La Velocimetría de Imágenes de Partículas (PIV) a menudo utiliza un método de correlación cruzada para determinar cuánto se han movido las partículas entre dos imágenes capturadas. Los métodos más comunes para la estimación de vectores utilizan funciones de correlación cruzada computacionalmente exhaustivas a través de la ventana de interrogación y una búsqueda exhaustiva para encontrar la posición de máxima correlación. Este artículo propone un método novedoso para la generación de vectores en el que se aplica un desenfoque de preprocesamiento a las dos imágenes antes de realizar una correlación cruzada solo para nueve puntos. Estos nueve puntos se utilizan para aproximar la superficie de correlación cruzada original como una superficie polinómica de segundo orden que se puede resolver analíticamente para encontrar el punto óptimo. Se utilizan tres iteraciones del proceso para cada ubicación, convergiendo a un óptimo preciso. Este método es muy preciso en imágenes PIV generadas por computadora y resuelve todo el campo vectorial más rápido que el método básico original en cualquier tamaño de imagen. Sin embargo, el éxito está limitado a datos PIV in silico y no puede producir campos vectoriales coherentes cuando se aplica a datos experimentales capturados en un experimento PIV de bypass supra-aórtico. Este método puede encontrar aplicaciones en otros dominios donde los datos de entrada están más cerca de los datos de partículas generados por computadora perfectos.