Las imágenes aéreas están sujetas a varios tipos de ruido, lo que restringe el reconocimiento y análisis de imágenes, la monitorización de objetivos y los servicios de búsqueda. En la actualidad, el aprendizaje profundo tiene éxito en el reconocimiento de imágenes. Sin embargo, las redes neuronales convolucionales tradicionales (CNN) extraen las características principales de una imagen para predecir directamente y están limitadas por los requisitos del tamaño de la muestra de entrenamiento (es decir, un tamaño de datos pequeño no es lo suficientemente exitoso). En este artículo, utilizando un tamaño de muestra pequeño, proponemos un modelo de reconocimiento de eliminación de ruido en imágenes aéreas basado en CNN con un enfoque de aprendizaje residual a múltiples escalas. El modelo propuesto tiene las siguientes tres ventajas: (1) En lugar de aprender directamente imágenes limpias latentes, el modelo propuesto aprende el ruido de imágenes ruidosas y luego resta el residual aprendido de las imágenes ruidosas para obtener imágenes reconstruidas (sin ruido); (2) El modelo de reconocimiento de eliminación de ruido desarrollado es beneficioso para conjuntos de datos de entrenamiento pequeños; (3) Utilizamos el aprendizaje residual a múltiples escalas como enfoque de aprendizaje, y se introduce el dropout en la arquitectura del modelo para obligar a la red a aprender a generalizar lo suficientemente bien. Nuestros resultados experimentales sobre el reconocimiento de eliminación de ruido en imágenes aéreas revelan que el enfoque propuesto es altamente superior a otros métodos de vanguardia.