本发明提供了一种基于自监督学习的遥感图像分类网络鲁棒性提升方法，不仅利用了有标签数据，还充分利用遥感领域中大量存在的无标签数据，通过孪生网络挖掘图像自身的信息，有效提升模型的鲁棒性；使用孪生网络对干净样本和对抗样本同时进行特征提取，即得到特征向量，并通过对比学习迫近干净样本和对抗样本的特征向量完成模型训练，使图像在孪生网络中的在线网络中的深度遥感图像编码器网络中具有稳定的表达，进而实现鲁棒性的提升。此方法有效增强了模型对于对抗样本噪声和自然噪声的鲁棒性，同时几乎不影响干净数据集的分类效果，便于应用。