陸上或海上傳感器記錄的地震信號通常受到隨機噪聲的污染，導致地震數據質量差、信噪比（SNR）低。提高地震數據的信噪比是地震數據處理的目標之一，其中隨機噪聲抑制在疊前和疊后地震數據處理中都起著關鍵作用。

近幾十年來出現了各種去噪方法，例如基于預測的噪聲抑制方法：tx預測濾波和非平穩預測濾波，稀疏變換域方法包括小波變換，曲線波變換、seislet變換、輪廓波變換、基于字典學習的稀疏變換、奇異譜分析等。這些傳統方法主要基于信號和噪聲本身的特征或者它們在不同變換域中的分布特征。這些方法通常需要了解信號或噪聲的先驗信息。而且，實際情況下地震信號的特征比較復雜，信號和噪聲的特征分布在變換域中重疊，因此幾乎不可能準確地將噪聲與含噪信號分離。

近年來，深度學習方法很受歡迎，并成功地處理了計算機科學、信息工程和地球科學以及遙感等不同領域的各種任務。深度學習方法在遙感領域的不同任務中表現出了巨大的潛力，例如圖像檢索、道路提取、遙感場景分類、語義分割和智能交通系統。