We present a new Image Velocimetry (IV) hybrid that estimates vector fields from images with widely differentvisualization pattern sizes such as those encountered in riverine bedform migration. The IV approach is obtainedby complementing the Cross-correlation Method (CCM) with algorithms of Optical Flow Methods (OFM). TheOFM procedures are first applied to automatically determine the optimal Search Windows (SWs) over the wholeimaged area. Subsequently, the CCM utilized the established SWs to locally resolve velocity fields associated withthe bedform movement. The new approach, labeled herein as High-Gradient Pattern IV (HGPIV), combines theadvantages of both parent techniques to improve the accuracy and spatial resolution of the resultant globalvelocity field and significantly reduces the computational time. The HGPIV validation consists of comparing itsresults with those obtained with the CCM approaches applied for estimating the velocity field associated withbedform migration in a large river.