在地震数据预处理中，去除噪声，提高资料信噪比和分辨率是其中重要环节，因此关于地震数据去噪方法的研究一直是地震数据处理领域的重点。多年来，人们根据有效地震信号与噪声的差异，研究出许多去噪方法，这其中，小波变换和各向异性扩散滤波是两种比较有用的方法。小波变换是一种具有多尺度，多分辨率分析特性的时频分析法，它在时间域和频率域都有较好描述信号局部特性的能力。本文系统的介绍了有关小波变换、多分辨率分析和小波分解重构的基本理论，并着重分析了小波阈值法在地震数据去噪中的应用。首先构造了一个含随机噪声的地下介质层状模型，分别采用低通滤波和小波阈值对其进行去噪试验，结果表明，小波阈值比低通滤波更能去除模型中的随机噪声，提高资料的信噪比和分辨率。接下来利用小波阈值法对实际叠前数据进行去噪处理，通过去噪前后的对比发现，小波阈值法去除了叠前剖面中的大部分随机噪声，使同相轴更清晰，分辨率也得到提高。各向异性扩散滤波技术在处理含有纹理特征的图像时，可以很快去除图像中的噪声并保护纹理特征，由于大部分地下介质在沉积环境的影响下，基本上以层状结构为主，这就决定了地震图像具有丰富的横向纹理结构。因此可以采用各向异性扩散滤波技术对地震图像进行处理，本文系统介绍了各向异性扩散滤波技术的基本原理、方程导出和模型，分析各向异性扩散方程中扩散张量的计算方法和在滤波时所起到的作用。由于各向异性扩散模型对预设参数十分敏感，本文重点讨论了各向异性扩散模型中的几种参数对最终效果的影响，给出了一套适用于地震数据各向异性扩散滤波处理的参数，然后将各向异性扩散滤波应用到实际地震数据去噪中，以验证效果。文中分别采用二维和三维的地震数据对各向异性扩散滤波的去噪效果进行验证，结果显示这种方法可以有效去除地震数据中的随机噪声，保护图像中的边缘结构并增强同相轴连续性，提升资料的品质。本文在对小波变换和各向异性扩散滤波技术仔细研究的基础上，提出了一种结合小波阈值和各向异性扩散滤波的地震数据去噪方法。该方法首先对原始地震数据进行小波分解，对分解后以横向纹理特征为主的低频小波数据和水平高频小波数据进行各向异性扩散滤波，对主要含噪声的垂直高频小波图像和对角高频小波图像进行阈值收缩。这种方法克服了单独使用小波阈值法只能消除噪声但不能增强同相轴连续性和单独使用各向异性扩散滤波在噪声较大的情况下去噪不彻底的缺点，可以去除大部分随机噪声并增强同相轴连续性。最后利用三种方法对实际数据进行处理比对，结果显示，较之于单独使用小波阈值法或各向异性扩散滤波，这种结合方法在提高信噪比和分辨率上有更大的优势，取得的效果更令人满意。