تصویرسازی لرزه ای به شدت به کیفیت داده های لرزه ای وابسته است. تفسیر ساختاری و چینه ای مقاطع لرزه ای که حاوی کمترین میزان نوفه تصادفی و همدوس می باشند، به مراتب راحت تر است. نوفه های متعددی در مقاطع لرزه ای دیده می شود که دسته مهمی از آن ها، نوفه های تصادفی اند. تضعیف این دسته از نوفه ها، بخصوص زمانی که نسبت سیگنال به نوفه کم باشد، بسیار دشوار است. تا کنون روش های مختلفی برای تضعیف نوفه های تصادفی ارائه شده است که هر کدام مزایا و معایب مربوط به خود را دارد. در این پایان نامه سعی شده است که از روش جدیدی برای تضعیف نوفه های تصادفی در حوزه t-f-x استفاده شود. برای این کار با استفاده از تبدیل s تعمیم یافته مقطع لرزه ای از حوزه t-x به حوزه t-f-x انتقال داده می شود و سپس در این حوزه تجزیه مُد تجربی empirical mode decomposition (emd) در راستای مکان برای یک زمان و فرکانس خاص اعمال می گردد. اولین تابع مُد ذاتی به دست آمده از روش تجزیه مُد تجربی، سریع ترین نوسانات را در داده ها نشان می دهد. به این معنی که بزرگ ترین مولفه های عدد موج (مربوط به نوفه) در اولین تابع مُد ذاتی موجود می باشد. بنابراین برای افزایش نسبت سیگنال به نوفه می توان اولین تابع مُد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه فرکانس ها می باشد و برای این که بتوان نوفه تصادفی را در مقاطع لرزه ای تضعیف نمود، می توان برای هر فرکانسی روش حذف اولین تابع مُد ذاتی را اعمال کرد. حذف اولین تابع مُد ذاتی به دلیل باقی ماندن نوفه ها در سایر توابع مُد ذاتی، عملکرد بهینه ای ندارد. همچنین در مواردی که رویدادهای با شیب زیاد در مقطع لرزه ای وجود داشته باشد، به دلیل محتوای عدد موج بالای آن ها دستخوش تغییرات می گردند. روش جدید دیگری که در این پایان نامه برای تضعیف نوفه توابع مُد ذاتی مورد استفاده قرار گرفته است، مبتنی بر آستانه گذاری بازه ای بر روی توابع مُد ذاتی به جای حذف اولین تابع مُد ذاتی می باشد. استفاده از این الگوریتم جدید علاوه بر تضعیف نوفه بیشتر نسبت به روش متداول، رویدادهای شیب دار بدون تغییر باقی می مانند. در این پایان نامه الگوریتم مذکور بر روی مقاطع لرزه ای مصنوعی و واقعی اعمال شده و با روش ترکیب تبدیل فوریه و تجزیه مُد تجربی مقایسه شده است. نتایج به دست آمده، عملکرد مناسب روش های معرفی شده در این پایان‎نامه را نشان می دهد. همچنین نشان داده شده است که حذف اولین تابع مُد ذاتی در رکورد چشمه مشترک می تواند در تضعیف نوفه های همدوس زمین غلت کارآمد باشد