宽基线或大视角图像间多匹配模型的估计是图像处理中一项非常有挑战性的任务。现有算法虽然能较好估计图像间的多匹配模型及其内点集，但是其结果容易出现匹配对错误分配的问题。为了精确估计图像间的多匹配模型从而分配匹配对，提出了一种基于同模型匹配点聚集的图像多匹配模型估计算法(AMPSM)。首先，为提升正确匹配对占比，根据近邻区域内正确匹配对的分布特点对错误匹配对进行过滤；然后，根据匹配点所属不同匹配模型程度查找疑似的多模型的交集点，即干扰点，同时，为了降低干扰点对匹配对分类精度的影响，将其去除；之后，为了提高同模型匹配点的聚集程度，根据抽样过程中同模型内点与其点集重心的距离动态移动位置；最后，通过基于高斯核的MeanShift算法对聚集后的匹配点分类，进而得到多匹配模型。实验中，分别与基于经典框架的算法RANSAC、PROSAC、MAGSAC++、GMS、AdaLAM、PEARL、MTC、Sequential RANSAC和基于深度学习的算法SuperGlue、OANet、CLNet、CONSAC等进行了对比，结果表明所提方法内点率可提高30%以上，多模型估计的错分率可降低8.39%以上，即所提方法在错误匹配对过滤和多模型估计等方面具有显著优势。