随着信息技术的飞速发展，越来越多的视频业务在网络上开展。由于视频的数据量非常大，因此在注入网络之前必须先进行压缩。然而，压缩后的码流对误码非常敏感。通常情况下，一个比特的错误不仅会影响当前帧的解码质量，而且会影响其后继帧的解码质量。ARQ可以去除误码的影响，但它要消耗额外的带宽，同时对于实时业务也不太适合。错误隐藏技术被认为是解决误码问题的主要途径之一。错误隐藏可以分为两大类：时域错误隐藏喝空域错误隐藏。本文主要针对视频传输中出现误码后的错误隐藏算法进行了深入的研究和探讨，同时也提出了一些效果较好的隐藏算法。本文的主要贡献有以下几点： 1.基于边缘检测的错误隐藏算法：首先利用Radon变换检测丢失块中可能存在的边缘，然后按主要边缘将丢失块内容分成几个部分，分别进行内插。与其它检测边缘的方法相比，使用Radon变换的好处是可以同时检测到多个边缘，这样便于更精细地恢复丢失块内容，本算法同时也提供了一种对于多个边缘情况的恢复框架，恢复的图像具有很好的主观效果。 2.自适应内插的错误隐藏算法：本方法主要分两个步骤：首先利用丢失块周围一层的像素，先粗略估计出丢失块可能的边缘；在门限的选择上，根据人眼特性自适应地选择门限。然后，在内插的同时自动细化重建的边缘方向，最终达到准确恢复边缘的目的。 3.基于像素跨度的错误隐藏算法：在以往的空间错误隐藏算法中，绝大多数都遵循先找到丢失块中存在的边缘，然后按照边缘方向进行内插的原则。本方法跳出了这个框架，首先提出了一个像素跨度的概念，然后在像素跨度的基础上将丢失块像素分为有争议像素和无争议像素分别进行恢复。虽然没有进行边缘检测，但对边缘的恢复仍然相当准确。 4.基于随机像素位移模型的时域错误隐藏算法：本方法首先建立了一个像素随机位移模型，然后通过这个模型直接在像素域对丢失块进行恢复，同时这个模型也充分挖掘了运动矢量场的内在联系，取得了非常好的恢复效果。在本章中也提出了一种评价时域错误隐藏算法恢复代价的方法，并在这个代价函数的基础上对两者进行了比较。 5.基于Markov随机场的串行错误隐藏方法：本方法通过使用马尔可夫随机场来对图像建立模型，并通过将其简化来获得了一个恢复模型，然后使用串行恢复方法(即恢复后面的像素需要使用到已恢复像素)对丢失块进行恢复。为了得到更好的恢复效果，本方法又提出了一种按螺旋式顺序恢复的串行策略。 6.基于错误隐藏的帧内编码刷新策略：尽管目前有很多优秀的帧内编码模式选择策略，但它们一般都比较复杂，同时没有将各种错误隐藏策略考虑进去。本方法将错误隐藏以及错误传播考虑进编码要求，并通过分析找到了一个近似的最佳的解决方案来选择帧内编码的宏块位置；同时根据错误隐藏的特性，提出了一种三角状的刷新块数目分配策略，试验证明本方法比传统的刷新策略要好。 7.基于H.264Intra帧的错误隐藏方法：在H.264中，添加了一些与以往编码标准不同的新特性，这些新特性可能提供了新的冗余度。本方法首先分析了相邻子块帧内预测模式间的可能关系，并得到了相邻子块预测模式之间关系表达式；然后通过这个关系，利用相邻子块的预测模式来对目前要恢复子块的预测模式进行恢复，最终根据这个预测模式，按照原标准规定的方法最终恢复丢失块的内容。 到目前为止，错误隐藏还没有大规模的应用于视频产品中，然而随着数字电视(DTV)，IPTV以及移动电视等视频业务的开展，错误隐藏将会有一个很好的明天。