Debido a la alta dimensionalidad y redundancia de datos en imágenes hiperespectrales de teledetección, es difícil mantener la relación estructural no lineal en la representación de reducción de dimensionalidad de datos hiperespectrales. En este documento, se propone un método de representación de características basado en un auto-codificador contractivo de alto orden con restricción de la norma nuclear (CAE-HNC). Al introducir la matriz Jacobiana en el CAE de la restricción de la norma nuclear, la norma nuclear tiene una mejor dispersión que la norma de Frobenius y puede describir mejor la baja dimensión local de la variedad de datos. Al mismo tiempo, se agrega un término de penalización de segundo orden, que es la norma de Frobenius de la matriz Hessiana expresada en la capa oculta de la entrada, fomentando una geometría de variedad de datos de baja dimensión más suave. El experimento de imagen de teledetección hiperespectral muestra que CAE-HNC propuesto en este documento es un método de representación de características compacto y robusto, que proporciona ayuda efectiva para la clasificación de objetos terrestres y el reconocimiento de objetivos de imágenes hiperespectrales de teledetección.