随着油气勘探的不断深入,勘探目标区域的复杂多变,加剧了地震数据的不完整和不规则情况,影响后续地震资料的处理和解释,并最终影响油气等资源的判断。因此,我们要对这些不完整数据进行重建。受奈奎斯特采样定理的限制,目前传统地震数据重建方法对采样率要求较高,勘探成本较大,探索更好的压缩重建方法,对缺失地震数据进行压缩重建具有重要意义。针对上述问题,本文引入压缩感知(Compressed Sensing,CS)理论,解决缺失地震数据重建问题。利用地震资料在字典变换域的稀疏化特征,设计合适的测量矩阵和重构算法对缺失地震数据进行重建,取得了较为理想的处理结果。具体内容如下:(1)总结了传统地震数据重建方法的重建原理,并对其各自的优缺点进行对比分析,得出结论:传统重建方法对采样频率有较强的依赖性,在对较低采样率的地震数据重建时,重建效果较差,影响后续对地震资料的解释。由此,引出本文研究内容,利用压缩感知理论对缺失地震数据重建。(2)针对压缩感知中稀疏表示方法一旦选定,其对应的基函数就已经固定,不能根据数据本身的特点进行自适应调整的问题,本文探索使用学习型超完备字典对地震数据进行稀疏表示。根据地震数据自身特点,自适应地构造稀疏变换基,具有更强的稀疏表示能力。(3)为改善当前压缩感知中简单随机采样算法无法控制采样间距的不足,引入泊松碟采样,在泊松碟采样的基础上,采用网格索引划分采样区域,网格区域内随机选择候选点,判断候选点是否符合最小间隔限制。改进泊松碟采样在控制采样间隔的同时保证了采样随机性,提高了采样效率。(4)在重构算法选取上,研究发现正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法每次迭代选取其中一个最优的原子进入支撑集,导致算法迭代速度慢,重构精度低。本文将分段正交匹配追踪(Stagewise OMP,StOMP)重构算法引入缺失地震重建,该算法每次选取多个原子进入支撑集,避免了 OMP算法选取的原子非最优的不足,在重构精度和时效上均具有明显优势。实验结果表明,本文提出的基于压缩感知和泊松碟采样算法的地震数据重建方法,能够有效的重构缺失地震数据,提高了重构效率和重构精度。