散标签映射为1024维向量，经重塑后与输入图像沿通道维度拼接，形成32×32×4的融合特征张量. 特征提取部分采用三级卷积注意力模块：第一级通过128通道、3×3的卷积将特征下采样至16×16尺寸；第二级使用256通道卷积降至8×8；第三级以512通道卷积压缩至4×4. 每一级输出经LeakyReLU激活（负斜率为0.2）后，接CBAM注意力模块进行通道-空间特征重校准. 将512 × 4 × 4特征张量展平为8192维向量，经全连接层映射为标量形式的Wasserstein距离估计值.

WGAN收敛判断模块的结构如图5所示，整体逻辑采用闭环反馈机制. 其中，n为一维评价指标，W_D为Wassertein距离，GP_loss为GP损失. 评价器C输出原始评估结果，经Wasserstein距离计算模块量化真实分布与生成分布之间的差异. 梯度惩罚模块通过引入惩罚项确保评价器满足1-Lipschitz约束条件，并在收敛判断节点评估生成图像是否达标. 其中，WCGAN-GP的生成器损失和评价器损失直接反馈了生成器与评价器的对抗式生成情况，生成器损失、判别器损失、GP损失和Wasserstein距离分别为

(3)$ {G}_{{\mathrm{loss}}}=-{E}_{{\boldsymbol{z}}\sim {{P}_{{\boldsymbol{z}}}}}\left[D\left(G\left({\boldsymbol{z}}\right)\right)\right], $

(4)$ \begin{split} {D}_{{\mathrm{loss}}}=&L= {E}_{{\boldsymbol{x}}\sim {{P}_{{\boldsymbol{z}}}}}\left[f\left({\boldsymbol{x}}\right)\right]-{E}_{{\boldsymbol{x}}\sim {{P}_{{\mathrm{r}}}}}\left[f\left(\hat{{\boldsymbol{x}}}\right)\right]+ \\& \lambda {E}_{{\boldsymbol{x}}\sim {{P}_{{\boldsymbol{x}}}}}\left[{\left({\left|\left|\nabla f\left(\hat{{\boldsymbol{x}}}\right)\right|\right|}_{2}-1\right)}^{2}\right],\end{split} $

(5)$ {\mathrm{GP}}_{{\mathrm{loss}}}={E}_{{\boldsymbol{x}}\sim {{P}_{{\boldsymbol{x}}}}}\left[{\left({\left|\left|\nabla f\left(\hat{{\boldsymbol{x}}}\right)\right|\right|}_{2}-1\right)}^{2}\right], $

(6)$ \begin{split} \min W\left({P}_{{\mathrm{r}}},{P}_{\theta }\right)=&\min\left({\mathrm{sup}}_{\left| \left| f\right| \right| _L \leqslant 1}\left({E}_{{\boldsymbol{x}}\sim {{P}_{{\mathrm{r}}}}}\left[f\left({\boldsymbol{x}}\right)\right]-\right.\right. \\&\left.\left.{E}_{{\boldsymbol{z}}\sim {{P}_{{\boldsymbol{z}}}}}\left[f\left({g}\left({\boldsymbol{z}}\right)\right)\right]\right)\right). \end{split}$

式中：$\hat{{\boldsymbol{x}}} $为差值样本；D(G(z))为评价器判定生成图像为真的概率；P_r、P_z、P_x分别为真实数据分布、生成器分布及采样分布；λ为惩罚系数，在本文模型中λ=10；$ {\left|\left|\nabla f\left(\hat{{\boldsymbol{x}}}\right)\right|\right|}_{2} $为Critic输出对输入$ \hat{{\boldsymbol{x}}} $的L₂范数，sup为通过优化Critic网络逼近该最大值；$ \left|\left|f\right|\right|_L \leqslant 1 $为1-Lipschitz约束；$ {E}_{{\boldsymbol{x}}\sim {{P}_{{\mathrm{r}}}}}\left[f\left({\boldsymbol{x}}\right)\right] $、$ {E}_{{\boldsymbol{z}}\sim {{P}_{{\boldsymbol{z}}}}} \left[f\left({g}\left({\boldsymbol{z}}\right)\right)\right] $分别为真实样本$ {\boldsymbol{x}} $和生成样本$ {g}\left({\boldsymbol{z}}\right) $在$ f $上的期望评分.

