چکیده: تصویرسازی لرزه‌ای به شدت به کیفیت داده‌های لرزه‌ای وابسته است. تفسیر ساختاری و چینه‌ای مقاطع لرزه‌ای که حاوی کمترین میزان نوفه تصادفی و همدوس می‌باشند، به مراتب راحت‌تر است. نوفه‌های متعددی در مقاطع لرزه‌ای دیده می‌شود که دسته مهمی از آن‌ها، نوفه‌های تصادفی‌اند. تضعیف این دسته از نوفه‌ها، بخصوص زمانی که نسبت سیگنال به نوفه کم باشد، بسیار دشوار است. تا کنون روش‌های مختلفی برای تضعیف نوفه‌های تصادفی ارائه شده است که هر کدام مزایا و معایب مربوط به خود را دارد. در این پایان‌نامه سعی شده است که از روش جدیدی برای تضعیف نوفه‌های تصادفی در حوزه t-f-x استفاده شود. برای این کار با استفاده از تبدیل‌ S تعمیم‌یافته مقطع لرزه‌ای از حوزه t-x به حوزه t-f-x انتقال داده می‌شود و سپس در این حوزه تجزیه مُد تجربی Empirical Mode Decomposition (EMD) در راستای مکان برای یک زمان و فرکانس خاص اعمال می‌گردد. اولین تابع مُد ذاتی به‌دست آمده از روش تجزیه مُد تجربی، سریع‌ترین نوسانات را در داده‌ها نشان می‌دهد. به این معنی که بزرگ‌ترین مؤلفه‌های عدد موج (مربوط به نوفه) در اولین تابع مُد ذاتی موجود می‌باشد. بنابراین برای افزایش نسبت سیگنال به نوفه می‌توان اولین تابع مُد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه فرکانس‌ها می‌باشد و برای این که بتوان نوفه تصادفی را در مقاطع لرزه‌ای تضعیف نمود، می‌توان برای هر فرکانسی روش حذف اولین تابع مُد ذاتی را اعمال کرد. حذف اولین تابع مُد ذاتی به دلیل باقی ماندن نوفه‌ها در سایر توابع مُد ذاتی، عملکرد بهینه‌ای ندارد. همچنین در مواردی که رویدادهای با شیب زیاد در مقطع لرزه‌ای وجود داشته باشد، به دلیل محتوای عدد موج بالای آن‌ها دستخوش تغییرات می‌گردند. روش جدید دیگری که در این پایان‌نامه برای تضعیف نوفه توابع مُد ذاتی مورد استفاده قرار گرفته است، مبتنی بر آستانه‌گذاری بازه‌ای بر روی توابع مُد ذاتی به جای حذف اولین تابع مُد ذاتی می‌باشد. استفاده از این الگوریتم جدید علاوه بر تضعیف نوفه بیشتر نسبت به روش متداول، رویدادهای شیب‌دار بدون تغییر باقی می‌مانند. در این پایان‌نامه الگوریتم مذکور بر روی مقاطع لرزه‌ای مصنوعی و واقعی اعمال شده و با روش ترکیب تبدیل فوریه و تجزیه مُد تجربی مقایسه شده است. نتایج به ‌دست آمده، عملکرد مناسب روش‌های معرفی شده در این پایان‎نامه را نشان می‌دهد. همچنین نشان داده شده است که حذف اولین تابع مُد ذاتی در رکورد چشمه مشترک می‌تواند در تضعیف نوفه‌های همدوس زمین‌غلت کارآمد باشد.