本发明公开了一种基于深度改进残差网络的SAR图像分类方法，首先准备用于训练和测试的SAR图像数据训练集和测试集，两种数据都包括十类目标，每类目标包括多张SAR图像。建立深度残差网络模型，改进了残差模块，在传统残差模块的基础上进行三次跳跃性连接，增加了连接的分支数。深度残差网络模型包含依次顺序连接的输入层Input、残差与下采样组合、全连接层以及输出层Output，残差与下采样组合包括依次连接的多重连接残差模块和下采样模块DS，多重连接残差模块包括三个非线性处理子模块。用训练集对深度残差网络模型进行训练，然后用测试集对训练好的深度残差网络模型进行测试，并输出目标分类结果。本发明不仅继承了ResNet的易学习的优点，还加强了特征的传播利用率，有效提高了SAR图像目标分类的精度和速度。