目前，对地震数据分析的工具主要有傅里叶变换和小波变换，二者都具有自身的优越性和局限性：傅里叶变换只能得到信号的频谱分布，而不能展示频率在时间上的分布，且不能对非平稳信号进行分析；小波变换源于地震数据分析，能对非平稳信号进行描述，并且能够对数据进行压缩，但是并没有一种小波类的变换是专门为地震数据设计的；基于离散小波变换的Seislet变换，是结合平面波分解和提升算法提出的的一种小波类变换。原理是利用平面波分解求取同相轴斜率，沿着局部占优同相轴斜率方向对地震数据进行处理，提升算法能够实现信号的多分辨率分析，提升算法的核心是预测算子和更新算子，预测算子的目标是对信号规则部分进行预测，更新算子的目标是保证下一尺度的数据与输入信号具有相同的属性。该变换是沿着同相轴斜率方向进行，而斜率是通过平面波分解得到，于是称为平面波分解-Seislet变换。平面波分解-Seislet变换沿着同相轴的方向对数据进行压缩，在变换域中，有效信号的信息就分布在有限的变换系数中，而噪声对应的变换系数随机地分布于整个变换域。利用这种特性对数据进行去噪处理：有效信号具有相干性，能够得到很好地压缩，而噪声信号则不能，于是在变换域中，对变换系数进行阈值处理，选取合适的系数，进行反变换，便得到去噪后的信号。平面波分解-Seislet变换具有很好的应用，但是它对倾角的依赖性很强，于是在倾角不一致的情况下，引入偏移距延拓-Seislet变换，来弥补平面波分解-Seislet变换的不足。偏移距延拓-Seislet变换利用偏移距延拓算子构建预测算子和更新算子。偏移距延拓-Seislet变换对数据也具有很好的压缩能力，可以用偏移距延拓-Seislet变换的方法去除噪声。另外偏移距延拓-Seislet变换还能通过软阈值迭代的方法，对道缺失的数据进行数据规则化。通过模型来验证该方法，并通过对实际资料进行处理，表明这两种变换方法都能很好地应用于地震数据处理。