地震勘探信号去噪是提高地震信号信噪比的关键步骤,也是地震信号处理领域非常具有挑战性的研究问题。近年来,由于变换域内的地震信号具有一定的稀疏性,基于稀疏先验的地震信号处理已逐渐成为地震勘探信号领域的研究热点之一。本文以地震信号稀疏先验为框架,对地震信号开展去噪研究,论文主要研究内容如下:（1）基于区域分割梯度直方图的地震信号去噪地震信号的梯度先验属于局部稀疏先验,基于此提出了一种基于区域分割梯度直方图保持（Segmentation Gradient Histogram Preservation,SGHP）的地震信号去噪算法。该算法首先将地震含噪信号分成几个区域,然后估计每个区域的参考梯度直方图,最后对每个区域使用梯度直方图保持（Gradient Histogram Preservation,GHP）进行去噪,使得最终得到的去噪地震信号的梯度分布尽量接近原信号的梯度分布,从而达到保护地震信号细节的目的。对合成地震信号和叠后陆上地震信号分别去噪,并与非局部均值滤波（Non-local Mean filtering,NLM）、块匹配三维协同滤波（Block Matching3D cooperative filtering,BM3D）、聚类稀疏表示（Clustering Sparse Representation,CSR）等去噪算法进行对比,采用峰值信噪比、结构相似度等指标进行评价,结果表明SGHP在上述去噪算法中效果最优。（2）基于小波-交叠稀疏高阶全变分的地震信号去噪全变分（Total Variation,TV）地震信号去噪是在稀疏变换域对地震信号进行去噪,基于此提出了一种基于小波-交叠稀疏高阶全变分（Wavelet-High Order Total Variation with Overlapping Group Sparsity,WHOGS-TV）的地震信号去噪算法。首先将含噪地震信号进行小波变换,分解为高频和低频部分,然后对高频部分使用硬阈值处理,对低频部分进行交叠稀疏高阶全变分,最后通过小波逆变换输出去噪地震信号。通过叠后、叠前地震信号的去噪实验,验证了与交叠稀疏高阶全变分（High Order Total Variation with Overlapping Group Sparsity,HOGS-TV）、高阶全变分（High Order Total Variation,HOTV）、交叠稀疏全变分（Total Variation with Overlapping Group Sparsity,OGSTV）等算法相比,本文算法具有更好的去噪能力,而且能很好保留地震信号细节。（3）基于聚类的低秩近似地震信号去噪提出一种基于聚类的低秩近似去噪算法,首先对地震信号进行高斯混合模型聚类（Clustering based on Gaussian Mixture Model,GMM）,然后对每一类信号块进行低秩近似并将各类信号块合并成完整的去噪地震信号。地震信号的低秩形式也是地震信号稀疏性的一种体现,算法本质上是结合地震信号的稀疏先验和自相似性先验信息进行去噪。该算法对含噪信号块组进行高斯混合聚类,然后对同一类的块组通过低秩近似进行降噪。将该算法与块期望对数似然去噪算法（Expected Patch Log Likelihood,EPLL）、加权核范数最小化算法（Weighted Nuclear Norm Minimization,WNNM）、非局部自相似性块组学习算法（Patch Group Based Non-local Self-similarity Prior Learning for Image Denosing,PGPD）等去噪算法进行对比,通过峰值信噪比、结构相似度等评价指标对比可以验证本文算法优于上述去噪算法。