En los países en desarrollo, hay una alta correlación entre la dependencia de las exportaciones de petróleo y los conflictos violentos. Además, incluso en países que experimentaron un desarrollo pacífico de su industria petrolera, surgen problemas de uso de la tierra y medio ambiente. Por lo tanto, el monitoreo independiente de la infraestructura de los campos petroleros puede apoyar la resolución de problemas. Los datos de observación de la Tierra permiten un monitoreo rápido de grandes áreas, lo que permite comparar la cantidad real de tierra utilizada por la explotación petrolera y las obligaciones contractuales de las empresas. La característica objetivo de este monitoreo es la infraestructura de la explotación petrolera, plataformas de pozos de petróleo: características rectangulares de tierra desnuda que cubren un área de aproximadamente 50-60 m x 100 m. Este artículo presenta un procedimiento de extracción de características automatizado basado en la combinación de una clasificación no supervisada basada en píxeles de datos de radar de apertura sintética polarimétrica (PolSAR) y una post-clasificación basada en objetos. El método se desarrolla y prueba utilizando imágenes dual-polarimétricas de TerraSAR-X adquiridas sobre la cuenca de Doba en el sur de Chad. Las ventajas de PolSAR son la independencia de la cobertura de nubes (frente a imágenes ópticas) y la posibilidad de una clasificación detallada del uso de la tierra (frente a SAR de polarización simple). La clasificación de PolSAR utiliza la función de densidad de probabilidad de Wishart polarimétrica basada en la descomposición de anisotropía/entropía/alfa. El refinamiento de la post-clasificación basado en propiedades de los objetivos de características, como la forma y el área, aumenta la precisión del usuario de la metodología en un orden de magnitud. La precisión final lograda del usuario y del productor es del 59%-71% en cada caso (evaluación de precisión basada en el área). Considerando solo los números de plataformas de pozos de petróleo detectadas correctamente/falsamente, las precisiones del usuario y del productor aumentan incluso al 74%-89%. En un procedimiento de entrenamiento iterativo, se determinan el filtro de speckle polarimétrico más adecuado y los parámetros de procesamiento del procedimiento de extracción de características desarrollado. La alta transferibilidad de la metodología se demuestra mediante una aplicación a una segunda adquisición de SAR.