En este documento, proponemos un novedoso método de ocultación de errores espaciales en imágenes (EC) basado en redes neuronales profundas. Considerando que las imágenes naturales tienen correlación local y auto-similitud no local, utilizamos la información local para predecir los píxeles faltantes y la información no local para corregir las predicciones. La red neuronal profunda que utilizamos se puede dividir en dos partes: la parte de predicción y la parte del auto-codificador (AE). La primera parte utiliza la correlación local entre píxeles para predecir los faltantes. La segunda parte extrae características de la imagen, que se utilizan para recopilar muestras similares de toda la imagen. Además, también se propone un novedoso orden de escaneo adaptativo basado en la credibilidad conjunta del área de soporte y la reconstrucción para aliviar el problema de propagación de errores. Los resultados experimentales muestran que el método propuesto puede reconstruir imágenes corruptas de manera efectiva y superar a los métodos comparados del estado del arte en términos de métricas objetivas y perceptuales.