La información sobre las correlaciones de los sensores de frente de onda Shack-Hartmann solares se utiliza generalmente para algoritmos de reconstrucción. Sin embargo, las aplicaciones modernas de redes neuronales artificiales como algoritmos de reconstrucción de óptica adaptativa permiten el uso de la imagen completa como entrada al sistema destinado a estimar una corrección, evitando aproximaciones y pérdida de información, y obteniendo valores numéricos de esas correlaciones. Aunque estudiado para la óptica adaptativa nocturna, el escenario solar implica más complejidad debido a la resolución de las imágenes solares potencialmente tomadas. Las redes neuronales totalmente convolucionales fueron la técnica elegida en esta investigación para abordar este problema. En este trabajo, se aborda la recuperación de la fase del frente de onda para la corrección de óptica adaptativa, comparando redes que utilizan imágenes del sensor o imágenes de las correlaciones como entradas. Como resultado, esta investigación muestra mejoras en el rendimiento para la recuperación de la fase con el enfoque de imagen a fase. Para recuperar la turbulencia de capas de gran altitud, se alcanza hasta un 93% de similitud.