形态滤波（morphological filtering， 简称MF）是一种典型故障特征提取技术，其结构元素（structural element， 简称SE）长度对滤除干扰噪声和提取故障特征有显著影响。为在轴承故障诊断中更好地匹配和提取强干扰下的故障脉冲特征，以及提高计算效率，提出了一种轴承瞬态特征提取方法。首先，为自适应地确定SE长度，提出一种改进的结构元素（improved structural element， 简称ISE）选择策略，依据振动信号自相关的极值点自适应地选择SE的长度范围，并利用改进的诊断特征（adjusted diagnostic feature， 简称ADF）评估MF信号中的故障相关信息，进而确定最优SE长度；其次，提出一种自相关包络谱（auto-correlation envelop spectrum， 简称AES）的后处理方法，消除故障信号中宽带噪声干扰；然后，基于ISE和AES提出一种自适应最优尺度MF的轴承故障诊断方法，记作MF-AES；最后，利用仿真信号、台架试验测试信号验证和对比所提方法的有效性。结果表明：所提方法能滤除干扰信号并增强故障相关脉冲特征，可有效进行轴承故障诊断。