混淆矩陣是我們驗證影象分類結果精度第一種常用的指標，通過Toolbox/Classification/Post Classification/Confusion Matrix Using Ground Truth ROIs，可以得到如下的分類精度驗證的混淆矩陣。

要看懂這個精度驗證結果，需要了解幾個混淆矩陣中的幾項評價指標：

•  總體分類精度（Overall Accuracy）

等於被正確分類的像元總和除以總像元數。被正確分類的像元數目沿著混淆矩陣的對角線分佈，總像元數等於所有真實參考源的像元總數，如本次精度分類精度表中的Overall Accuracy = (110230/125843) 87.5933%

•  Kappa係數（Kappa Coefficient）

它是通過把所有真實參考的像元總數（N）乘以混淆矩陣對角線（X_KK）的和，再減去某一類中真實參考像元數與該類中被分類像元總數之積之後，再除以像元總數的平方減去某一類中真實參考像元總數與該類中被分類像元總數之積對所有類別求和的結果。

 Kappa計算公式

•  錯分誤差（Commission）

指被分為使用者感興趣的類，而實際屬於另一類的像元，它顯示在混淆矩陣裡面。本例中，總共劃分為林地有19210個像元，其中正確分類16825，2385個是其他類別錯分為林地（混淆矩陣中林地一行其他類的總和），那麼其錯分誤差為2385/19210=

• 漏分誤差（Omission）

指本身屬於地表真實分類，當沒有被分類器分到相應類別中的像元數。如在本例中的林地類，有真實參考像元16885個，其中16825個正確分類，其餘60個被錯分為其餘類（混淆矩陣中耕地類中一列裡其他類的總和），漏分誤差60/16885=0.36%

•  製圖精度（Prod.Acc）

是指分類器將整個影像的像元正確分為A類的像元數（對角線值）與A類真實參考總數（混淆矩陣中A類列的總和）的比率。如本例中林地有16885個真實參考像元，其中16825個正確分類，因此林地的製圖精度是16825/16885=99.64%。

• 使用者精度（User.Acc）

是指正確分到A類的像元總數（對角線值）與分類器將整個影像的像元分為A類的像元總數（混淆矩陣中A類行的總和）比率。如本例中林地有16825個正確分類，總共劃分為林地的有19210，所以林地的使用者精度是16825/19210=87.58%。