地震解释是将地震信息转换为地质信息的过程，是地震勘探中的一个重要环节，地震解释的结果直接影响到地震勘探的效益。由于地震勘探技术的不断进步，地震数据的数据量不断增加，地震解释算法也日益复杂，这对计算机的计算能力提出了挑战。如何提高地震解释算法的计算效率和解释结果的精度，成为地震解释研究工作的一个热点。　　相干体计算和层位面识别是地震解释领域中的两个基础算法。相干体是一种重要的地震属性，可以被用来描述断层等不规则构造。传统的基于CPU的相干体算法难以达到实时和交互式计算的要求，这严重地影响了解释效率。层位面是地下不同岩层的分界面，解释人员可以根据层位的起伏形态对地下的地质构造进行推测。现有的层位面自动识别算法在识别效果、交互方式及运行速度等方面都存在值得改进的地方。本文针对上述问题，结合GPU并行计算技术和图像处理技术，分别对相干体算法和层位面识别算法进行了深入的研究，主要工作如下:　　(1)提出了一种基于CUDA的C1相干体算法。相干体算法的计算量大，对大规模数据进行相干体计算是十分费时的。本文提出并实现了一种基于CUDA的C1相干体算法，算法充分利用C1相干体计算所具有的良好的数据并行性和GPU的高性能计算能力，显著地提高了C1相干体算法的计算效率。　　(2)提出了一种基于CUDA的层位面追踪算法。传统的层位面自动追踪算法大都是基于种子点的蔓延搜索算法，算法的并行性不明显。本文挖掘种子点蔓延法中潜在的并行操作，提出并实现了一种基于CUDA的层位面自动追踪算法，有效地提高了层位面追踪算法的运行效率。　　(3)提出了一种基于能量最小化的层位面识别算法。层位面识别问题与图像分割问题具有一定的相似性，本文借鉴图像分割相关算法的思想，设计了一个针对地震图像的能量函数，将层位面识别问题转化为能量最小化问题，并利用图割算法解决了能量最小化问题。最后通过实验验证了本文算法的可行性。