حذف نویز تصویر یک موضوع فعال در پردازش تصویر سطح پایین است و تاکنون تحقیقات بسیاری در این زمینه انجام شده است. روش‌های حذف نویز تصویر را می‌توان به دو دسته کلی روش‌های مبتنی بر مدل و روش‌های مبتنی بر یادگیری افتراقی تقسیم‌بندی کرد. شبکه‌های عصبی کانولوشن (CNN) عمیق یکی از روش‌های مبتنی بر یادگیری هستند که در سال‌های اخیر نتایج خوبی را در وظایف مختلف بازیابی تصویر (از جمله حذف نویز تصویر) ارائه کردند. در این پژوهش ابتدا روش‌های حذف نویز مبتنی بر مدل به صورت اجمالی معرفی و مزایا و معایب آن‌ها بررسی شده است؛ سپس شبکه‌های عصبی حذف نویز، از نظر معماری شبکه و بخش‌های تشکیل دهنده، مورد بررسی قرار گرفته و ساختارهای مورد استفاده در این شبکه‌ها، که موجب بهبود عملکرد حذف نویز شده است، معرفی شده‌اند. در بخش پایانی این مقاله ساختار کلی مشترک شبکه‌های عصبی حذف نویز مدرن، به همراه عملکرد بخش‌های مختلف این ساختار مورد بررسی قرار گرفته است. این مقاله می‌تواند مرجع مناسبی برای مطالعه ایده‌های مورد استفاده در معماری شبکه‌های عصبی کانولوشن حذف نویز باشد.