地震勘探作为最有效的油气勘探方法之一,一般包括地震资料采集、地震资料处理、地震资料解释三个阶段。在实际采集工作中,存在由于地表起伏和低降速带的变化而造成的信号干扰,为此,首先需要对地震资料进行静校正。初至拾取是得到合理静校正结果的先决条件,它为静校正过程提供了进行后续计算所需的静校正量。现有初至拾取方法主要分为自动化和半自动化方法。一般而言,对于数据单一、噪声干扰小的资料,现有自动方法多数可以快速有效的拾取初至。然而,由于大量复杂工区的存在,因此所采集到的低信噪比地震资料与日增多,从而导致现有全自动方法无法保证初至拾取的质量,亦即,结果存在大量异常初至。为此,需要人工一定的介入和修改才能满足需要,这种机器加人工的做法称为半自动化方法。不过,半自动方法的处理过程相当繁琐耗时,且人工干预存在较大主观性,因此在精度和效率难以满足要求,严重制约了静校正过程。有鉴于此,本研究旨在探索针对低信噪比地震资料下的自动初至拾取方法。同时,考虑到能量比算法计算简单、精度稳定的优点,本研究采用该算法的输出作为初步初至拾取的结果,在此结果上,进行自动异常初至检测与校正。具体研究内容如下:（1）针对能量比算法初步拾取产生的异常初至,提出基于CN-Fit的异常初至检测算法。首先,考虑到现有的数据处理方法导致上下文信息的缺失,本研究通过融合地震信息和初至信息来改进数据处理方法;其次,考虑到异常初至多呈现聚集性的特点,利用CN网络采用多道异常初至标签共享的方式,检测连续性的异常初至;再次,针对残留的非连续性异常初至,利用非线性回归的手段（Fitting）的方法进一步甄别。最后,针对上述组合算法输出的异常初至进一步进行筛选,获得最终正确初至。（2）剔除异常初至后的连续道集需进行补拾取。考虑到在一张地震图像中,初至波往往表现为一条分界线,因而本研究将拾取问题等价为图像分割问题,提出基于轻量编解码网络ED-Light进行补拾取。首先,采用ED-Light对剔除道进行重新拾取;其次,考虑到近炮数据量有限的问题,采用数据增强进行模型优化;最后,针对拾取后的噪点和多值问题,采用一系列后处理方法进一步优化拾取结果。通过真实地震数据验证,对于异常初至检测任务,CN-Fit算法与现有算法相比,F1 score提高了3.91%,检测效率提高了5.78倍;对于异常初至校正任务,ED-Light与现有网络相比,在准确率上提高了2.6%,且与其他经典网络对比,边缘细节处理更优;总体异常初至检测与校正流程比现有人机交互方式效率提高了约24倍。综上,本文算法用于自动异常初至校正具备可行性和有效性,在一定程度上可以替代人工进行检测和校正,从而提高地震资料处理的效率。