豪斯多夫距离量度
度量空间中
真子集之间的距离。Hausdorff距离是另一种可以应用在边缘匹配算法的距离，它能够解决SED方法不能解决遮挡的问题。
设X和Y是度量空间M的两个真子集，那么豪斯多夫距离dH(X,Y)是最小的数r使得X的闭r—
邻域包含Y，Y的闭r—邻域也包含X。
这距离函数令M的所有真子集组成的集成为度量空间，且记为F(M)。F(M)的
拓扑只是依赖于M的拓扑。若M是非空的，则F(M)也是。
豪斯多夫空间也可以照样定义在M的闭非
真子集上，但距离可能是无限大，F(M)的拓扑不只依赖于M的拓扑，也依赖于M的特有度量。
非闭子集间的豪斯多夫距离可以定义为它们的
闭包的豪斯多夫距离。这给予M的所有子集组成的集一个伪度量。（两个有相同闭包的子集的豪斯多夫距离是零）。
设X 和Y是
欧几里得空间中两个紧的图形，则DH(X,Y)是dH(I(X),Y)取所有欧几里得空间的保距变换I的最小值。这距离量度X和Y离等距差多少。