En esta tesis doctoral se retoma un problema de interés real, como es la detección de agrupaciones de puntos -que denominamos rasgos- en imágenes digitalizadas, que se encuentran en compañía de otros puntos que no son de interés, a estos los denominamos 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, haciendo variar el valor de k y utilizando el algoritmo EM. Otros trabajos, que sirven como punto departida, definen funciones locales que recogen características de segundo orden alrededor de cada individuo. Uniendo estas dos ideas, ¿por qué no aplicar y calcular vectores de funciones LISA asociadas a cada individuo, que recojan características de segundo orden, por tanto de agregación del patrón puntual, y clasificar funciones en rasgo y ruido, que al hacer corresponder con los puntos originales éstos queden clasificados?. Esta es la motivación de la tesis doctoral y el desarrollo es el proceso que se ha seguido hasta obtener resultados satisfactorios. En particular, la tesis comienza con un capitulo sobre los conceptos básicos en procesos puntuales espaciales. Continua presentando las técnicas hasta ahora utilizadas para posteriormente desarrollar la metodología necesaria sobre funciones LISA individuales de segundo orden. Se presentan dos capítulos, basados en estudios de 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.