Los modelos actuales de registro de imágenes presentan problemas como baja precisión en la coincidencia de puntos característicos, alto consumo de memoria y una complejidad computacional significativa en el registro de imágenes heterogéneas, especialmente en entornos complejos. En este contexto, las diferencias significativas en iluminación y oclusión de hojas en huertos pueden resultar en una extracción inexacta de características durante el registro de imágenes heterogéneas. Para abordar estos problemas, este estudio propone un modelo AD-ResSug para el registro de imágenes heterogéneas. Primero, se incluyó una red VGG16 como codificador en el sistema de codificación de puntos característicos, y la codificación posicional se incorporó a la red. Esto nos permitió comprender mejor las relaciones espaciales entre los puntos característicos. La adición de estructuras residuales al codificador de puntos característicos tuvo como objetivo resolver el problema de difusión del gradiente y mejorar la flexibilidad y escalabilidad de la arquitectura. Luego, utilizamos el algoritmo Sinkhorn AutoDiff para optimizar de manera iterativa y resolver el problema de transmisión óptima, logrando una coincidencia óptima entre los puntos característicos. Finalmente, realizamos operaciones de poda y compresión de la red para minimizar los parámetros y el costo computacional manteniendo el rendimiento del modelo. Este nuevo modelo AD-ResSug utiliza indicadores de evaluación como la relación pico-señal a ruido y el error cuadrático medio, así como la eficiencia de registro. El método propuesto logró un rendimiento de registro robusto y eficiente, verificado a través de resultados experimentales y comparaciones cuantitativas de procesamiento de color con imágenes ToF capturadas usando cámaras heterogéneas en huertos naturales de manzanas.