En el presente trabajo se retoma un problema de interés real, la detección de agrupaciones de puntos (rasgos) en imágenes digitalizadas, que se encuentran acompañados de otros puntos (ruido). Se pretende separar y clasificar. Las últimas aportaciones hechas en este campo, se dirigen a considerar ausencia de modelo de probabilidad que originó la distribución espacial de los puntos en la imagen, utilizándose distancias al k-ésimo vecino más cercano y utilizando el algoritmo EM. Otros trabajos, definen funciones locales que recogen características de segundo orden alrededor de cada individuo. Uniendo estas dos ideas, ¿por qué no calcular vectores de funciones LISA asociadas a cada individuo y clasificarlas en rasgo y ruido (y que al hacer corresponder con los puntos originales éstos queden clasificados)? En este trabajo se desarrolla la metodología necesaria sobre funciones LISA individuales de segundo orden y se presentan dos estudios, basados en simulación y casos reales, en los que se analizan los métodos multivariantes de escalamiento multidimensional y cluster, así como distintos tipos de distancias entre funciones LISA.