本文首先介绍了几种经典的图像相似度算法,讨论和分析了各类算法的优缺点,同时归纳总结了图像相似度常见的几种定义理论。在此理论基础上提出了基于属性混合图结构的图像相似度算法。属性混合图结构是一种特殊的图像描述方式,它是一种动态结构,区域节点可以经过相似性、连通性、可比性等准则的判定进行约化重组,这为后期的相似度计算减少了工作量,提高了算法效率。传统定义上的相似度理论大都考虑图像整体部分的情况,本文所提的算法有别于传统定义,它提取的是图像之间的相似部分。通过混合图的约化合并,最大限度地考虑区域完整性,再经过区域相异度和相似度两个阈值的设定,从不同角度对区域节点对进行筛选,保证了算法的准确性,最终获得图像之间相似区域的相似度。通过实验分析,可以证明本文算法取得了初步的成效,较大幅度地提高了两幅图像的相似度,提取出图像之间有效的相似内容。