PB去噪模块的结构原理如图6 所示. 其中，N_i为迭代次数. 该模块具备两大优势：1）采用 Depthwise 卷积独立处理通道，实现低开销高效去噪；2）引入多级残差连接机制，避免图像过度平滑问题. 在第一阶段，输入的生成图像进入3个并行分支进行多尺度处理. 第1分支保持原始尺寸32×32，使用3×3尺寸的卷积核执行2次迭代去噪. 第2分支将图像下采样到16×16，使用尺寸为5的卷积核执行2次迭代去噪后上采样回32×32. 第3分支深度下采样到8×8，使用尺寸为7的卷积核执行1次迭代去噪后上采样. 每个分支内部的Poisson Denoising层采用统一的工作流程. 利用固定的3×3拉普拉斯算子检测图像梯度变化，定位潜在噪声区域. 通过可训练的Depthwise卷积对RGB 3个通道分别进行独立去噪. 将拉普拉斯算子和去噪结果按可学习的残差权重进行融合. 残差权重是可训练参数，初始化值为0.1，在去噪过程中对图像进行调整，控制每个迭代步骤中图像的调整幅度. “检测-去噪-融合”过程在每个分支中迭代执行，通过Sigmoid函数将去噪输出与分支输入进行软融合. 在第2阶段，3个分支的输出在Concatenate层拼接成9通道特征图. FusionConv2d层将多尺度特征压缩并融合，经BatchNorm2d归一化和ReLU激活后，FinalConv2d层对融合特征进行空间平滑以提取局部一致性. 去噪结果进入残差连接层，与原始生成图像按2∶8的权重比例进行加权融合，确保去噪操作不会破坏生成器学到的图像分布特征. 泊松融合权重的计算原理如下：

(7)$ {\omega }_{{\mathrm{pb}}}\left(i,j\right)=\text{exp}\left(-\frac{{\left| {I}_{{\mathrm{noisy}}}\left(i,j\right)-{I}_{{\mathrm{clean}}}\left(i,j\right)\right| }^{2}}{2\sigma _{{\mathrm{noise}}}^{2}}\right). $

式中：$ {\left| {I}_{{\mathrm{noisy}}}\left(i,j\right)-{I}_{{\mathrm{clean}}}\left(i,j\right)\right| }^{2} $为像素差异度量，$ \left(i,j\right) $为像素坐标，$ {I}_{{\mathrm{noisy}}}\left(i,j\right) $为噪声图像像素，$ {I}_{{\mathrm{clean}}}\left(i,j\right) $为预测清洁图像像素，$ 2\sigma _{{\mathrm{noise}}}^{2} $为噪声方差参数.

设计如下双轨评测策略.

1）CIFAR-10^[13]：由Krizhevsky整理的经典图像识别数据集，包含6万张尺寸为32×32像素的10类RGB图像，用于测试模型在低分辨率、复杂背景图像上的生成保真度.

2）Huawei-Garbage^[14]：包含 1.4 万张涵盖 40 个细粒度类别的非均衡分布图像. 将所有图像统一裁切至128×128像素，以评估模型在高分辨率、长尾分布场景下生成质量与计算效率的平衡性.

为了从多个维度评估生成网络的各方面性能，包括生成网络性能评价、Wasserstein距离度量以及生成图像质量测试，采用如下实验评价指标.

1）判别器损失D_loss、梯度惩罚损失GP_loss和Wassertein距离W_D^[8]：用于反映WGAN训练收敛情况和稳定性.

2）启发式分数（inception score，IS）^[15]:衡量图像质量和生成多样性. IS的公式如下：

(8)$ {\mathrm{IS}}=\text{exp}\left\{{E}_{{\boldsymbol{\beta}}\sim {{p}_{{\rm{g}}}}\left({\boldsymbol{\beta}}\right)}\left[{D}_{kl}\left(p\left({\boldsymbol{y}}|{\boldsymbol{\beta}}\right)||p\left({\boldsymbol{y}}\right)\right)\right]\right\}. $

式中：β为生成图像样本，p_g(β) 为生成图像的类别条件分布，p(y)为所有生成图像取平均值后得到的边缘类别分布，p(y|β)为图像分类后的 Softmax 输出.

