对于常规的算法，红外画面中的温度和颜色满足单调性（颜色越亮代表温度越高），但是这种表示往往精度较低。所以需要一种更为精确的算法来表达温度和颜色的关系，在使用格物优信红外热像仪配套软件时，在配置系统的界面里我们常常会看到一个设置DDE参数的窗口，数字图像细节增强算法（DDE）能够解决在高动态范围场景中克服低对比度目标检测的难题。采用DDE算法时，温度和颜色不再满足单调性，而是采用更为精确的算法来表达温度和颜色之间的关系，有效地解决了14bit至8bit显示的问题，并且既能够保障图像的整体信息，又能够保障图像的细节尽可能被保留。
具体分析如下：
自然场景的红外热成像图像具有很高的温度动态范围，这种大温差现象通常存在于物体或者物质之间(如天空、地面、车辆)，而相对较小的温差则存在于物体或者物质的局部(如房屋的屋檐、墙壁、门、窗)。要使得在8bit的图像中仍能较好地呈现14bit的图像细节信息，不仅需要对大动态的信息进行相对较强的压缩，而且需要留出必要的灰度级，使小动态的细节信息有其表现的空间。一般，在算法处理时首先利用特殊的滤波器将图像的大动态温度范围信息(基础图像)和小动态细节信息(细节图像)进行分离；然后分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理,再调整和压缩各图层的动态范围，最终合成一幅8bits的输出图像。
DDE并不是直方图均衡化。直方图均衡化（HE）及其许多变体的工作模式都是“给主要的温度分布区域灰度分配较高动态范围，给非主要温度区域的灰度分配较低动态范围。而DDE将“公平地”去增强所有细节，无论目标处于怎样的温度范围。也就是说，假设一个小的热物体处于冷背景当中，小物体拥有的细节也和代表该主要温度范围的背景一样清晰。
针对高动态范围的红外图像的压缩显示，不同的厂家有自己的算法命名，如DDE算法、GLACE算法、XIE算法等。究其本质都是为了将大动态范围红外图像中低对比度目标显示出来。
