عواملی هم­چون وجود اسپکل­ها در تصاویر SAR، وابستگی زیاد بین پیکسل­های همسایه، احتمال رخداد تغییرات در مناطق مجاور نسبت به نقاط دور از یکدیگر و هم­چنین دشواری دست­یابی به نتایج موردنظر در صورت استفاده از روش­های مبتنی بر پیکسل، ضرورت به­کارگیری آنالیز شی­مبنا را در بهبود دقت تشخیص تغییرات ایجاب می­کند. هدف از این مقاله، ارائه روشی نوین در تشخیص تغییرات به­هنگام پوشش­های اراضی با استفاده از تصاویر پلاریمتریک SAR خواهد بود. در روش پیشنهادی ابتدا هر دو تصویر پلاریمتری اخذ شده از منطقه با استفاده از الگوریتم بهبودیافته آب­پخشان به­طور جداگانه قطعه­بندی می­شوند. سپس از میان ویژگی­های مختلف پلاریمتری، ده ویژگی تفاضلی بهینه با استفاده از الگوریتم ژنتیک و معیار فاصله Jeffries-Matusita انتخاب گردیده و در مرحله پایانی با درنظرگرفتن اطلاعاتی همانند تفاوت میانگین مقادیر پیکسل­های مناطق همگن قطعه­بندی­شده در دو تصویر، تغییر و یا عدم تغییر قطعات با استفاده از طبقه­بندی کننده ماشین بردار پشتیبان (SVM) بررسی می­گردد. مقایسه نتایج حاصل از اجرای این الگوریتم با داده­های مرجع، مقادیر 40/92 درصد و 85/0 را برای دقت ­طبقه­بندی و ضریب کاپا نشان می­دهد. این در حالی است که دقت و ضریب کاپا در روش پیکسل­مبنا به­ترتیب برابر با 61/78 درصد و 58/0 به­دست آمده است. هم­چنین این روش قطعه­بندی در مقایسه با روش پیکسل مبنا توانسته­ است مرز­های قطعات تصویری را با درصد قابل توجهی حفظ کند.