3）弗雷歇初始距离（Fréchet inception distance，FID）^[16]:衡量生成图像和真实图像的相似度，公式如下：

(9)$ {\mathrm{FID}}\left({\boldsymbol{P}},{\boldsymbol{G}}\right)=\|{U}_{{\boldsymbol{P}}}-{U}_{{\boldsymbol{G}}}\|^{2}+{\mathrm{Tr}}\left({{\boldsymbol{S}} }_{P}+{{\boldsymbol{S}} }_{G}-2\sqrt{{{\boldsymbol{S}} }_{P}{{\boldsymbol{S}} }_{G}}\right). $

式中：P为由真实图像分布的特征向量组成的矩阵，G为由生成图像分布的特征向量组成的矩阵，U_P和U_G分别为P和G的均值，S_P和S_G分别为P和G的协方差矩阵，Tr()为S_P和S_G之间的“距离矩阵”的迹.

4）准确率^[17]和F1分数^[18]：准确率Acc用于计算模型在验证集上的分类准确度，F1分数用于计算精确率和召回率的调和平均数.

5）参数量N_p^[19]和N_F^[20]：用于衡量模型的计算复杂度. 其中，参数量指模型中所有可训练权重的总和，N_F指一次生成训练过程中模型需要执行的浮点运算的总次数. 参数量和N_F的公式分别如下：

(10)$ N_{\mathrm{p}}=\sum \limits_{l=1}^{L}\left(C_{\text{in}}^{(l)} C_{\text{out}}^{(l)} K_{{\mathrm{h}}}^{(l)} K_{{\mathrm{w}}}^{(l)}\right), $

(11)$ N_{\mathrm{F}}=\sum \limits_{l=1}^{L}\left(2 C_{\text{in}}^{(l)} C_{\text{out}}^{(l)} K_{{\mathrm{h}}}^{(l)} K_{{\mathrm{w}}}^{(l)} H_{\text{out}}^{(l)} W_{\text{out}}^{(l)}\right). $

式中：$ C_{\text{in}}^{(l)} $、$ C_{\text{out}}^{(l)} $分别为第l层的输入通道数和输出通道数，$ K_{{\mathrm{h}}}^{(l)} $、$ K_{{\mathrm{w}}}^{(l)} $分别为第l层卷积核的高度与宽度，$ H_{\text{out}}^{(l)} $、$ W_{\text{out}}^{(l)} $分别为第l层输出特征图的高度与宽度.

将生成网络和近期的生成对抗网络研究成果进行对比实验，实验组为本文的PB-WCGAN-GP网络，对照组包括如下模型.

1）StyleGAN：由Karras等^[21]提出的风格生成对抗网络，可以实现高级属性与随机变化的自动分离及尺度特定的图像合成控制.

2）ACGAN：由Odena等^[22]提出的改进WGAN模型，引入散度度量提升样本质量.

3）WGAN-Div：由Qu等^[23]提出的改进WGAN模型，通过散度度量对WGAN进行改进.

4）DDPM：由Ho等^[24]提出的去噪扩散概率模型，通过前向扩散和反向去噪过程实现高质量图像生成.

5）R3GAN：由Huang等^[25]提出的现代化GAN基线模型，采用正则化相对论损失函数代替传统的经验性技巧.

在CIFAR-10数据集上不同生成网络的参数量和FLOPs如表1所示. 其中，N_pG为生成器参数量，N_pD为判别器参数量，N_pT为总参数量.

在CIFAR-10和Huawei-Garbage 2个数据集上，与StyleGAN、ACGAN、WGAN-Div、DDPM和R3GAN等代表性生成模型进行对比实验，采用IS和FID作为生成质量评价指标，实验结果如表2所示.

从表1、2可知，在CIFAR-10数据集上，与生成对抗网络类方法相比，PB-WCGAN-GP训练早期取得IS=2.46，FID=45.42，均优于StyleGAN、WGAN-Div、ACGAN和R3GAN，并将优势保持到训练末期，最终取得FID=14.82，较StyleGAN、WGAN-Div和R3GAN分别降低了8.4%、52.9%和51.3%. 与扩散网络相比，虽然PB-WCGAN-GP在IS和FID上略逊于DDPM，但参数量和FLOPs分别仅为DDPM的18.5%和8.1%.

