经典流形算法等距映射（ISOMAP）和局部线性嵌入（LLE）可以对高光谱数据进行降维，但不能解决大尺度高光谱图像的流形降维难题。详细论述了ISOMAP和LLE在大尺度高光谱流形降维中遇到的问题，提出了一种基于增量等距映射（IISOMAP）和LLE结合的高光谱流形降维算法IISOMAP-LLE，并针对流形降维算法较线性降维算法最小噪声分离（MNF）可以更好地发掘出高光谱数据中的非线性结构的优点，通过AVIRIS和OMIS-II数据实验验证了算法的可行性和优越性，并证明了IISOMAP-LLE算法可以避免增强型等距映射(ENH-ISOMAP)中由于Landmark点选取不当而造成的本征维数较大时类间可分性反而低于MNF的缺点。