针对滚动轴承微弱故障特征在强背景噪声干扰下难以提取问题，提出一种适用于轴承故障诊断的自适应互相关差分形态滤波器(Adaptive Cross-correlation Difference Morphological Filter，ACCDMF)。首先，借助特征频率强度系数，定量分析七种典型形态学梯度算子的抗高斯白噪声能力和抗谐波干扰能力，并优选两个算子融于广义互相关框架之中，构建具有抗强高斯白噪声和谐波干扰能力的形态学互相关差分算子(Morphological Cross-correlation Differential Operator，MCCDO)。其次，利用非线性滤波器幅频响应分析法，探究MCCDO算子滤波特性。然后，引入基于信号局部极小值点的SE 长度范围选取策略和包络谱熵，增强形态滤波自适应性。最后，提出一种自适应互相关差分形态滤波器，并应用于滚动轴承故障数据分析。仿真与两组试验案例分析结果表明：与其他经典形态滤波方法相比，所提方法能够更有效地在强背景噪声干扰下提取滚动轴承微弱故障特征。