高密度地震技术是近年来国外发展较快的物探技术之一,使用该方法获得的地震资料较好地解决了压制噪音、提高分辨率和保真度等难题。但同时也存在着高频段信噪比低、弱信号被混杂或淹没在噪声里的严重问题。如果不经过弱信号与噪声的分离处理,直接用它来进行叠加、速度分析、动校正、偏移等处理,最终的资料质量会大打折扣,不易发挥出高密度资料的潜在优势。因此,加强高密度地震弱信号的检测与去噪方法的研究,着力提高高密度地震资料信噪比的研究具有十分重要的意义。Curvelet变换是在小波变换基础上发展起来的一种新的多尺度变换。Curvelet变换对图像的边缘,如曲线、直线等几何特征的表达更加优于小波,这一特点使得Curvelet变换在图像去噪中取得较为广泛的研究成果。本文将Curvelet变换引入高密度地震技术领域,重点讨论了Curvelet变换在高密度地震弱信号检测与去噪方面的应用。文章以第二代离散Curvelet变换为工具,讨论了Curvelet变换在不含弱信号和含有弱信号情况下的实现方法:在不含弱信号情况下,通过Curvelet硬阈值法就能达到较好的保幅去噪效果;在含有弱信号的情况下分别讨论了各种阈值处理方法在弱信号识别方面的效果,综合对比选择了对弱信号识别更有效的半软阈值法,并通过采用降低阈值门限的方法改进弱信号识别效果。对于降低阈值门限后出现的Curvelet域系数滤除不干净,时域中出现野值的问题,通过在Curvelet域采用均值滤波方法加以平滑,经模型试验和实际资料验证,此方法相对于小波变换、Curvelet硬阈值方法对弱信号的检测和识别更加有效。经试验,本文算法最高可分辨埋没于2倍于信号幅值的噪声中的弱信号。