Resumo: Imagens de Radar de Abertura Sintética Polarimétrico (PolSAR) apresentam informações complexas sobre as características físicas e texturais dos alvos, mas são afetadas pelo speckle multidimensional, tornando inadequada a utilização de modelos clássicos baseados em ruído Gaussiano. Neste trabalho, propõe-se uma abordagem estatística para a segmentação de imagens PolSAR baseada na entropia de Shannon e nos modelos Wishart complexo e G0m. Foi obtida uma expressão fechada para a entropia de Shannon associada ao modelo G0m, bem como resultados assintóticos para a distribuição dessa medida quando os parâmetros são estimados por máxima verossimilhança. A partir dessas propriedades, é desenvolvido um procedimento de segmentação baseado na modelagem da entropia e no algoritmo Stochastic Expectation-Maximisation (SEM). A abordagem proposta é avaliada considerando diferentes configurações e comparada com métodos clássicos de agrupamento, como k-means e k-medoids. Experimentos com dados simulados e imagens PolSAR reais das regiões de San Francisco, Munich e Demmin demonstram que a utilização de características estatisticamente fundamentadas na distribuição dos dados proporciona segmentações superiores aos métodos clássicos de agrupamento. Os resultados também evidenciam que a escolha do modelo deve considerar o grau de separação entre as classes: o modelo Wishart apresenta melhor desempenho em regiões com características bem separadas, enquanto o modelo G0m se mostra mais adequado para cenários heterogêneos e com maior sobreposição entre as classes.