Un oftalmoscopio láser de escaneo con óptica adaptativa (AOSLO) tiene las características de alta resolución y un pequeño campo de visión (FOV), que se ven muy afectados por el movimiento ocular. El movimiento ocular continuo causará distorsiones tanto dentro del marco (intra-marco) como entre marcos (inter-marco). Superar el movimiento ocular y lograr la estabilización de la imagen es el primer paso y es de gran importancia en el análisis de imágenes. Aunque los métodos basados en la correlación cruzada permiten lograr el registro de imágenes, se requiere la identificación manual y la distinción de imágenes con sacádicos; el registro manual tiene una alta precisión, pero es laborioso y complicado. Algunos sistemas de imagen son capaces de compensar el movimiento ocular durante el proceso de imagen, pero se necesitan integrar dispositivos de hardware especiales en el sistema. En este artículo, proponemos un algoritmo basado en aprendizaje profundo para la estabilización automática de imágenes. El algoritmo utilizó la red VGG-16 para extraer características de convolución y un filtro de correlación para detectar la posición de referencia en el siguiente marco, y finalmente, compensó el desplazamiento para lograr el registro. Según los resultados, la diferencia media en el desplazamiento vertical y horizontal entre el algoritmo y el registro manual fue de 0.07 píxeles y 0.16 píxeles, respectivamente, con un intervalo de confianza del 95% de (-3.26 px, 3.40 px) y (-4.99 px, 5.30 px). Los coeficientes de correlación de Pearson para los desplazamientos vertical y horizontal entre estos dos métodos fueron 0.99 y 0.99, respectivamente. En comparación con los métodos basados en correlación cruzada, el algoritmo tuvo una mayor precisión, eliminó automáticamente imágenes con parpadeos y corrigió imágenes con sacádicos. En comparación con el registro manual, el algoritmo permitió lograr la precisión del registro manual sin intervención manual.