在本研究论文中，探讨了基于新距离度量的图像模糊多属性决策算法，该算法旨在解决涉及图像模糊集合的多属性决策（MADM）问题。对模糊距离度量进行概述，它是一种重要的衡量模糊信息的工具，描述了模糊集之间的差异。随后，介绍了图像模糊集作为直觉模糊集的扩展，它能模拟包含更多种类答案（是，弃权，否，拒绝）的情况，是处理多属性决策问题的有力工具。
文章中提到的新距离度量是基于图像模糊数（Picture Fuzzy Number, PFN），旨在减少信息损失并保留更多的原始信息。此外，研究中提出了一个比较方法，并通过灰系统理论确定了各种属性的客观权重。通过结合主观权重和客观权重，引入了综合权重的概念。最终，论文提供了一个基于距离度量解决MADM问题的算法，并通过一个数值实例验证了算法的有效性和可行性。
关键词包括图像模糊集、多属性决策、图像模糊距离度量、比较方法、客观权重和综合权重。在介绍部分，文中提到距离度量（Distance Measure）是衡量模糊信息的重要工具，而模糊距离度量是一种描述模糊集合之间差异的度量方法。Kaufmann首次提出了使用模糊距离度量来描述模糊信息度量的方法，而Yager也提出了利用模糊距离度量的模糊信息度量。Liu在一般全集上引入了模糊距离度量的公理定义，而Abbasbandy和Salahshour则在已有的模糊距离度量上给出了一些新的结果。模糊距离度量可以视为相似度量的对偶概念，而Zhang和Zhang定义了混合单调包含度量，并应用于衡量相似度和距离。
在研究中，图像模糊集是直觉模糊集的扩展形式，直觉模糊集是处理涉及多种答案选项（如是、弃权、否、拒绝）的决策问题的强大工具。在论文中，作者提出了一个新的公理化定义，用以描述图像模糊距离度量，并介绍了基于图像模糊数（Picture Fuzzy Number, PFN）的距离度量方法，这种方法旨在减少信息损失，保留更多的原始信息。同时，文中还提出了一个比较方法，并通过灰系统理论确定了不同属性的客观权重。通过结合客观权重与主观权重，引入了综合权重的概念。给出了一个基于距离度量的多属性决策算法，并通过一个数值实例展示了算法的有效性和可行性。
