1.一种基于特征匹配和贪婪搜索的图像数据采样方法，其特征在于：包括以下步骤：步骤S1：给定包含N个图像数据的输入数据 其中N为自然数，令一个模型实例应包含的最少数据点个数为k，总采样次数为H；

步骤S2：使用特征匹配方法来移除S中的离群点并获得约简匹配对集S′；在获得S′之后，让S′γ←S′，令 其中N'是S′γ的元素数量而S′γ初始时等于S′，是一个中间变量；

步骤S3：使用近邻采样获取初始模型假设的图像数据子集；

步骤S4：使用贪婪搜索寻找更准确的模型假设θbest；

步骤S5：完成获取到模型假设θbest后的处理，得到矩阵R；

步骤S6：判断当前采样次数h是否小于H，如果当前采样次数h小于H，那么执行步骤S3至步骤S5；否则，执行步骤S7；

步骤S7：在步骤S5获得的矩阵R上使用谱聚类来获取输入图像数据的聚类簇标签，结束程序，完成采样。

2.根据权利要求1所述的一种基于特征匹配和贪婪搜索的图像数据采样方法，其特征在于：所述步骤S3具体包括以下步骤：步骤S31：从S′γ中随机地选择一个匹配对，记为sQ；然后S′γ中第j个匹配对 与sQ的采样权重计算为：

其中 是归一化常量，而‖·-·‖表示欧几里德距离；这里σ表示内点噪声尺度；

步骤S32：通过使用采样权重 从S′γ中采样图像数据子集Ω。

3.根据权利要求1所述的一种基于特征匹配和贪婪搜索的图像数据采样方法，其特征在于：所述步骤S4具体包括以下步骤：步骤S41：用采样到的图像数据子集Ω生成一个模型假设θι；接着，计算第i个匹配对与θι的残差ri′(θι)；然后，S′γ与θι的残差记为r′(θι)＝[r1′(θι),r′2(θι),...,r′N′(θι)]；非降序地排列残差r′(θι)，得到一个排序残差集其中[x1,x2,…,xN′]是S′γ中索引[1,2,…,N']的重排列，根据已排序的残差索引来采样新的数据子集

步骤S42：如HMSS拟合方法，计算θι的代价函数f(θι)；f(θι)用于判断当前模型假设是否最准确：如果f(θι)的值是所有已生成模型假设代价函数中值最小的，那么θι即是所有已生成模型假设中最准确的模型假设并且让θbest＝θι；

步骤S43：如HMSS拟合方法，计算停止标准Fstop用于判断数据采样过程是否产生了准确的模型假设；当Fstop为真时，表示已采样到了准确的模型假设，那么此次采样过程停止，其中，至少在采样三个模型假设后才执行此步计算；反之，重新执行步骤S41至步骤S43。

4.根据权利要求1所述的一种基于特征匹配和贪婪搜索的图像数据采样方法，其特征在于：所述步骤S5具体包括以下步骤：步骤S51：使用尺度估计子估计θbest的内点噪声尺度 和内点Iinx；然后，将Iinx从S′γ中移除，并且判断S′γ是否小于k；如果小于k，那么重置S′γ，即S′γ←S′；

步骤S52：计算输入数据S与θbest的残差，并记为r(θbest)；在获得残差r(θbest)和内点噪声尺度 之后，r(θbest)和 被用来计算矩阵R的元素，如下：其中h是迭代次数且1≤h≤H。