本申请提供一种融合边缘信息的多尺度对比图像聚类方法，用于解决现有技术中现有聚类方法对困难样本聚类效果差的问题。具体步骤为：S1：获取待聚类图像的无标签输入序列X＝{x1,x2,...,xn}；S2：将无标签输入序列X分别输入弱通道Ta、强通道Tb和边缘通道Tc进行变换分别获得提取样本集Ya、Yb和Yc；S3：利用共享深度神经网络获取提取样本集Ya、Yb和Yc的特征，分别获得增强样本集#imgabs0#和#imgabs1#S4：将增强样本集#imgabs2#和#imgabs3#输入实例级对比模型和聚类级对比模型中，计算实例级对比损失Lins和聚类级对比损失Lclu；S5：对Lins和Lclu求和获得总体损失函数L。本申请在多个网络中利用增强数据和边缘信息进行联合学习，将数据对投影到特征矩阵的行和列空间中进行实例级和聚类级的对比学习进而提高聚类任务的性能。