在Huawei-Garbage数据集上，PB-WCGAN-GP最终取得IS=4.41，FID=104.57，较StyleGAN、WGAN-Div和R3GAN的FID分别降低了6.8%、27.2%和18.9%，在所有生成对抗网络类方法中表现最优. 得益于PB去噪模块的协同优化作用，本文模型的最终FID优于扩散模型DDPM，在分布不规则的复杂数据集中展现了更大的优势.

综合实验结果，PB-WCGAN-GP在2个数据集上均能以较低的计算复杂度达到与当前主流方法相当或更优的生成性能. 实验结果表明，PB-WCGAN-GP在生成性能与计算效率之间取得了良好平衡，适用于计算资源受限或对模型部署效率有较高要求的应用场景

为了验证所提的PB-WCGAN-GP网络中各个组件的有效性和必要性，设计系统性的消融实验. 实验在CIFAR-10和Huawei-Garbage 2个数据集上进行，通过逐步移除网络的核心组件来分析各模块对模型性能的贡献. 研究构建以下7种不同的网络配置.

1）PB-WCGAN-GP(CBAM)：本文的完整生成网络配置.

2）PB-WGAN-GP(CBAM)：在本文的生成网络配置基础上，去除条件信息，改为采用传统的WGAN-GP.

3）WCGAN-GP(CBAM)：在本文的生成网络配置基础上，去除PB降噪模块.

4）WGAN-GP(CBAM)：在3）的基础上，去除条件信息机制.

5）WCGAN-GP：在3）的基础上，去除CBAM.

6）WGAN-GP：传统的WGAN-GP网络，即在4）的基础上去除CBAM的配置.

7）WGAN：最基础的WGAN网络，即在6）的基础上去除梯度惩罚机制的复现实验配置.

消融实验结果如表3所示. 其中，$\overline D_{\mathrm{loss}}、\overline W_{\mathrm{D}}、\overline{{\mathrm{GP}}}_{\mathrm{loss}} $分别为$ D_{\mathrm{loss}}、 W_{\mathrm{D}}、{{\mathrm{GP}}}_{\mathrm{loss}} $的平均值，WGAN和WGAN-GP在CIFAR-10上的Inception Score实验结果来自Liu等^[26]的数据， FID分别来自Lucic等^[27]和Heusel等^[16]的数据，其他数据均来源于复现结果. 在CIFAR-10公开数据集上，完整的PB-WCGAN-GP(CBAM)取得最高的IS，相较于基线WGAN与WGAN-GP分别提升了19.5%与10.7%. 在图像真实度评价方面，本文模型的FID达到14.82，相较于WGAN和WGAN-GP分别降低了73.2%和49.4%. CBAM使基线WGAN-GP的IS提升约7.7%，FID从29.30降至22.53. 在此基础上引入条件信息后，IS提升约8.7%，FID降低至19.78. PB去噪模块使FID降幅达到25.1%，验证了该模块对图像质量的优化作用. 在训练稳定性方面，与WCGAN-GP(CBAM)相比，完整模型的平均判别器损失、Wasserstein距离及GP损失分别下降了13.3%、7.8%和18.2%，表明PB去噪可以抑制梯度振荡，带来更平滑的收敛过程. 综上，条件信息、CBAM与PB去噪模块共同提升了生成性能上限，并确保了训练稳定性.

在Huawei-Garbage数据集方面，该数据集分布不均匀，使得训练质量较CIFAR-10更具挑战性. 与基础模型（FID=278.30，D_loss=3.24）相比，引入条件信息后，D_loss小于2.5，表明抑制异常损失数据的产生可以有效提升模型的稳定性. 与基础WGAN模型相比，完整的PB-WCGAN-GP(CBAM)模型的IS提升了35.69%，FID降低了60.3%，证明了各组件的协同优化效果. PB融合去噪模块不仅将IS上限提升至4.89，比去除该模块的对照组高出4.94%，还使FID降低了20.9%，进一步证实该模块在提升生成真实度方面的有效性. 通过对比WCGAN-GP和WGAN-GP(CBAM)，可知CBAM注意力机制的IS提升了7.4%，FID下降了2.5%，表明注意力机制可以引导网络关注关键特征区域. 在条件变量引入方面，WCGAN-GP(CBAM)的IS较WGAN-GP(CBAM)提升了11.5%，FID从148.31降至139.76，验证了类标签控制可以提升模型的训练稳定性. 消融实验不仅验证了本文模型的合理性，而且为生成对抗网络中多模块协同优化提供了可靠的实验依据.

