在野外采集中,高品质的采集资料会为后续的处理解释工作提供很好的帮助,使得最终结果更加准确。但实际采集中,会遇到严重影响采集的情况,导致部分道缺失,无法铺设检波器等。针对此类问题,地震数据重建的方法被引入。近年来,压缩感知理论为重建地震数据做出更好的贡献,随着三维地震数据的广泛应用,对压缩感知重建运算速度的要求也在逐步提高。本文试图在稀疏变换上做出改变,保证重建精度的情况下,提高压缩感知地震数据重建的计算效率。以压缩感知理论为框架解决地震数据重建问题,主要运用三大理论方法,选择合适的采样矩阵对高维地震数据进行压缩采集,再使用特定稀疏变换方法得到稀疏系数,最后使用重建算法对稀疏系数进行恢复重建。本文在稀疏变换方法上进行探索,阐述了常用的稀疏变换方法后,介绍离散正交S变换,并从其理论发展的过程进行一一介绍,从理论方面验证其作为稀疏变换方法的可行性和适用性。并结合图像领域的数据进行验证。将离散正交S变换应用于压缩感知地震数据重建中,重建方法固定为快速凸集投影算法,对比不同采样方法的差异性后,选择使用效果最佳的Jitter采样。使用二维正演模型测试结果,并在不同缺失比下进行适应性测试。再进行与傅里叶变换和Shearlet变换两种方法的横向对比,得到较好的结果后,再使用离散正交S变换进行三维模型、实际地震数据的测试分析,多种参数分析可以得出,本文方法具备良好的计算速度,能较好的保留有效信息。最终结果证明的正确性和适应性。