La coincidencia de hipergráficos ha sido atractiva en la aplicación de la visión por computadora en los últimos años. La interferencia de factores externos, como el apretamiento, la tracción, la oclusión y el ruido, hace que el mismo objetivo muestre diferentes características de imagen bajo diferentes factores influyentes. Después de extraer la descripción del punto de características de la imagen, el método tradicional mide directamente la descripción de la característica utilizando métodos de medición de distancia como la distancia euclidiana, la distancia del coseno y la distancia de Manhattan, que carecen de una capacidad de generalización suficiente y afectan negativamente la precisión y efectividad de la coincidencia. Este artículo propone un enfoque de coincidencia de hipergráficos basado en el aprendizaje métrico (MLGM) que emplea el aprendizaje métrico para expresar la relación de similitud entre descriptores de imagen de alto orden y aprende una nueva función métrica basada en los requisitos de la escena y las características del objetivo. Los resultados experimentales muestran que nuestro método propuesto funciona mejor que los algoritmos de vanguardia tanto en imágenes sintéticas como naturales.