本发明公开了一种基于自训练噪声标签纠正的鲁棒领域自适应图像学习方法，其包括如下步骤：获取源域、目标域图像集和源域低质量标注；初始化各项参数；搭建模型与损失函数；将源域和目标域图像集依次输入两个标记分类器；每次迭代训练前两个标记分类器分别为对方检测噪声，然后为噪声源域样本和目标域样本重新预测伪标记，并重平衡采样参与下一轮迭代训练；目标域伪标注集输入目标域特定网络训练；训练完成后，使用目标域特定分类器对目标域图像进行类别预测任务。本发明方法针对源域与目标域类别分布存在不一致的问题，采用重平衡的采样伪标记样本机制，使得源域和目标域每个类别的采样比例达到一致，提升了深度学习模型在目标域上的准确率。