在執行監督分類之后，需要對分類效果進行評價。ERDAS提供了多種分類評價方法，包括分類疊加(classification overlay )、定義閾值(thresholding)、分類編碼 (recode classes)、精度評估(accuracy assessment)等。本文主要講述精度評估方法，使用的是ERDAS 2014。
首先打開分類前的影像，然后選擇“Raster”→“Supervised”→“Accuracy Assessment”，打開精度評估窗口。
選擇“File”→“Open”，打開分類結果。
選擇“View”→“Select viewer”，提示選擇視窗。點擊原影像視窗就可以了。
選擇“View”→“Change colors”，設置沒有參考值和有參考值的點的顏色。不設置也可以。
選擇“Edit”→“Create/ Add Random Points”（建立/添加隨機點），打開Add Random Points對話框，在Search Count中默認為1024，在Number of Points中默認為256，在Distribution Parameters選擇Random單選框，按照參數設置產主隨機點。隨機點越多精度評價結果越准確，下面只設置了20個隨機點。
點擊“Select Classes”按鈕，可以查看和編輯柵格的屬性。
返回Accuracy Assessment對話框，可以看到在Accuracy Assessment對話框的數據表中出現了20個檢查點，每個點都有點號、X/Y坐標值、Class、Reference等字段，其中點號、X/Y坐標值字段是有屬性值的。
選擇“View”→“Show All”，所有隨機點均以設置好的顏色顯示在視窗中。選擇“Edit”→“Show Class Values”，各點的類別號出現在數據表的Class字段中。
在數據表的Reference字段輸入各個隨機點的實際類別值。它在視窗中的色彩將會變為前面設置的Point With Reference的顏色（默認為黃色）
選擇“Report”→“Options”，選擇分類評價報告的參數。
選擇“Report”→“Accuracy Report”（精度報告）產生分類精度報告。
Kappa系數的計算基於混淆矩陣，用來衡量分類精度。
Kappa系數計算結果為-1~1，但通常kappa是落在 0~1 間，可分為五組來表示不同級別的一致性：0.0~0.20 極低的一致性(slight)、0.21~0.40 一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1 幾乎完全一致(almost perfect)。
選擇“Report”→“Cell Report”產生有關產生隨機點的設置及窗口環境報告。
可以選擇保存精度評估結果報道。