6+: A Novel Approach for Building Extraction from a Medium Resolution Multi-Spectral Satellite

Abstract

For smart, sustainable cities and urban planning, building extraction through satellite images becomes a crucial activity. It is challenging in the medium spatial resolution. This work proposes a novel methodology named ‘6+’ for improving building extraction in 10 m medium spatial resolution multispectral satellite images. Data resources used are Sentinel-2A satellite images and OpenStreetMap (OSM). The proposed methodology merges the available high-resolution bands, super-resolved Short-Wave InfraRed (SWIR) bands, and an Enhanced Normalized Difference Impervious Surface Index (ENDISI) built-up index-based image to produce enhanced multispectral satellite images that contain additional information on impervious surfaces for improving building extraction results. The proposed methodology produces a novel building extraction dataset named ‘6+’. Another dataset named ‘6 band’ is also prepared for comparison by merging super-resolved bands 11 and 12 along with all the highest spatial resolution bands. The building ground truths are prepared using OSM shapefiles. The models specific for extracting buildings, i.e., BRRNet, JointNet, SegUnet, Dilated-ResUnet, and other Unet based encoder-decoder models with a backbone of various state-of-art image segmentation algorithms, are applied on both datasets. The comparative analyses of all models applied to the ‘6+’ dataset achieve a better performance in terms of F1-Score and Intersection over Union (IoU) than the ‘6 band’ dataset.

Comparative Evaluation of Various Impervious Surface Indices Using Sentinel-2A MSI and Landsat-9 OLI-2 Images: A case of Samsun

“…Bu nedenle ENDISI indeksi ile geçirimsiz yüzeylerin çıplak toprağın yanı sıra kurak arazilerden de daha iyi ayrılması beklenir. ENDISI indeksinde MNDWI'ın entegre edilmesiyle suyla kaplı alanların etkisinin de azaltılması hedeflenmiştir (Dixit, Chaurasia, Mishra, Singh, & Lee, 2022). NISI indeksi, elektromanyetik spektrumun görünür bölgesindeki Blue, Green ve Red bantlarına ve NIR bandına dayalı olarak geliştirilmiştir.…”

“…Ancak bu indekslerin çıplak topraktan çok fazla etkilenmeleri yeni indekslerin araştırılmasına neden olmuştur (Zhang, Tian, & Liu, 2020;Kaur & Pandey, 2022). Son yıllarda geliştirilen Kombinasyonel Biyofiziksel Bileşim İndeksi (Combinational Biophysical Composition Index-CBCI), Geliştirilmiş Normalleştirilmiş Fark Geçirimsiz Yüzey İndeksi (Enhanced Normalized Difference Impervious Surfaces Index-ENDISI) ve Normalleştirilmiş Geçirimsiz Yüzey İndeksi (Normalized Impervious Surface Index-NISI) geçirimsiz yüzey çıkarımında araştırmacıların ilgisini çekmiş ve kısa süre yaygın olarak kullanılmaya başlamıştır (Chen, Chen, Yang, He, Hou, & Shi, 2020;Zhang, Yang, Ma, & Li, 2021;Dixit, Chaurasia, Mishra, Singh, & Lee, 2022;Su, Tian, Dong, Tian, Wang, & Xi, 2022). Geçirimsiz yüzey indekslerin her birinin kendine özgü avantaj ve dezavantajları vardır ve farklı coğrafi konumlar, mekânsal ölçekler ve arazi örtüsü/kullanımı desenlerine bağlı olarak değişen sonuçlar üretirler (Chen, Chen, Yang, He, Hou, & Shi, 2020).…”

“…Bu çalışmada da benzer şekilde UI, NDBI, IBI ve CBCI indeksleri yeterli performans göstermemiştir. Çalışmanın bulguları ENDISI ve NISI indekslerinin çıplak toprak ve kurak arazi yüzeylerinin geçirimsiz yüzey çıkarımına etkilerinin daha az olduğunun belirlendiği ve daha başarılı sonuç alındığını gösteren çalışmalarla (Chen, Yang, Chen, Yang, Zhang, & He, 2019;Chen, Chen, Yang, He, Hou, & Shi, 2020;Dixit, Chaurasia, Mishra, Singh, & Lee, 2022;Su, Tian, Dong, Tian, Wang, & Xi, 2022) uyumlu olacak şekilde sonuç vermiş ancak bu etkinin tamamen yok olmadığını göstermiştir. Bu nedenle geçirimsiz yüzeylerin çıplak toprak ve kurak arazi ile ayrımının daha iyi yapılması için daha fazla araştırma gerekmektedir.…”