El radar de penetración terrestre (GPR) se utiliza a menudo para detectar objetivos en un entorno de construcción. Debido a los diferentes entornos de construcción, el ruido muestra diferentes características en la señal de GPR. Cuando el ruido está ampliamente distribuido en la señal de GPR, y su espectro y el espectro de la señal activa están aliados, es difícil separar y suprimir el ruido mediante métodos de filtrado tradicionales. En este documento, proponemos un método de supresión de ruido de imagen de GPR mediante aprendizaje profundo basado en una red neuronal de mecanismo de atención propia recursiva guiada y dual multi-escala (RG-DMSA-NN), que utiliza un módulo de guía recursiva y un módulo de mecanismo de atención propia dual multi-escala para mejorar la capacidad de extracción de características de la imagen y mejorar la robustez y capacidad de generalización en la supresión de ruido de imagen. A través de la aplicación de supresión de ruido en los datos de prueba sintetizados y los datos de GPR realmente recopilados por el Museo de Ciencia y Tecnología de Macao, se demuestran las ventajas de este método sobre los métodos tradicionales de filtrado, DnCNN y supresión de ruido UNet.