En este trabajo se propone un algoritmo de selección de bandas denominado modelo de evaluación integral del espacio y la información (SICEM), que reconstituye las imágenes hiperespectrales mediante la construcción de un subconjunto óptimo que sustituye al espectro original. SICEM reduce las dimensiones manteniendo la información vital de una imagen, y esto se consigue a través de dos fases. En concreto, se emplea el algoritmo mejorado de agrupación rápida de picos de densidad (I-FDPC) para seleccionar las bandas dispersas en el espacio geométrico y generar primero un conjunto candidato Uat. A continuación, realizamos una poda en Umediante un análisis iterativo de la información hasta construir el conjunto objetivo Ω. En esta fase, tenemos que calcular la puntuación de información global (CIS) para cada miembro de Udespués de asignar pesos a la cantidad de información (AoI) y a la correlación. En cada iteración, la banda con la puntuación más alta se selecciona en Ω, y las altamente relacionadas con ella se eliminan de U mediante un umbral. En comparación con los cuatro algoritmos no supervisados del estado de la técnica en conjuntos de datos HSI del mundo real (IndianP y PaviaU), encontramos que SICEM tiene una gran capacidad para formar una combinación óptima de dimensión reducida con baja correlación y rica información y tiene un buen rendimiento en la distribución de bandas discretas, la precisión, la consistencia y la estabilidad.