由于采集环境及仪器性能限制,采集到的地震信号中常伴随有较强的噪声,对后续处理和解释带来很大困难,因此地震信号去噪研究具有重要意义。多尺度几何分析（Multiscale Geometric Analysis,MGA）近年来受到广泛关注,各种MGA算法在地震信号信号去噪领域表现出很强的性能优势及发展潜力。Shearlet变换、Contourlet变换、Curvelet变换等MGA算法已在信号处理领域得到广泛应用。非局部均值（Non-local means,NLM）是经典的信号去噪算法,而自由分布式错误发现率（False Discovery Rate,FDR）则是统计学算法,将两者分别应用于变换域处理变换系数,可提高去噪效果。非局部贝叶斯（Non-local bayes,NL-Bayes）同样是经典去噪算法,将其与变换域去噪算法相结合,也可以提高去噪性能。本文在多尺度几何分析框架下深入研究并改进NLM、FDR、NL-Bayes等算法,主要研究内容如下:（1）Shearlet域基于非局部均值的地震信号去噪在Shearlet变换域中引入NLM对地震信号进行去噪,该算法首先对地震信号进行非下采样Shearlet变换,对近似服从广义高斯分布的Shearlet系数进行主成分分析（Principal Component Analysis,PCA）,然后采用NLM处理Shearlet系数,最后对新的Shearlet系数进行Shearlet反变换,得到去噪之后的地震信号。通过对人工合成地震信号及实际海上地震信号去噪,并与NLM、Shearlet硬阈值、维纳滤波的去噪结果进行对比,通过峰值信噪比（PSNR）、均方误差（MSE）、结构相似度（SSIM）等评价指标及实验结果,表明SNLM在低噪声情况下能够获得优于其余三种去噪算法的去噪效果。因此提出的算法具有可行性。（2）Contourlet域基于自由分布式FDR的地震信号去噪将非下采样Contourlet变换（Non-Sub Sampled Contourlet Transform,NSCT）与自由分布式FDR结合对地震信号去噪。该算法使用NSCT对原始地震信号进行变换,由于取消了Contourlet变换中的下采样操作,可有效抵消信号中的Gibbs现象。提出了一种Contourlet域基于自由分布式FDR的地震信号去噪算法,该算法首先对原始地震信号进行NSCT处理,在Contourlet域引入自由分布式FDR算法处理Contourlet系数,利用噪声Contourlet系数趋近于零而有效信号系数较大的特点,将每级Contourlet系数作为一组待检验零假设,首先假设所有的Contourlet系数都由噪声产生,随后发现有一部分系数确实不由噪声产生,那么这一部分发现中就有正确发现（信号）和错误发现（噪声）。通过控制FDR的大小,可控制错误发现的比例,从而增加正确发现的比例,以此设置阈值对Contourlet系数进行处理,再经过反变换即可得到最终的去噪结果。通过对人工合成地震信号及海上地震信号进行去噪实验,由PSNR、MSE、SSIM等度量指标及实验结果表明提出的算法去噪效果最优。（3）Curvelet变换与非局部贝叶斯结合的地震信号去噪Curvelet变换能很好描述地震信号几何特征,NL-Bayes去噪能力强。综合二者的优势,提出一种Curvelet变换与非局部贝叶斯结合的地震信号去噪。该算法首先将原始地震信号经过Curvelet变换得到Curvelet系数,计算噪声标准差设置阈值,处理Curvelet系数再经过反变换即可得到Curvelet变换去噪结果。再将原始地震信号使用NL-Bayes进行去噪,得到NL-Bayes去噪结果。最后使用加权聚合算法将两种去噪结果进行加权聚合,使最终去噪结果能综合两者优势。通过人工合成地震信号与海上地震信号去噪实验,根据PSNR、MSE、SSIM等度量指标及视觉效果表明提出算法具有优越性。