高湍流度火焰三维结构的分析有助于对燃烧相关的基础物理现象如火焰三维传播规律、湍流-燃烧相互作用、反应流涡结构能量传递等的理解。开展湍流燃烧三维结构分析的关键之一是建立从二维投影到三维结构的层析成像方法。传统基于迭代的三维重建方法需要严格的视角信息,二维/三维结构之间的映射关系复杂,重建需要占用大量计算资源。同时,层析重建结果的空间分辨率受到成像角度数量的限制,虽然可以借助各类空间插值算法提升（名义上的）分辨率,但由于其数学本质使得重建结果过于平滑而丢失高频细节。针对以上的这些问题,本文提出无需角度标定的降阶层析重建模型（Reduced Order Tomographic Model）以及基于生成对抗网络（Generative Adversarial Network）的超分辨率网络模型（3D-SRGAN）,实现无需角度标定的二维低分辨率投影到三维高分辨率结构的湍流火焰成像方法。为了验证所提出的成像方法的有效性,利用大涡模拟得到的两组高湍流度火焰数据（FlameB、FlameC）对模型方法进行训练以及测试。通过视觉分析、总体重构误差ER和峰值信噪比（PSNR）等对重建结果进行定性及定量的分析,结果显示本文提出的二维到三维的成像方法:（1）通过无需成像视角标定的降阶层析重建成像方法大大降低了所需的计算资源,同时基于火焰时序对称性的光学中心复原算法可以消除光学镜头中心偏移带来的误差,得到高精度的重建结果;（2）3D-SRGAN网络可以对三维火焰结构在单一维度放大2倍,即总体素提高8倍的条件下得到令人信服的超分辨率重建结果,生成的结果总体误差约为4%,PSNR 高于 37dB;（3）降阶层析成像模型以及三维超分辨率神经网络建立了从低分辨率二维投影到三维高分辨率结构的完整成像方法。除此之外还对成像方法在更高雷诺数/带有噪声的数据下进行了性能探究,结果显示成像方法具有良好的适用性。本文针对湍流火焰三维成像所面临的难点,创新性地提出了无需校准的二维低分辨率投影到高分辨率三维结构的成像方法,对高分率的三维燃烧诊断有较好的促进意义。