地震勘探是石油勘探的重要手段,由地表激发产生的地震数据可以反演地下地质结构及石油蕴藏情况,而采集的地震数据含有大量噪声,不利于后续数据分析。非局部均值算法（Non-Local Means,NLM）自提出以来,被广泛用于彩色图像降噪并获得让人满意的效果,而在地震数据降噪领域的应用却仍需深入研究。本文充分分析含噪地震数据的特点,以NLM为框架开展对地震数据的降噪研究。主要研究内容如下:（1）融合边缘检测的非局部均值地震数据降噪针对NLM在地震数据降噪中出现的同相轴被平滑的问题,提出一种融合边缘检测的非局部均值地震数据降噪算法（Sobel8-NLM）。首先用八方向Sobel算子检测含噪地震数据的同相轴,再用检测到的同相轴改进NLM的权值,使相差较大的邻域权值减小,在实现降噪的同时,较好地恢复地震数据中的同相轴。实验以合成、海上和陆上地震数据为样本,与NLM、结合经典Sobel算子的非局部均值算法（Sobel2-NLM）、结合Canny算子的非局部均值降噪算法做对比,验证算法在地震数据降噪中的优势。（2）基于自适应快速改进非局部均值的地震数据降噪针对Sobel8-NLM存在滤波参数无法随噪声大小发生适应性变化、计算量较大这两个问题,提出一种自适应快速改进非局部均值的地震数据降噪算法。对含噪地震数据采取两次Sobel8-NLM降噪,并改进滤除参数,同时用互相关函数替代卷积运算,在提高地震数据降噪效果的同时减少运算时间。实验以合成、海上和陆上地震数据为样本,对比NLM,Sobel8-NLM和基于最近邻选择策略的非局部均值算法的降噪效果和降噪时间,验证了算法对地震数据的降噪性能。最后通过对野外采集到的地震数据做降噪实验,证明算法具有鲁棒性。（3）基于全变分正则化非局部均值的地震数据降噪全变分正则化约束可以有效保持地震数据中同相轴,为此提出一种基于全变分正则化非局部均值的地震数据降噪算法。利用NLM对地震数据的降噪结果,更新权值以去除抖动效应,对更新权值后的NLM降噪结果进行全变分正则化约束。实验以合成、海上和陆上地震数据为样本,并与NLM,基于最近邻选择策略的非局部均值算法的降噪效果进行比较,并在最后对比算法效率,验证了算法在地震降噪中的优势。