随着地震勘探的环境日益复杂,对地震成像的精细化程度也越来越高。高分辨率地震资料重建一直以来都是地震勘探领域研究的热点问题,提高地震资料的信噪比和分辨率又是高分辨率重建的两个重要部分。传统的地震资料处理方法已经很难满足人们对复杂地质构造精细刻画的要求,因此,本文在压缩感知和稀疏表示的理论理论框架下展开了对地震资料重建方法的研究。本文在压缩感知和稀疏表示的基础上,针对地震资料高分辨率重建的两大方面去噪和拓频重建进行了深入的学习和研究,主要内容如下:本文首先对压缩感知和稀疏表示理论的基础知识进行了学习和再认识,详细阐述了测量矩阵需要满足的两个设计要求:约束等距性和相干性分析,对比几种稀疏表示方法,列出其相应的优劣势,并且详细阐述了基于字典学习的稀疏表示方法原理。在地震资料去噪方面,研究了基于K-SVD字典学习的压缩感知地震资料去噪方法。该方法可以自适应地根据地震资料本身的特点,训练出最优的字典来对地震资料进行稀疏表示,从而实现随机噪音与有效信号的分离,从而达到去噪的目的。在重建算法的选择中,对正交匹配追踪算法进行了改进,利用期望参数控制迭代次数,并分析了期望参数对去噪效果的影响。最后利用理论模型和实际资料与几种传统去噪方法进行对比,验证了算法的有效性。对于地震资料的拓频重建问题,本文研究了基于小波模极大值稀疏化拓频重建的方法,阐述了母小波的稀疏度选取和小波模极大值理论,结合小波模极大值的传播特性设计测量矩阵,对各尺度小波模极大值进行压缩采样,最后利用压缩感知技术进行各尺度小波系数的重建。最后用理论模型和实际资料进行了验证并且取得了较好的效果。