Các từ mã có giá trị lớn sẽ đƣợc loại bỏ theo công thức trên. Mặc dù nó có thể có tần số f lớn nhƣng lớn nghĩa là thuộc về sự kiện của vật thể gần nhƣ đứng yên trong suốt chu kì f. Nói cách khác, với các từ mã có giá trị f nhỏ và nhỏ cũng có thể là một sự kiện nền ít gặp trong một chu kì gần nhƣ tuần hoàn. Chúng ta có thể sử dụng nhƣ là một đặc điểm để phân biệt từ mã của nền thực sự với từ mã của vật thể chuyển động. Nếu TM=N/2 thì tất cả các từ mã sẽ phải lặp lại ít nhất sau N/2 khung hình. Qua kết quả thí nghiệm cho thấy rằng kết quả của việc kết hợp giữa điều kiện f và cũng giống nhƣ chỉ xét với . Cũng dựa trên rất nhiều các thử nghiệm trên các đoạn video cho thấy rằng: trung bình chỉ có 6,5 từ mã là có thể mô hình hóa đƣợc 5 phút của đoạn video quay ngoài trời với tốt độ khung hình 30 khung/giây. Ngƣợc lại, trong môi trƣờng trong nhà thì chỉ cần 1 cho đến 2 từ mã. Chính vì lý do này nên mô hình nền đạt đƣợc tỉ lệ nén
cao, cho phép mô hình hóa nền trong một khoảng thời gian dài với dung lƣợng nhớ giới hạn.
Để giải quyết vấn đề thay đổi cƣờng độ sáng cục bộ hoặc toàn cục nhƣ các vùng tối, sáng thì các thuật toán thƣờng sử dụng các màu đƣợc chuẩn hóa. Những kĩ thuật này thƣờng làm việc kém với các khu vực tối của ảnh. Các điểm ảnh tối có độ không chắc chắn cao hơn các điểm ảnh sáng; nhƣ vậy độ không chắc chắn có mối liên hệ với độ sáng. Độ sáng nên đƣợc sử dụng nhƣ là một nhân tố trong việc so sánh tỉ lệ màu. Chính độ không chắc chắn này làm cho việc phát hiện trong các vùng tối là không ổn định. Việc phát hiện sai có xu hƣớng tập trung vào các vùng tối.
Sau đây, chúng ta quan sát các giá trị điểm ảnh thay đổi theo thời gian dƣới độ sáng thay đổi.