随着计算机图形学技术的蓬勃发展,越来越多的虚拟现实产品被运用到军事、航空、航天和娱乐领域,为这些领域的生活生产带来极大的便利。而基于沉浸式投影系统的虚拟现实技术由于其成本低、沉浸感强、空间显示范围广和适用性强等优势,得到了越来越广泛的研究和运用。这类虚拟现实系统一般由投影仪和投影屏幕构成,为了提升虚拟现实场景的沉浸性和真实性,常常采用曲面形式的投影屏幕。目前,基于沉浸式投影系统的虚拟现实技术有着广泛的研究工作,包括投影拼接、投影几何矫正和投影光度矫正等问题都得到了深入的研究。但是,沉浸式投影系统中依旧有一个广泛存在却常被忽略的问题并没有得到很好的解决,即沉浸式投影系统中的“光污染”问题。沉浸式投影系统中常常存在着由于屏幕之间的光线冗余互反射而造成的虚拟现实系统的成像质量降低、对比度下降和眩目的现象,即光污染现象。大型虚拟现实系统常常由于光污染现象引起使用者的不适、虚拟现实场景对比度下降和沉浸感降低等问题,这些问题对虚拟现实系统的实际使用造成了严重阻碍。本文针对曲面沉浸式投影系统中的光污染问题,搭建了曲面沉浸式投影系统的实验环境,研究了光污染现象的基本原理,提出了曲面投影系统的光污染补偿算法,提升了虚拟现实系统的沉浸感和真实感。本文提出的算法在沉浸式投影系统的光污染补偿领域的贡献和创新点主要包括以下几个方面:（1）构建了曲面投影系统的光污染补偿数据集。由于该领域还没有相关公开的数据集可以用于进行研究,因此本研究通过搭建实验环境和收集光污染图片数据的方式,构建了基于深度学习的曲面投影的光污染补偿数据集。（2）提出了基于冗余互反射学习的光污染补偿算法。该算法通过深度学习的方式直接学习得到场景中反映在投影图片上的冗余互反射信息,并通过学习的冗余互反射信息来进行光污染的补偿。改善了现存算法补偿质量较低的问题,提升了投影图片质量和视觉感受。（3）提出了基于注意力机制的光污染高质量补偿算法。在基于光传输矩阵求逆的补偿算法的基础上,设计了基于注意力机制的高质量补偿算法,并且创新性的使用了相机拍摄图片的明通道先验作为注意力特征图的生成监督。实现了对图片不同亮度区域的差异化补偿,进一步提升投影图片质量和色彩表现。最终实验结果表明,本文提出的基于深度学习的光污染补偿算法能够有效的改善曲面沉浸式投影系统中的由于冗余光线互反射造成的光污染现象。同时,相较于其它算法,本文提出的算法在图像质量、投影色差和人眼感受方面都有较大的提升,在客观评价指标方面,PSNR和RMSE相较于未补偿投影有近30%的提升,相较于传统算法有近10%左右的提升。同时,投影色差和视觉效果也得到了很好的改善,为进一步提升虚拟现实系统的沉浸感和真实性打下了基础。