Dans cet article, nous nous intéressons à la sélection des singularités présentes dans les images. Nous élaborons une architecture reposant sur une carte auto-organisatrice en extension hiérarchique (GHSOM) pour reconnaître différents concepts visuels à partir d'une approche locale et éparse pour construire une représentation sous la forme de «sac de caractéristiques». Les signatures locales activent les neurones de la carte GHSOM produisant des activations neuronales hiérarchiques. Ces stimuli révèlent la classe d'appartenance de l'image. Dans le cadre d'une application de classification d'images naturelles, nous obtenons des résultats convaincants avec un taux de classification supérieure à 82%. L'utilisation de la méthode pour une application biométrique offre plus de 95% de bonnes identifications.