El radar de penetración terrestre (GPR), como instrumento no invasivo, ha sido ampliamente utilizado en ingeniería civil. En las imágenes de barrido B del GPR, puede existir ruido aleatorio debido a la influencia del entorno y del hardware del equipo, lo que complica la interpretabilidad de la información útil. Se han propuesto muchos métodos para eliminar o suprimir el ruido aleatorio. Sin embargo, los métodos existentes tienen un efecto de reducción de ruido insatisfactorio cuando la imagen está severamente contaminada por ruido aleatorio. Este documento propone un autoencoder convolucional a escala múltiple (MCAE) para desruidar los datos del GPR. Al mismo tiempo, para resolver el problema de la insuficiencia del conjunto de datos de entrenamiento, diseñamos la estrategia de aumento de datos, la red generativa adversaria de Wasserstein (WGAN), para aumentar el conjunto de datos de entrenamiento de MCAE. Los resultados experimentales realizados en conjuntos de datos simulados, generados y de campo demostraron que el esquema propuesto tiene un rendimiento prometedor para la reducción de ruido en imágenes. En cuanto a tres índices: la relación pico-señal a ruido (PSNR), el costo temporal y el índice de similitud estructural (SSIM), el esquema propuesto puede lograr un mejor rendimiento en la supresión de ruido aleatorio en comparación con los métodos competidores de última generación (por ejemplo, CAE, BM3D, WNNM).