Quando trabalhamos com processos de análise de imagens, descritores de características podem ser utilizados para gerar descrições suficiente para identificar um objeto de forma confiável. São utilizados em larga escala para reconhecimento de objetos, formas e padrões, recuperação de imagens, entre outros. Esses processos geram grandes quantidades de dados, que são apresentados em alta-dimensionalidade, onde a representação são de difícil visualização, e é neste quesito que os métodos de redução de dimensionalidade são de grande relevância. O principal objetivo da redução de dimensionalidade é revelar características intrínsecas dos dados de alta-dimensionalidade, que ficam ocultos quando observados de uma maneira global. Este trabalho apresenta o desenvolvimento de um método de redução de dimensionalidade chamado isomap. Inicialmente, foram analisado os métodos considerados clássicos, e com base neles, foi implementado o algoritmo do isomap. Posteriormente, a etapa de testes foi realizada com o uso de bases de dados espirais tridimensionais e examinados os resultados provenientes do método clássico PCA e do isomap. Com base nesta análise, foi possível comprovar que o isomap é mais robusto para bases de dados desse formato, alcançando resultados mais precisos e sem distorções.