针对磁共振成像(Magnetic Resonance Imaging，MRI)生成的图像在超分辨率重建中存在细节表现不足且计算量较大的问题，提出了一种构建特征融合与无参数注意力机制的图像超分辨率重建网络(Feature Fusion and Parameter-free Attention Network，FFPAN)方法。网络结构由浅层特征提取、深层特征提取和图像重建三部分组成，深层特征提取包含特征分离融合、无参数注意力和广义自注意力模块。特征分离融合模块将图像特征划分为高频细节与低频整体信息两部分。无参数注意力机制(Parameter-free Attention，PA)模块，通过卷积计算图像特征，捕捉特征间全局依赖关系，与传统注意力机制相比，PA通过卷积层的输出生成注意力图，无需学习额外的参数，计算量小。广义自注意力模块通过自注意力与残差连接，有效提取全局或高频信息。在公共数据集BraTS21和FastMRI上进行实验，结果表明，所提方法与SwinIR相比，参数量减少48.3%，PSNR和SSIM指标上分别提升0.15dB和0.0446。同时，主观评估结果表明，通过所提方法重建的MRI图像能够更好地表现图像细节，具有较高的临床实用价值。