立体视频的应用场景随着互联网的发展而越来越丰富,但是其庞大的数据量和数据压缩编码方式对传输网络构成不小的挑战。一旦在网络传输中造成误码或者数据包丢失,将对用户接收到的视频的质量产生巨大的影响。因此,对立体视频的误码进行控制有十分重要的意义,而错误隐藏技术是立体视频控制差错的的主要方法之一。本文针对立体视频的误码控制问题,在分析了立体图像和立体视频的特点之后,并提出了分别针对立体图像和立体视频的错误隐藏算法,具体研究内容如下:根据立体图像的视点间的相关性,本文提出了一种基于超像素分割和自适应视差选择策略的错误隐藏算法。本文首先获取了左右两个视点的图像的超像素分割标签,然后在视差搜索匹配过程中将超像素分割的标签加入到约束条件中,将图像中像素的空间组织相关性纳入到视差估计中。为了降低视差选取策略在图像某些区域的视差选取的随机性,本文还提出了一种自适应视差选取策略以提高最佳视差选取的合理性。设定候选视差的比重阈值,将累积比重小于阈值的所有视差都加入视差候选集中,然后通过边界平滑度原则确定最佳的估计视差。最后,恢复出丢失图像中的丢失部分。实验结果表明,本文算法在客观质量评价和主观质量评价上都具有一定的优势。立体视频与立体图像紧密相关,其具有空域相关性、视点间相关性和相邻帧间的相关性。针对立体视频的这些特点,本文提出了一种基于图像金字塔理论的时空域混合立体视频错误隐藏算法。首先,对立体视频的没有丢失块的视点的前后两帧进行降采样,然后对降采样后的视频帧图像采用帧差法进行场景切换检测。对于场景切换帧,对丢失视点的视频图像采用视点间的错误隐藏算法进行掩盖,对于非场景切换帧,检测同时刻的有丢失视点序列的视频帧内的丢失块的运动特性。利用丢失块周围图像块以及视频帧降采样后的图像中对应区域的图像块综合评估丢失块的运动特性。丢失块的运动特性分为静止、相对运动和剧烈运动,每种运动特性的丢失块分别采用对应的方法进行错误隐藏。实验结果表明,与其他算法相比,本文所提出的算法在客观质量评价上有一定的优势,同时主观质量评价上能更好的保留图像的细节和纹理,运算复杂度也较小。