1.用于dcgan网络生成图像的质量评估方法，其特征在于，包括以下步骤：
步骤1：将dcgan网络生成的图片作为dcgan网络的输入进行反复迭代，直到迭代次数达到阈值m次，其中，m＞1，dcgan网络的初始输入为用户准备的原始图片；迭代过程中，每迭代n次后输出并保存一次图片，其中m为n的整数倍；迭代完成之后，从每次保存的图片中，挑选出一部分质量较优的图片，作为后续图片混合之用；
步骤2：将步骤1每一次挑选的图片分别打上不同标签，同时也从原始图片中取出一部分图片并打上标签，之后将打了标签的各类图片等比例的混合在一起，得到混合图片集；
步骤3：将混合图片集的一部分作为训练集输入到分类器当中训练分类器，再用混合图片集剩下的部分测试分类器的分类精度，当分类精度满足要求之后进入步骤4；
步骤4：将混合图片集输入到dcgan网络中，让它生成一定数量的图片我们称为x，再把x放入步骤3得到的分类器让其分类，从而得到多维的向量y以及向量y的概率p(y)，向量y的每个维度的值对应x属于各类图片的概率p(y|x)，基于概率p(y|x)和概率p(y)得出dcgan网络生成图像的质量评估结果。
2.如权利要求1所述的用于dcgan网络生成图像的质量评估方法，其特征在于，通过计算p(y)和p(y|x)的散度得出dcgan网络生成图像的质量评估结果。
3.如权利要求1所述的用于dcgan网络生成图像的质量评估方法，其特征在于，步骤3将混合图片集的90％作为训练集输入到分类器当中训练分类器，再用混合图片集剩下的10％测试分类器的分类精度。
4.如权利要求1所述的用于dcgan网络生成图像的质量评估方法，其特征在于，所述dcgan网络的生成器的激活函数最后一层使用tanh函数。