为了探究数据增强对图像分类性能的影响，将 PB-WCGAN-GP 生成的1 000张筛选样本并入 Huawei-Garbage 训练集进行对比实验. 在保持超参数一致的前提下，不同架构在基线组（使用原始数据训练）与增强组（使用增强数据训练）上的评估结果如表4所示. 从表4可知，数据增强使模型的平均准确率提高了1.97%，F1分数提高了0.018. 除MobileViT外，其余模型在数据增强后均获得性能提升，其中MobileNetV2、ResNet18、Xception的准确率分别提升了4.32%、2.58%、2.46%，表明本文方法通过扩充数据和缓解类别不平衡，有效提升了分类性能.

对生成网络的扩充图像进行可视化对比分析，图7展示了在CIFAR-10数据集上训练最后一轮生成的图像（图像尺寸为32×32，迭代次数为40 000）. 其中，如图7（a）所示为WGAN-GP模型生成图像，如图7（b）所示为本文生成网络的扩充图像，如图7（c）所示为CIFAR-10原数据集图像，各抽取6张图像作为生成对比. 如图7（a）所示，基准WGAN-GP生成的样本多受限于高阶语义捕捉能力瓶颈，呈现为模糊的色块堆叠与杂乱纹理. 通过泊松融合与条件约束的协同作用，本文方法生成的图像（见图7（b））在有效抑制噪声的同时，表现出更高的结构完整性与语义连贯性，更加趋近于CIFAR-10原始分布. 在Huawei-Garbage数据集上可以得到类似的结果（见图8）.

使用CIFAR-10-cat 数据集（即猫类别图像）对本文模型进行单类别图像生成训练，生成结果如图9所示. 如图9(a)所示为PB-WCGAN-GP模型的生成结果，如图9(b)所示为对应的CIFAR-10原始猫类图像. 在细节方面，PB-WCGAN-GP模型不仅准确捕捉了猫的基本形态特征，例如尖耳朵、圆润的面部轮廓以及眼睛的位置分布，而且生成图像很好地还原了原数据集中“猫”类别图像的毛发纹理、色彩过渡和光影变化. 可视化结果表明，基于泊松去噪、梯度惩罚与条件约束的协同优化，模型可以实现目标特征的高保真还原与精确重构.

图10展示了在Huawei-Garbage-20“快递纸袋”长尾小样本子集中，本文模型和WGAN-GP模型的生成对比. 与传统WGAN-GP模型相比，PB-WCGAN-GP模型在文字标识还原度上表现更佳，其中“韵达”和“DHL快递袋”的黄色背景与红色字体色彩边界分明，且更好地还原了“YUNDA”、“DHL”字母笔画细节. 在材质纹理方面，与WGAN-GP模型相比，本文模型的生成图还原了更贴近原图的材质，例如折痕纹理和反光效果. 实验结果表明，模型能够精准提取微观特征（如条纹、文字布局），并生成具有自然边缘与立体形态的宏观构图. 泊松融合去噪与条件约束协同优化了模型的多尺度特征提取. 实验结果表明，相较于WGAN-GP，本方法降低了生成图像的噪声与轮廓模糊，在保持空间一致性的前提下，表征精度高度契合真实样本（见图10（c））.

（1）通过条件信息注入与WCGAN评价器重构实现类别可控的精确生成，有效解决传统GAN生成结果的不可预测性和类别混乱的技术瓶颈.

（2）集成CBAM模块，在通道维度与空间维度实现双重特征重校准机制.

（3）设计PB去噪模块，通过自适应权重融合机制实现噪声抑制与细节保留的有机平衡.

后续研究将突破单一网络架构的局限，重点探索GAN与Transformer、Mamba及CLIP等前沿范式的深度融合，以期在提升全局特征建模效率的同时，实现多模态语义约束下的高保真图像合成.