本发明涉及一种新颖的用于遥感影像地表覆盖分类的深度学习泛化方法。本发明方法通过第一阶段风格迁移将源域影像风格转换为目标域影像风格，从像素级空间缩小源域和目标域间的数据分布差异；通过第二阶段特征级别的语义分割域自适应方法，进一步将源域分布映射到目标域分布上，增强语义分割模型的泛化能力。本发明有效解决了现有地表覆盖分类深度学习方法实际应用中面临的数据集差异过大和模型泛化能力低的问题。本发明有如下优点：鲁棒性强，可适应不同尺度的不同影像风格的无标签影像数据，能提供精度接近于有监督训练的地表覆盖分类图，在城市规划、地图制作和灾害响应等方面具有较高的应用价值。