In dieser Doktorarbeit wird das Problem der Detektion und Klassifikation stationärer Ziele betrachtet. Die Anwendung konzentriert sich auf radarbildgebende Verfahren durch lichtundurchlässige Materialien, wie etwa Wände. Es wird eine Konstellation betrachtet, bei der eine dreidimensionale Szene aus verschiedenen Blickwinkeln abgebildet wird. Hierdurch können unerwünschte Reflektionen und Rauschen unterdrückt und die Zieldetektierbarkeit verbessert werden. Im Bereich der Zieldetektion werden zentralisierte und dezentralisierte Ansätze zur gleichzeitigen Bildfusion und Detektion betrachtet. Insbesondere wird der für die Praxis relevante Fall analysiert, in dem kein Wissen über die Bildstatistiken vorhanden ist und Rückschlüsse nur aus den erfassten Daten gezogen werden können. Zur Problemlösung wird ein adaptiver Detektor eingeführt, der sich nichtstationären Statistiken anpasst. Optimale Konfigurationen dieses Detektors werden basierend auf morphologischen Operatoren hergeleitet. Hierdurch wird eine systematisierte und zuverlässige Zieldetektion erreicht. In dezentralisierten Ansätzen werden lokale Entscheidungen zu einem Fusionszentrum übertragen, das daraufhin eine globale Entscheidung trifft. In diesen Szenarien ist das Konzept der Konfidenzinformation lokaler Entscheidungen von fundamentaler Bedeutung, um akzeptable Detektionsergebnisse zu erhalten. Konfidenzinformationen basieren klassischerweise auf vorhandenem Wissen über Bildstatistiken oder Eigenschaften der lokalen Detektoren, die häufig jedoch unbekannt sind. Ein neuartiges, adaptives Fusionsverfahren wird zur Lösung vorgeschlagen. Es verwendet das Bootstrap-Verfahren um systematisch Konfidenzinformationen der lokalen Detektoren zu schätzen. Im Bereich der Zielklassifikation wird ein allgemeines Rahmenwerk, bestehend aus Segmentierung, Merkmalserfassung und Entscheidung vorgestellt. Die einzelnen Schritte dieser Struktur werden an die Anwendung radarbildgebender Verfahren durch lichtundurchlässige Materialien angepasst. Der Fokus liegt hierbei auf der Vorstellung statistischer und geometrischer Merkmalssätze, basierend auf Superquadrics. Es wird demonstriert, dass die meisten Merkmalssätze abhängig von System- oder Szenenparametern, wie etwa der Systemauflösung oder der Distanz zum Ziel sind. Kompensationsmethoden, die eine auflösungsunabhängige Merkmalserfassung ermöglichen werden als Konsequenz hieraus hergeleitet. Alle vorgestellten Verfahren werden sowohl mit simulierten, als auch mit experimentellen Daten evaluiert. Letztere stammen von einem dreidimensionalen Radarbildgebungssystem unter Verwendung breitbandiger Strahlformung.