缺失地震数据重建是地震数据叠前处理的重要环节,对后续一系列处理环节如SRME多次波去除、三维地震偏移等具有重要意义。基于稀疏变换的地震数据重建方法是应用最为广泛的一类重建方法,此类重建方法主要涉及到稀疏变换选取、迭代算法、阈值模型以及噪声条件下的重建等关键问题。考虑到Seislet变换具有极好的促稀疏性,本文采用Seislet变换作为稀疏变换,并且与FFT以及Curvelet变换等常见稀疏变换对比,分析了Seislet变换作为稀疏变换的优势与劣势。本文重点讨论了POCS(Projection onto convex sets)算法、IHT(Iterative hard thresholding)算法、Bregman算法以及JRSI(Joint Reconstruction by Sparsity-promoting Inversion)算法等四种不同的迭代算法。针对数据重建迭代算法中的阈值处理环节,我们对线性、指数、数据驱动等几种常见的阈值模型进行了对比研究。在含噪声条件下,常规的重建方法难以达到理想的重建效果,因此需要在迭代公式中引入加权因子以降低噪声的影响。本文探讨了加权因子的计算与选取方法,对基于常值模型、线性衰减模型和数据驱动模型的加权方法进行了重点研究。本文通过数值模拟以及实际数据对以上关键问题做了研究,分析了各种因素对地震数据重建结果的影响。