In dieser Doktorarbeit wird das Problem der stationären Zielerfassung, Segmentierung und Klassifikation in Through-the-Wall Radar Imaging (TWRI) betrachtet. In der stationären Zielerfassung sind Techniken, die auf dem Doppler effekt oder auf Veränderungen in der Szene besuchen, nicht anwendbar. Eine neue Menge von Merkmalen wird verwendet, die von polarimetrischen Signaturen und so genannter co-occurrence Matrizen, die gleichzeitiges Auftreten bestimmer Eigenschaften reflektieren, abhängig ist. Algorithmen für die 2D- und 3D-Segmentierung und Klassifikation werden angepasst, untersucht und getestet. Die Anwendung dieser Algorithmen in TWRI wird mit besonderem Fokus auf die Merkmalsextraktion und Klassifikation der Ziele untersucht. Eine Kombination aus polarimetrischen Signaturen und Merkmalen, die aus den co-occurrence Matrizen extrahiert wurden, werden vorgeschlagen. Zwei unterschiedliche Systeme, die für 2D- und 3D Anordnungen ausgelegt sind, werden präsentiert. Die erste Methode basiert auf einer Verschmelzung der zwei-dimensionalen Segmentierung und der Klassifikation. Hier werden Merkmale von polarimetrischen B-Scans zur Segmentierung und Klassifikation des beobachteten Bildes in Ziel, Stördaten und Rauschen verwendet. Polarimetrische Signaturen des Zieles von kopolarisierten und kreuzpolarisierten Zielechos werden Pixel für Pixel in den Merkmalsraum abgebildet. Das Bild wird hierdurch über-segmentiert, um homogene Regionen, so genannte Superpixel, zu erhalten. Homogene Superpixel werden wahlweise im Anschluss gruppiert und dann entsprechenden Klassen zugewiesen. Diese Methode beruht auf neuen Features und den Beziehungen zwischen den verschiedenen Bildpunkten. Die zweite Methode befasst sich direkt mit der 3D-Szene anstatt der zweidimensionalen B-Scans. Im ersten Schritt werden Gruppierungen nach Intensität und räumlichen Merkmalen für jedes Voxel durchgeführt. Gruppen, die hauptsächlich Rauschen beinhalten, werden ausgeschlossen. Aus den Voxeln der verbleibenden Gruppen werden weitere Merkmale extrahiert, die aus der co-occurrence Matrix und der polarimetrische Signaturen erzeugt werden. Anschließend werden die Voxel mit verschiedenen Klassifikatoren klassifiziert, um die Nützlichkeit der Features zu prüfen. Diese Methode wurde für praktische Anwendungen, bei denen die Erfassung der Ziele in Echtzeit durchgeführt werden soll, entworfen. Die Gruppierung im ersten Schritt wird verwendet, um die Positionen der Ziele schnell zu erkennen. Weitere Schritte werden angewandt, um genauere Schätzungen der Zielpositionen und Formen zu erhalten und die gruppierten Voxel mit einer höheren Genauigkeit klassifizieren zu können. Alle vorgeschlagenen Methoden werden anhand realer Daten ausgewertet. Die Daten wurden durch dreidimensionale Messungen eines Breitband-Radar-Bildgebungssystems mittels Beamforming erfasst.