降维分析是现代数字图像处理与辨识领域最常用的方法，传统的降维分析多采用线性手段，虽然便捷，却无法提取出高维空间中的非线性特征。本丈讨论的是近年发展起来的两种非线性降维方法——局部线性嵌入(LLE)与ISO图(Isomap)，这两种方法能够在无人监督的情况下，保留原高维空间的邻接关系，成功提取出嵌入在高维空间的低维子空间。局部线性嵌入方法将全局非线性的高维空间，分成一个个小的局部区域，利用线性手段处理每个局部区域，再将各小区域合并起来重构低维子空间；ISO图方法，将测地线原理引入降维分析，通过寻找任意两点间的测地线关系，从而化曲为直，提取出低维非线性子空间。 本丈在阐述两种算法原理的基础上着重讨论了它们的应用。特征提取是降维分析的重要目的之一，本文详细讨论了两种非线性降维方法应用于特征提取领域的方式、方法和注意事项，就参数选取、样本采集等方面给出了简便易行的解决方案，并注意研究复杂背景、非良好采样条件下实物图像的非线性降维问题。探讨了两种方法各自的最佳适用范围。 图像识别是降维分析的又一重要目的，也是特征提取的必然结果。本文首次分析了这两种非线性降维方法在图像辨识领域的应用，讨论了实现方案、算法流程和适用范围，为车牌字符识别、人脸识别等提供了一种全新的思路，并且指出了进一步研究的方向。