针对非参数线性判别分析(LDA)的类间散布矩阵,就如何有效描述类边界结构这一问题,提出一种SVM与k 近邻(kNN)法相结合的非参数类间散布矩阵构造方法--SVM-kNN.该方法消除了非类边界样本对类边界结构信息的扭曲.将SVM-kNN非参数LDA 方法用于外场实测高分辨距离像的特征提取,并将识别结果与加权kNN非参数LDA 法和谱域原空间法比较,结果表明,SVM-kNN非参数LDA方法能显著提高识别效率.