對于常規的算法，紅外畫面中的溫度和顏色滿足單調性（顏色越亮代表溫度越高），但是這種表示往往精度較低。所以需要一種更為精確的算法來表達溫度和顏色的關系，在使用格物優信紅外熱像儀配套軟件時，在配置系統的界面里我們常常會看到一個設置DDE參數的窗口，數字圖像細節增強算法（DDE）能夠解決在高動態范圍場景中克服低對比度目標檢測的難題。采用DDE算法時，溫度和顏色不再滿足單調性，而是采用更為精確的算法來表達溫度和顏色之間的關系，有效地解決了14bit至8bit顯示的問題，并且既能夠保障圖像的整體信息，又能夠保障圖像的細節盡可能被保留。
具體分析如下：
自然場景的紅外熱成像圖像具有很高的溫度動態范圍，這種大溫差現象通常存在于物體或者物質之間(如天空、地面、車輛)，而相對較小的溫差則存在于物體或者物質的局部(如房屋的屋檐、墻壁、門、窗)。要使得在8bit的圖像中仍能較好地呈現14bit的圖像細節信息，不僅需要對大動態的信息進行相對較強的壓縮，而且需要留出必要的灰度級，使小動態的細節信息有其表現的空間。一般，在算法處理時首先利用特殊的濾波器將圖像的大動態溫度范圍信息(基礎圖像)和小動態細節信息(細節圖像)進行分離；然后分別對提取的細節層和背景層進行相應的灰度增強和灰度抑制處理,再調整和壓縮各圖層的動態范圍，最終合成一幅8bits的輸出圖像。
DDE并不是直方圖均衡化。直方圖均衡化（HE）及其許多變體的工作模式都是“給主要的溫度分布區域灰度分配較高動態范圍，給非主要溫度區域的灰度分配較低動態范圍。而DDE將“公平地”去增強所有細節，無論目標處于怎樣的溫度范圍。也就是說，假設一個小的熱物體處于冷背景當中，小物體擁有的細節也和代表該主要溫度范圍的背景一樣清晰。
針對高動態范圍的紅外圖像的壓縮顯示，不同的廠家有自己的算法命名，如DDE算法、GLACE算法、XIE算法等。究其本質都是為了將大動態范圍紅外圖像中低對比度目標顯示出來。
