原來部落格中寫過比較複雜的一種計算kappa係數的方法，具體的細節可以看：http://blog.csdn.net/wyl1813240346/article/details/56843409。在這裡寫一下比較簡單的計算kappa係數的方法，並給出計算的程式碼。
對於變化檢測來說是一個二分類問題（變化類和非變化類），我們假設影象的總畫素為N，參考影象中未改變的畫素數量為Nu，改變的畫素的數量為Nc。於是我們將參考影象（ground truth）與用演算法產生的變化影象進行逐畫素比較。以這種方式：

1. 若該畫素在參考影象中為變化的類別，而使用自己演算法得到變化影象中的類別為未變化類別，統計這樣的畫素個數，假設統計的數目總數為FN（有時候也用MA表示，代表漏檢數目）；
2. 若該畫素在參考影象中為未變化的類別，但是使用自己演算法得到變化影象中的類別為變化類別，統計這樣的畫素個數，假設統計的數目總數為FP（有時候也用FA表示，代表虛警數目）；
3. 若該畫素在參考影象中為變化的類別，同時使用自己演算法得到變化影象中的類別同樣為變化類別，統計這樣的畫素個數，假設統計的數目總數為TP；
4. 若該畫素在參考影象中為未變化的類別，同樣使用自己演算法得到變化影象中的類別為未變化類別，統計這樣的畫素個數，假設統計的數目總數為TN。

於是四者的關係為：

計算kappa係數的程式碼為：

function  [TN,TP,FN,FP,OE,KC]=Kappa(refImage,testImage)
 

% refImage:代表參考影象（即ground truth）
% testImage：代表變化影象

%-------------------------------------------------------------------------
if isempty(refImage)
    error('!!!Not exist reference map');
end
%將影象轉化為列向量
RI=refImage(:);TI=testImage(:); 
[m,n]=size(testImage);
%計算參考影象與測試影象不相同的畫素點的個數
TN = find(RI==0&TI==0);%參考影象為未變化畫素，檢測的結果也為未變化畫素，即真反例
TP = find(RI~=0&TI~=0);%參考影象為變化畫素，檢測的結果也為變化畫素，即真正例
FP = find(RI==0&TI~=0);%參考影象為未變化畫素，檢測的結果為變化畫素，即假正例
FN = find(RI~=0&TI==0);%參考影象為變化畫素，檢測結果為未變化畫素，即假反例
TN = numel(TN);TP = numel(TP);FP = numel(FP);FN = numel(FN);
Nc = FN + TP;Nu = FP + TN;
OE = FP + FN;
PRA = (TP+TN)/(m*n);
PRE = ((TP+FP)*Nc+(FN+TN)*Nu)/(m*n)^2;
%計算相同的比率KC
KC = (PRA-PRE)/(1-PRE);

參考文獻：
Unsupervised change detection in SAR images based on locally fitting model and semi-EM algorithm.

有什麼不對的地方歡迎指正，互相學習。